tanbinh2210/bge-m3-zalo-trained-0_8-zalo

SentenceTransformer based on BAAI/bge-m3

This is a sentence-transformers model finetuned from BAAI/bge-m3 on the json dataset. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: BAAI/bge-m3
• Maximum Sequence Length: 350 tokens
• Output Dimensionality: 1024 tokens
• Similarity Function: Cosine Similarity
• Training Dataset:
  • json

Model Sources

• Documentation: Sentence Transformers Documentation
• Repository: Sentence Transformers on GitHub
• Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 350, 'do_lower_case': True}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("tanbinh2210/bge-m3-zalo-trained-0_8-zalo")
# Run inference
sentences = [
    'Mức xử phạt hành vi công chứng bản dịch không đính kèm bản sao của bản chính được quy định như thế nào?',
    'Điều 14. Hành vi vi phạm quy định của công chứng viên về công chứng bản dịch: bản cần dịch. 4. Hình thức xử phạt bổ sung: a) Tước quyền sử dụng thẻ công chứng viên từ 01 tháng đến 03 tháng đối với hành vi vi phạm quy định tại các điểm b và d khoản 3 Điều này; b) Tước quyền sử dụng thẻ công chứng viên từ 03 tháng đến 06 tháng đối với hành vi vi phạm quy định tại các điểm a, c, đ và e khoản 3 Điều này. 5. Biện pháp khắc phục hậu quả: a) Buộc nộp lại số lợi bất hợp pháp có được do thực hiện hành vi vi phạm quy định tại khoản 3 Điều này; b) Buộc tổ chức hành nghề công chứng đang lưu trữ hồ sơ công chứng thông báo trên cổng thông tin điện tử của Sở Tư pháp nơi đặt trụ sở về bản dịch đã được công chứng quy định tại các điểm c, đ và e khoản 3 Điều này.',
    'Điều 428. Đơn phương chấm dứt thực hiện hợp đồng: 1. Một bên có quyền đơn phương chấm dứt thực hiện hợp đồng và không phải bồi thường thiệt hại khi bên kia vi phạm nghiêm trọng nghĩa vụ trong hợp đồng hoặc các bên có thỏa thuận hoặc pháp luật có quy định. 2. Bên đơn phương chấm dứt thực hiện hợp đồng phải thông báo ngay cho bên kia biết về việc chấm dứt hợp đồng, nếu không thông báo mà gây thiệt hại thì phải bồi thường. 3. Khi hợp đồng bị đơn phương chấm dứt thực hiện thì hợp đồng chấm dứt kể từ thời điểm bên kia nhận được thông báo chấm dứt. Các bên không phải tiếp tục thực hiện nghĩa vụ, trừ thỏa thuận về phạt vi phạm, bồi thường thiệt hại và thỏa thuận về giải quyết tranh chấp. Bên đã thực hiện nghĩa vụ có quyền yêu cầu bên kia thanh toán phần nghĩa vụ đã thực hiện. 4. Bên bị thiệt hại do hành vi không thực hiện đúng nghĩa vụ trong hợp đồng của bên kia được bồi thường. 5. Trường hợp việc đơn phương chấm dứt thực hiện hợp đồng không có căn cứ quy định tại khoản',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Training Details

Training Dataset

json

• Dataset: json
• Size: 10,363 training samples
• Columns: query and pos
• Approximate statistics based on the first 1000 samples:

  	query	pos
  type	string	string
  details	min: 7 tokens mean: 21.77 tokens max: 41 tokens	min: 58 tokens mean: 272.76 tokens max: 350 tokens

• Samples:

  query	pos
  Chỉ tuyển dụng giáo viên mầm non có bằng đại học từ năm 2021 có đúng không?	Điều 3. Giáo viên mầm non hạng III - Mã số V.07.02.26: quy định về đạo đức nhà giáo; quy định về hành vi, ứng xử và trang phục. 3. Tiêu chuẩn về trình độ đào tạo, bồi dưỡng a) Có bằng tốt nghiệp cao đẳng sư phạm giáo dục mầm non trở lên; b) Có chứng chỉ bồi dưỡng theo tiêu chuẩn chức danh nghề nghiệp giáo viên mầm non hạng III (đối với giáo viên mầm non mới được tuyển dụng vào giáo viên mầm non hạng III thì phải có chứng chỉ trong thời gian 36 tháng kể từ ngày được tuyển dụng). 4. Tiêu chuẩn về năng lực chuyên môn, nghiệp vụ a) Nắm được chủ trương, đường lối, chính sách, pháp luật của Đảng, Nhà nước, quy định và yêu cầu của ngành, địa phương về giáo dục mầm non và triển khai thực hiện vào nhiệm vụ được giao; b) Thực hiện đúng chương trình giáo dục mầm non; c) Biết phối hợp với đồng nghiệp, cha mẹ trẻ em và cộng đồng trong công tác nuôi dưỡng, chăm sóc, giáo dục trẻ em; d) Biết quản lý, sử dụng, bảo quản và giữ gìn có hiệu quả tài sản cơ sở vật chất, thiết bị của nhóm/Lớp, trường; đ) Có khả năng ứng dụng công nghệ thông tin trong thực hiện các nhiệm vụ của giáo viên mầm non hạng III và có khả năng sử dụng ngoại ngữ hoặc tiếng dân tộc thiểu số trong một số nhiệm vụ cụ thể được giao.
  Trung tâm sát hạch lái xe không niêm yết mức giá các dịch vụ bị phạt bao nhiêu tiền?	Điều 37. Xử phạt các hành vi vi phạm quy định về đào tạo, sát hạch lái xe: 5.000.000 đồng đến 10.000.000 đồng đối với cơ sở đào tạo lái xe, trung tâm sát hạch lái xe thực hiện một trong các hành vi vi phạm sau đây: a) Cơ sở đào tạo lái xe tổ chức tuyển sinh, đào tạo vượt quá lưu lượng quy định trong Giấy phép đào tạo lái xe; b) Cơ sở đào tạo lái xe tổ chức đào tạo lái xe ngoài địa điểm được ghi trong Giấy phép đào tạo lái xe; c) Cơ sở đào tạo lái xe không lưu trữ hoặc lưu trữ không đầy đủ hồ sơ theo quy định của 02 khóa đào tạo trở lên; d) Cơ sở đào tạo lái xe bố trí số lượng học viên tập lái trên xe tập lái vượt quá quy định; đ) Cơ sở đào tạo lái xe không có đủ hệ thống phòng học; phòng học không đủ trang thiết bị, mô hình học cụ; e) Cơ sở đào tạo lái xe không có đủ sân tập lái hoặc sân tập lái không đủ điều kiện theo quy định; g) Cơ sở đào tạo lái xe không có đủ số lượng xe tập lái các hạng để đáp ứng với lưu lượng đào tạo thực tế tại các thời điểm hoặc sử dụng xe tập lái không đúng hạng để dạy thực hành lái xe; h) Trung tâm sát hạch lái xe không niêm yết mức thu phí sát hạch, giá các dịch vụ khác theo quy định;
  Vị trí việc làm của viên chức được quy định như thế nào?	Điều 7. Vị trí việc làm: 1. Vị trí việc làm là công việc hoặc nhiệm vụ gắn với chức danh nghề nghiệp hoặc chức vụ quản lý tương ứng, là căn cứ xác định số lượng người làm việc, cơ cấu viên chức để thực hiện việc tuyển dụng, sử dụng và quản lý viên chức trong đơn vị sự nghiệp công lập. 2. Chính phủ quy định nguyên tắc, phương pháp xác định vị trí việc làm, thẩm quyền, trình tự, thủ tục quyết định số lượng vị trí việc làm trong đơn vị sự nghiệp công lập.

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Evaluation Dataset

json

• Dataset: json
• Size: 10,363 evaluation samples
• Columns: query and pos
• Approximate statistics based on the first 1000 samples:

  	query	pos
  type	string	string
  details	min: 7 tokens mean: 21.75 tokens max: 41 tokens	min: 37 tokens mean: 269.62 tokens max: 350 tokens

• Samples:

  query	pos
  Theo quy định pháp luật, dẫn xuất của các loài động vật, thực vật là gì?	Điều 3. Giải thích từ ngữ: mục đích thương mại hoặc vì mục đích thương mại. 18. Nuôi sinh trưởng là hình thức nuôi giữ con non, trứng của các loài động vật hoang dã khai thác từ tự nhiên để nuôi lớn, cho ấp nở thành các cá thể con trong môi trường có kiểm soát. 19. Nuôi sinh sản là hình thức nuôi giữ động vật hoang dã để sản sinh ra các thế hệ kế tiếp trong môi trường có kiểm soát. 20. Trồng cấy nhân tạo là hình thức trồng, cấy từ hạt, mầm, hợp tử, ghép cành hoặc các cách nhân giống khác thực vật hoang dã trong môi trường có kiểm soát. 21. Nguồn giống sinh sản là cá thể động vật ban đầu hợp pháp được nuôi trong cơ sở nuôi sinh sản để sản xuất ra các cá thể thế hệ kế tiếp. 22. Thế hệ F1 gồm các cá thể được sinh ra trong môi trường có kiểm soát, trong đó có ít nhất bố hoặc mẹ được khai thác từ tự nhiên. 23. Thế hệ F2 hoặc các thế hệ kế tiếp gồm các cá thể được sinh ra trong môi trường có kiểm soát bởi cặp bố, mẹ thế hệ F1 trở đi. 24. Vật dụng cá nhân, vật dụng hộ gia đình có nguồn gốc động vật, thực vật hoang dã là mẫu vật có nguồn gốc hợp pháp của cá nhân, hộ gia đình. Mẫu vật sống không được coi là vật dụng
  Hỗ trợ hoạt động khởi nghiệp doanh nghiệp khoa học và công nghệ được quy định như thế nào?	Điều 5. Nội dung và mức chi ngân sách nhà nước thực hiện hỗ trợ ươm tạo doanh nghiệp khoa học và công nghệ: 1. Hỗ trợ cơ sở ươm tạo doanh nghiệp khoa học và công nghệ: Đối tượng thuộc phạm vi hỗ trợ theo quy định tại Khoản này phải đáp ứng các điều kiện quy định tại Khoản 1 Điều 9 Thông tư số 19/2016/TT-BKHCN ngày 28 tháng 10 năm 2016 của Bộ Khoa học và Công nghệ quy định quản lý Chương trình hỗ trợ phát triển doanh nghiệp khoa học và công nghệ và tổ chức khoa học và công nghệ công lập thực hiện cơ chế tự chủ, tự chịu trách nhiệm (sau đây gọi là Thông tư số 19/2016/TT-BKHCN). Các nội dung hỗ trợ như sau: a) Hỗ trợ kinh phí mua sắm các trang thiết bị dùng chung phục vụ trực tiếp hoạt động ươm tạo công nghệ, ươm tạo doanh nghiệp khoa học và công nghệ của cơ sở ươm tạo doanh nghiệp khoa học và công nghệ (sau đây gọi là cơ sở ươm tạo): Danh mục trang thiết bị dùng chung cho cơ sở ươm tạo được xác định phù hợp theo từng lĩnh vực công nghệ theo quy định của Bộ Khoa học và Công nghệ. Mức hỗ trợ kinh phí mua
  Mức án cao nhất về đồng phạm trong tội bạo loạn là bao nhiêu năm tù?	Điều 1. Sửa đổi, bổ sung, bãi bỏ một số điều của Bộ luật Hình sự số 100/2015/QH13: thực vật thông thường hoặc 50 mét khối (m3) trở lên gỗ thuộc Danh mục thực vật rừng, động vật rừng nguy cấp, quý, hiếm Nhóm IIA; b) Khai thác trái phép rừng sản xuất là rừng tự nhiên 40 mét khối (m3) trở lên gỗ loài thực vật thông thường hoặc 30 mét khối (m3) trở lên gỗ thuộc Danh mục thực vật rừng, động vật rừng nguy cấp, quý, hiếm Nhóm IIA; c) Khai thác trái phép rừng phòng hộ là rừng trồng 60 mét khối (m3) trở lên gỗ loài thực vật thông thường hoặc 40 mét khối (m3) trở lên gỗ thuộc Danh mục thực vật rừng, động vật rừng nguy cấp, quý, hiếm Nhóm IIA; d) Khai thác trái phép rừng phòng hộ là rừng tự nhiên 30 mét khối (m3) trở lên gỗ loài thực vật thông thường hoặc 20 mét khối (m3) trở lên gỗ thuộc Danh mục thực vật rừng, động vật rừng nguy cấp, quý, hiếm Nhóm IIA; đ) Khai thác trái phép rừng đặc dụng là rừng trồng 40 mét khối (m3) trở lên gỗ loài thực vật thông thường hoặc 20 mét khối (m3) trở lên gỗ thuộc Danh mục thực vật rừng, động vật rừng nguy cấp, quý, hiếm Nhóm IIA; e) Khai thác trái phép rừng đặc dụng là rừng tự nhiên 15 mét khối (m3) trở lên gỗ loài thực vật thông thường hoặc 10 mét khối (m3) trở lên gỗ thuộc Danh mục thực vật

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• overwrite_output_dir: True
• per_device_train_batch_size: 7
• per_device_eval_batch_size: 7
• learning_rate: 2e-05
• num_train_epochs: 15
• lr_scheduler_type: cosine
• warmup_ratio: 0.1
• fp16: True
• batch_sampler: no_duplicates

All Hyperparameters

Click to expand

• overwrite_output_dir: True
• do_predict: False
• eval_strategy: no
• prediction_loss_only: True
• per_device_train_batch_size: 7
• per_device_eval_batch_size: 7
• per_gpu_train_batch_size: None
• per_gpu_eval_batch_size: None
• gradient_accumulation_steps: 1
• eval_accumulation_steps: None
• torch_empty_cache_steps: None
• learning_rate: 2e-05
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 15
• max_steps: -1
• lr_scheduler_type: cosine
• lr_scheduler_kwargs: {}
• warmup_ratio: 0.1
• warmup_steps: 0
• log_level: passive
• log_level_replica: warning
• log_on_each_node: True
• logging_nan_inf_filter: True
• save_safetensors: True
• save_on_each_node: False
• save_only_model: False
• restore_callback_states_from_checkpoint: False
• no_cuda: False
• use_cpu: False
• use_mps_device: False
• seed: 42
• data_seed: None
• jit_mode_eval: False
• use_ipex: False
• bf16: False
• fp16: True
• fp16_opt_level: O1
• half_precision_backend: auto
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• local_rank: 0
• ddp_backend: None
• tpu_num_cores: None
• tpu_metrics_debug: False
• debug: []
• dataloader_drop_last: False
• dataloader_num_workers: 0
• dataloader_prefetch_factor: None
• past_index: -1
• disable_tqdm: False
• remove_unused_columns: True
• label_names: None
• load_best_model_at_end: False
• ignore_data_skip: False
• fsdp: []
• fsdp_min_num_params: 0
• fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
• fsdp_transformer_layer_cls_to_wrap: None
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• deepspeed: None
• label_smoothing_factor: 0.0
• optim: adamw_torch
• optim_args: None
• adafactor: False
• group_by_length: False
• length_column_name: length
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• dataloader_pin_memory: True
• dataloader_persistent_workers: False
• skip_memory_metrics: True
• use_legacy_prediction_loop: False
• push_to_hub: False
• resume_from_checkpoint: None
• hub_model_id: None
• hub_strategy: every_save
• hub_private_repo: False
• hub_always_push: False
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_inputs_for_metrics: False
• eval_do_concat_batches: True
• fp16_backend: auto
• push_to_hub_model_id: None
• push_to_hub_organization: None
• mp_parameters:
• auto_find_batch_size: False
• full_determinism: False
• torchdynamo: None
• ray_scope: last
• ddp_timeout: 1800
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• dispatch_batches: None
• split_batches: None
• include_tokens_per_second: False
• include_num_input_tokens_seen: False
• neftune_noise_alpha: None
• optim_target_modules: None
• batch_eval_metrics: False
• eval_on_start: False
• eval_use_gather_object: False
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional

Training Logs

Click to expand

Epoch	Step	Training Loss
0.0794	100	0.4425
0.1589	200	0.3211
0.2383	300	0.2169
0.3177	400	0.1759
0.3971	500	0.1872
0.4766	600	0.1666
0.5560	700	0.1504
0.6354	800	0.1578
0.7149	900	0.1456
0.7943	1000	0.1393
0.8737	1100	0.1547
0.9531	1200	0.1237
1.0326	1300	0.1351
1.1120	1400	0.1789
1.1914	1500	0.1375
1.2708	1600	0.1368
1.3503	1700	0.114
1.4297	1800	0.1593
1.5091	1900	0.1097
1.5886	2000	0.1299
1.6680	2100	0.1086
1.7474	2200	0.1377
1.8268	2300	0.1323
1.9063	2400	0.3259
1.9857	2500	0.212
2.0651	2600	0.137
2.1446	2700	0.1743
2.2240	2800	0.1232
2.3034	2900	0.1032
2.3828	3000	0.1058
2.4623	3100	0.1324
2.5417	3200	0.1126
2.6211	3300	0.101
2.7006	3400	0.1237
2.7800	3500	0.1177
2.8594	3600	0.1154
2.9388	3700	0.1456
3.0183	3800	0.1141
3.0977	3900	0.1472
3.1771	4000	0.1482
3.2566	4100	0.1184
3.3360	4200	0.0841
3.4154	4300	0.1225
3.4948	4400	0.1063
3.5743	4500	0.1104
3.6537	4600	0.1182
3.7331	4700	0.1217
3.8125	4800	0.1215
3.8920	4900	0.1061
3.9714	5000	0.1187
4.0508	5100	0.1043
4.1303	5200	0.1648
4.2097	5300	0.1165
4.2891	5400	0.105
4.3685	5500	0.0915
4.4480	5600	0.1289
4.5274	5700	0.106
4.6068	5800	0.0927
4.6863	5900	0.0852
4.7657	6000	0.13
4.8451	6100	0.0998
4.9245	6200	0.1287
5.0040	6300	0.1195
5.0834	6400	0.1454
5.1628	6500	0.1592
5.2423	6600	0.124
5.3217	6700	0.0866
5.4011	6800	0.1073
5.4805	6900	0.1147
5.5600	7000	0.1102
5.6394	7100	0.103
5.7188	7200	0.1033
5.7983	7300	0.129
5.8777	7400	0.1178
5.9571	7500	0.1057
6.0365	7600	0.121
6.1160	7700	0.1694
6.1954	7800	0.1143
6.2748	7900	0.1811
6.3542	8000	0.0901
6.4337	8100	0.1362
6.5131	8200	0.0944
6.5925	8300	0.1026
6.6720	8400	0.0868
6.7514	8500	0.1058
6.8308	8600	0.1129
6.9102	8700	0.0925
6.9897	8800	0.1111
7.0691	8900	0.1159
7.1485	9000	0.1507
7.2280	9100	0.1124
7.3074	9200	0.0822
7.3868	9300	0.0935
7.4662	9400	0.1133
7.5457	9500	0.1031
7.6251	9600	0.0948
7.7045	9700	0.0948
7.7840	9800	0.1219
7.8634	9900	0.0885
7.9428	10000	0.1034
8.0222	10100	0.1049
8.1017	10200	0.1413
8.1811	10300	0.1255
8.2605	10400	0.0991
8.3400	10500	0.0847
8.4194	10600	0.1224
8.4988	10700	0.0932
8.5782	10800	0.0892
8.6577	10900	0.0843
8.7371	11000	0.1192
8.8165	11100	0.098
8.8959	11200	0.0957
8.9754	11300	0.0946
9.0548	11400	0.1066
9.1342	11500	0.1467
9.2137	11600	0.1035
9.2931	11700	0.091
9.3725	11800	0.0818
9.4519	11900	0.1048
9.5314	12000	0.0935
9.6108	12100	0.0672
9.6902	12200	0.0709
9.7697	12300	0.0916
9.8491	12400	0.0856
9.9285	12500	0.0941
10.0079	12600	0.0707
10.0874	12700	0.1203
10.1668	12800	0.1215
10.2462	12900	0.089
10.3257	13000	0.0717
10.4051	13100	0.0799
10.4845	13200	0.0755
10.5639	13300	0.0984
10.6434	13400	0.0729
10.7228	13500	0.0733
10.8022	13600	0.1
10.8817	13700	0.049
10.9611	13800	0.0732
11.0405	13900	0.0794
11.1199	14000	0.1286
11.1994	14100	0.0922
11.2788	14200	0.056
11.3582	14300	0.0794
11.4376	14400	0.0924
11.5171	14500	0.0544
11.5965	14600	0.0868
11.6759	14700	0.059
11.7554	14800	0.0837
11.8348	14900	0.069
11.9142	15000	0.0525
11.9936	15100	0.0566
12.0731	15200	0.0908
12.1525	15300	0.1087
12.2319	15400	0.0894
12.3114	15500	0.0638
12.3908	15600	0.058
12.4702	15700	0.0678
12.5496	15800	0.0833
12.6291	15900	0.0667
12.7085	16000	0.0651
12.7879	16100	0.1124
12.8674	16200	0.0689
12.9468	16300	0.1077
13.0262	16400	0.0615
13.1056	16500	0.11
13.1851	16600	0.0695
13.2645	16700	0.0629
13.3439	16800	0.0711
13.4234	16900	0.0693
13.5028	17000	0.056
13.5822	17100	0.0778
13.6616	17200	0.051
13.7411	17300	0.0611
13.8205	17400	0.0772
13.8999	17500	0.0814
13.9793	17600	0.0764
14.0588	17700	0.0847
14.1382	17800	0.1169
14.2176	17900	0.0626
14.2971	18000	0.0673
14.3765	18100	0.0583
14.4559	18200	0.0623
14.5353	18300	0.072
14.6148	18400	0.0472
14.6942	18500	0.0513
14.7736	18600	0.0759
14.8531	18700	0.067
14.9325	18800	0.0955

Framework Versions

• Python: 3.10.14
• Sentence Transformers: 3.1.0
• Transformers: 4.44.0
• PyTorch: 2.4.0
• Accelerate: 0.33.0
• Datasets: 2.21.0
• Tokenizers: 0.19.1

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}