Hugging Face's logo

anhtuansh
/
ModernBERT-base-3e-9k

Sentence Similarity
sentence-transformers
Safetensors
modernbert
feature-extraction
Generated from Trainer
dataset_size:8259
loss:MatryoshkaLoss
loss:MultipleNegativesRankingLoss
Eval Results
Inference Endpoints
Model card Files Community
ModernBERT-base-3e-9k / README.md
anhtuansh's picture
anhtuansh
Add new SentenceTransformer model
96896d5 verified
preview code
|
raw
history blame contribute delete
171 kB
---
base_model: answerdotai/ModernBERT-base
library_name: sentence-transformers
metrics:
- cosine_accuracy@1
- cosine_accuracy@3
- cosine_accuracy@5
- cosine_accuracy@10
- cosine_precision@1
- cosine_precision@3
- cosine_precision@5
- cosine_precision@10
- cosine_recall@1
- cosine_recall@3
- cosine_recall@5
- cosine_recall@10
- cosine_ndcg@10
- cosine_mrr@10
- cosine_map@100
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:8259
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
widget:
- source_sentence: 'theo quy_định tại điều 35 nghị_định số 201 / 2013 / nđ - cp thì
thời_hạn giải_quyết thủ_tục hành_chính về cấp giấy_phép thăm_dò , khai_thác nước
dưới đất như sau : 1 . tiếp_nhận và kiểm_tra hồ_sơ : trong thời_hạn mười ( 10
) ngày làm_việc , kể từ ngày nhận hồ_sơ , cơ_quan tiếp_nhận hồ_sơ có trách_nhiệm
xem_xét , kiểm_tra hồ_sơ . trường_hợp hồ_sơ không hợp_lệ , cơ_quan tiếp_nhận hồ_sơ
thông_báo cho tổ_chức , cá_nhân đề_nghị cấp phép để bổ_sung , hoàn_thiện hồ_sơ
theo quy_định . trường_hợp hồ_sơ sau khi đã bổ_sung mà vẫn không đáp_ứng yêu_cầu
theo quy_định thì cơ_quan tiếp_nhận hồ_sơ trả lại hồ_sơ và thông_báo rõ lý_do
cho tổ_chức , cá_nhân đề_nghị cấp phép . 2 . thẩm_định_đề_án , báo_cáo thăm_dò
, khai_thác , sử_dụng tài_nguyên nước , xả nước_thải vào nguồn nước trong hồ_sơ
đề_nghị cấp phép ( sau đây gọi chung là đề_án , báo_cáo ) : a ) trong thời_hạn
ba_mươi ( 30 ) ngày làm_việc , kể từ ngày nhận đủ hồ_sơ hợp_lệ theo quy_định tại
khoản 1 điều này , cơ_quan tiếp_nhận hồ_sơ có trách_nhiệm thẩm_định_đề_án , báo_cáo
; nếu cần_thiết thì kiểm_tra thực_tế hiện_trường , lập hội_đồng thẩm_định_đề_án
, báo_cáo . trường_hợp đủ điều_kiện cấp phép , cơ_quan tiếp_nhận hồ_sơ trình cơ_quan
có thẩm_quyền cấp giấy_phép ; trường_hợp không đủ điều_kiện để cấp phép thì trả
lại hồ_sơ cho tổ_chức , cá_nhân đề_nghị cấp phép và thông_báo lý_do không cấp
phép ; b ) trường_hợp phải bổ_sung , chỉnh_sửa để hoàn_thiện đề_án , báo_cáo thì
cơ_quan tiếp_nhận hồ_sơ gửi văn_bản thông_báo cho tổ_chức , cá_nhân đề_nghị cấp
phép nêu rõ những nội_dung cần bổ_sung , hoàn_thiện đề_án , báo_cáo . thời_gian
bổ_sung , hoàn_thiện hoặc lập lại đề_án , báo_cáo không tính vào thời_gian thẩm_định_đề_án
, báo_cáo . thời_gian thẩm_định sau khi đề_án , báo_cáo được bổ_sung hoàn_chỉnh
là hai mươi ( 20 ) ngày làm_việc ; c ) trường_hợp phải lập lại đề_án , báo_cáo
, cơ_quan tiếp_nhận hồ_sơ gửi văn_bản thông_báo cho tổ_chức , cá_nhân đề_nghị
cấp phép nêu rõ những nội_dung đề_án , báo_cáo chưa đạt yêu_cầu , phải làm lại
và trả lại hồ_sơ đề_nghị cấp phép . 3 . trả kết_quả giải_quyết hồ_sơ_cấp phéptrong
thời_hạn năm ( 05 ) ngày làm_việc , kể từ ngày nhận được giấy_phép của cơ_quan
có thẩm_quyền , cơ_quan tiếp_nhận hồ_sơ thông_báo cho tổ_chức , cá_nhân đề_nghị
cấp phép để thực_hiện nghĩa_vụ tài_chính và nhận giấy_phép .'
sentences:
- ai có thẩm_quyền giải_quyết tố_cáo hành_vi vi_phạm_pháp_luật trong thực_hiện nhiệm_vụ
, công_vụ của cán_bộ , công_chức , viên_chức ?
- thời_hạn giải_quyết thủ_tục hành_chính về cấp giấy_phép thăm_dò , giấy_phép khai_thác
nước dưới đất ?
- tôi có_thể đăng_ký ngành , nghề kinh_doanh không có trong hệ_thống ngành kinh_tế
việt_nam không ?
- source_sentence: khoản 2 điều 2 thông_tư 30 quy_định , đoàn khám bệnh , chữa bệnh_nhân_đạo
là một nhóm nhân_viên y_tế trong nước , nước_ngoài do cá_nhân , tổ_chức trong
nước , nước_ngoài tổ_chức để khám bệnh , chữa bệnh_nhân_đạo cho nhân_dân .
sentences:
- tàu_thủy lưu_trú du_lịch có tiêu_chí xếp_hạng bắt_buộc không ?
- tôi muốn xin cấp lại sổ thuyền_viên thì cần những hồ_sơ gì ?
- đoàn khám bệnh , chữa bệnh_nhân_đạo là gì ?
- source_sentence: 'thành_phần hồ_sơ thực_hiện tthc sửa_đổi , bổ_sung / cấp lại giấy
chứng_nhận lưu_hành tự_do ( cfs ) đối_với hàng_hóa xuất_khẩu thuộc phạm_vi quản_lý
của bộ nông_nghiệp và phát_triển nông_thôn ( quy_định tại quyết_định số 1312 /
qđ - bnn - qlcl ngày 22 / 4 / 2019 về việc công_bố thủ_tục hành_chính được thay_thế
, tthc bị bãi_bỏ lĩnh_vực quản_lý chất_lượng nông_lâm_sản và thủy_sản thuộc phạm_vi
chức_năng quản_lý của bộ nông_nghiệp và phát_triển nông_thôn ) : - văn_bản đề_nghị
sửa_đổi , bổ_sung / cấp lại cfs của thương_nhân : 01 bản_chính . - các giấy_tờ
liên_quan đến việc sửa_đổi , bổ_sung / cấp lại cfs.'
sentences:
- kính gửi cục quản_lý chất_lượng nông_lâm_sản và thuỷ_sản , công_ty tôi đã được
quý cục cấp giấy chứng_nhận lưu_hành tự_do cfs , nay tôi muốn sửa_đổi một_số thông_tin
trên giấy cfs , vậy hồ_sơ đề_nghị sửa_đổi cần những gì ?
- thời_gian để được cấp quyết_định chỉ_định tổ_chức đánh_giá sự phù_hợp lĩnh_vực
sản_phẩm , hàng_hóa_vật_liệu xây_dựng đối_với trường_hợp thay_đổi , bổ_sung phạm_vi
, lĩnh_vực được chỉ_định
- hồ_sơ đăng_ký dự_tuyển lao_động của người lao_động gồm những gì ?
- source_sentence: 'hồ_sơ đề_nghị gia_hạn giấy_phép cung_cấp dịch_vụ trò_chơi điện_tử
g1 trên mạng bao_gồm : - đơn đề_nghị gia_hạn giấy_phép bao_gồm : tên , địa_chỉ
của doanh_nghiệp ; số , nơi cấp , ngày cấp giấy chứng_nhận đăng_ký doanh_nghiệp
; số , ngày cấp , ngày hiệu_lực của giấy_phép đã được cấp ; lý_do đề_nghị gia_hạn
giấy_phép ; cam_kết của doanh_nghiệp về các nội_dung kê_khai trong đơn đề_nghị
.'
sentences:
- thành_phần hồ_sơ
- nhà đầu_tư phải nộp bao_nhiêu bộ hồ_sơ đề_nghị thủ_tướng chính_phủ cho phép đầu_tư
gián_tiếp ra nước_ngoài đối_với các trường_hợp đầu_tư khác quy_định tại điều 9
nghị_định 135 / 2015 / nđ - cp ?
- phần vốn của thành_viên chưa góp vốn trong thời_hạn 90 ngày , kể từ ngày được
cấp giấy chứng_nhận đăng_ký doanh_nghiệp trong công_ty tnhh hai thành_viên trở
lên được xử_lý như thế_nào ? trường_hợp có người nhận mua lại phần vốn chưa góp
này thì công_ty có phải đăng_ký thay_đổi thành_viên với cơ_quan đăng_ký kinh_doanh
không ? hồ_sơ , thủ_tục được quy_định như thế_nào ?
- source_sentence: quản_lý nhập_khẩu hàng_hóa bị điều_tra , phục_vụ công_tác điều_tra
, áp_dụng biện_pháp phòng_vệ thương_mại .
sentences:
- mục_đích của thủ_tục khai_báo là gì ?
- đơn_vị chúng_tôi đã được cấp chứng_chỉ năng_lực hoạt_động xây_dựng nhưng hiện_nay
chúng_tôi thay_đổi người đại_diện pháp_luật của đơn_vị . vậy chúng_tôi có phải
làm thủ_tục nào để thay_đổi người đại_diện theo pháp_luật của chúng_tôi trên chứng_chỉ
?
- trường_hợp nào thì được cấp lại giấy xác_nhận đăng_ký công_cụ hỗ_trợ , thủ_tục
cấp lại giấy xác_nhận đăng_ký công_cụ hỗ_trợ như thế_nào ?
model-index:
- name: SentenceTransformer based on answerdotai/ModernBERT-base
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 768
type: dim_768
metrics:
- type: cosine_accuracy@1
value: 0.0
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.0
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.0
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.0
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.0
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.0
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.0
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.0
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.0
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.0
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.0
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.0
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.0
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.0
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.0
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 512
type: dim_512
metrics:
- type: cosine_accuracy@1
value: 0.0
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.0
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.0
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.0
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.0
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.0
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.0
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.0
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.0
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.0
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.0
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.0
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.0
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.0
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.0
name: Cosine Map@100
---
# SentenceTransformer based on answerdotai/ModernBERT-base
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [answerdotai/ModernBERT-base](https://huggingface.co/answerdotai/ModernBERT-base) on the json dataset. It maps sentences & paragraphs to a 768-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:** [answerdotai/ModernBERT-base](https://huggingface.co/answerdotai/ModernBERT-base) <!-- at revision 6e461621ae9e2dffc138de99490e9baee354deb5 -->
- **Maximum Sequence Length:** 8192 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- json
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
### Full Model Architecture
```
SentenceTransformer(
(0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: ModernBertModel
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)
```
## Usage
### Direct Usage (Sentence Transformers)
First install the Sentence Transformers library:
```bash
pip install -U sentence-transformers
```
Then you can load this model and run inference.
```python
from sentence_transformers import SentenceTransformer
# Download from the 🤗 Hub
model = SentenceTransformer("anhtuansh/ModernBERT-base-3e-9k")
# Run inference
sentences = [
'quản_lý nhập_khẩu hàng_hóa bị điều_tra , phục_vụ công_tác điều_tra , áp_dụng biện_pháp phòng_vệ thương_mại .',
'mục_đích của thủ_tục khai_báo là gì ?',
'đơn_vị chúng_tôi đã được cấp chứng_chỉ năng_lực hoạt_động xây_dựng nhưng hiện_nay chúng_tôi thay_đổi người đại_diện pháp_luật của đơn_vị . vậy chúng_tôi có phải làm thủ_tục nào để thay_đổi người đại_diện theo pháp_luật của chúng_tôi trên chứng_chỉ ?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
```
<!--
### Direct Usage (Transformers)
<details><summary>Click to see the direct usage in Transformers</summary>
</details>
-->
<!--
### Downstream Usage (Sentence Transformers)
You can finetune this model on your own dataset.
<details><summary>Click to expand</summary>
</details>
-->
<!--
### Out-of-Scope Use
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->
## Evaluation
### Metrics
#### Information Retrieval
* Datasets: `dim_768` and `dim_512`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | dim_768 | dim_512 |
|:--------------------|:--------|:--------|
| cosine_accuracy@1 | 0.0 | 0.0 |
| cosine_accuracy@3 | 0.0 | 0.0 |
| cosine_accuracy@5 | 0.0 | 0.0 |
| cosine_accuracy@10 | 0.0 | 0.0 |
| cosine_precision@1 | 0.0 | 0.0 |
| cosine_precision@3 | 0.0 | 0.0 |
| cosine_precision@5 | 0.0 | 0.0 |
| cosine_precision@10 | 0.0 | 0.0 |
| cosine_recall@1 | 0.0 | 0.0 |
| cosine_recall@3 | 0.0 | 0.0 |
| cosine_recall@5 | 0.0 | 0.0 |
| cosine_recall@10 | 0.0 | 0.0 |
| **cosine_ndcg@10** | **0.0** | **0.0** |
| cosine_mrr@10 | 0.0 | 0.0 |
| cosine_map@100 | 0.0 | 0.0 |
<!--
## Bias, Risks and Limitations
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->
<!--
### Recommendations
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->
## Training Details
### Training Dataset
#### json
* Dataset: json
* Size: 8,259 training samples
* Columns: <code>positive</code> and <code>anchor</code>
* Approximate statistics based on the first 1000 samples:
| | positive | anchor |
|:--------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 5 tokens</li><li>mean: 513.36 tokens</li><li>max: 5467 tokens</li></ul> | <ul><li>min: 16 tokens</li><li>mean: 97.06 tokens</li><li>max: 996 tokens</li></ul> |
* Samples:
| positive | anchor |
|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>điểm a , mục 2 phần ii thông_tư số 04 / 1999 / tt - bca ( c13 ) ngày 29 / 4 / 1999 của bộ công_an hướng_dẫn một_số quy_định của nghị_định số 05 / 1999 / nđ - cp ngày 03 / 01 / 1999 của chính_phủ về chứng_minh nhân_dân quy_định các trường_hợp phải đổi cmnd như sau : - quá thời_hạn sử_dụng 15 năm kể từ ngày cấp ; - cmnd rách , nát , không rõ ảnh hoặc một trong các thông_tin đã ghi trên cmnd ; - thay_đổi họ , tên , chữ đệm , ngày , tháng , năm sinh . những thay_đổi này phải có quyết_định của cơ_quan có thẩm_quyền ; - những người đã được cấp giấy cmnd nhưng chuyển nơi đăng_ký hộ_khẩu thường_trú ngoài phạm_vi tỉnh , thành_phố trực_thuộc trung_ương . trường_hợp chuyển nơi thường_trú trong phạm_vi tỉnh , thành_phố mà công_dân có yêu_cầu thì được đổi lại cmnd ; - thay_đổi đặc_điểm nhận_dạng là những trường_hợp đã qua phẫu_thuật thẩm_mỹ , chỉnh_hình hoặc vì lý_do khác đã làm thay_đổi hình_ảnh hoặc đặc_điểm nhận_dạng của họ .</code> | <code>công_dân phải làm thủ_tục đổi chứng_minh nhân_dân khi nào ?</code> |
| <code>việc thực_hiện thủ_tục tặng cờ thi_đua cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương theo đợt hoặc chuyên_đề được tiến_hành như sau : <br> bước 1 . vụ , phòng , ban thi_đua – khen_thưởng các bộ , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương tiếp_nhận đề_nghị khen_thưởng của các đơn_vị thực thuộc . <br> bước 2 . thẩm_định hồ_sơ , xin ý_kiến các cơ_quan liên_quan , báo_cáo hội_đồng thi_đua khen_thưởng cùng cấp , tổng_hợp trình bộ_trưởng , thủ_trưởng đơn_vị , chủ_tịch ubnd tỉnh , thành_phố quyết_định khen_thưởng . <br> bước 3 . khi có quyết_định của bộ_trưởng , thủ_trưởng đơn_vị , chủ_tịch ubnd tỉnh , thành_phố trực_thuộc trung_ương ; vụ , phòng , ban thi_đua – khen_thưởng các bộ , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương thông_báo quyết_định , viết bằng , đóng_dấu và cấp_phát cho đơn_vị trình khen . <br> bước 4 . các trường_hợp không được khen_thưởng ( không đúng đối_tượng , không đủ tiêu_chuẩn , không đủ hồ_sơ...</code> | <code>đề_nghị cho biết trình_tự thực_hiện thủ_tục tặng cờ thi_đua cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương theo đợt hoặc chuyên_đề</code> |
| <code>thời_gian phục_vụ tại_ngũ của hạ_sĩ_quan binh_sĩ được quy_định tại điều 21 luật nvqs năm 2015 , cụ_thể như sau : “ điều 21 . thời_hạn phục_vụ tại_ngũ của hạ_sĩ_quan , binh sĩ1 . thời_hạn phục_vụ tại_ngũ trong thời_bình của hạ_sĩ_quan , binh_sĩ là 24 tháng . 2 . bộ_trưởng bộ quốc_phòng được quyết_định kéo_dài thời_hạn phục_vụ tại_ngũ của hạ_sĩ_quan , binh_sĩ nhưng không quá 06 tháng trong trường_hợp sau đây : a ) để bảo_đảm_nhiệm_vụ sẵn_sàng chiến_đấu ; b ) đang thực_hiện nhiệm_vụ phòng , chống thiên_tai , dịch_bệnh , cứu_hộ , cứu nạn . 3 . thời_hạn phục_vụ của hạ_sĩ_quan , binh_sĩ trong tình_trạng chiến_tranh hoặc tình_trạng khẩn_cấp về quốc_phòng được thực_hiện theo lệnh tổng_động_viên hoặc động_viên cục_bộ . ”</code> | <code>quy_định thời_gian phục_vụ tại_ngũ của hạ_sĩ_quan binh_sĩ như thế_nào ?</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512
],
"matryoshka_weights": [
1,
1
],
"n_dims_per_step": -1
}
```
### Evaluation Dataset
#### json
* Dataset: json
* Size: 918 evaluation samples
* Columns: <code>positive</code> and <code>anchor</code>
* Approximate statistics based on the first 918 samples:
| | positive | anchor |
|:--------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 5 tokens</li><li>mean: 519.85 tokens</li><li>max: 5847 tokens</li></ul> | <ul><li>min: 16 tokens</li><li>mean: 96.44 tokens</li><li>max: 655 tokens</li></ul> |
* Samples:
| positive | anchor |
|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>theo quy_định tại khoản 9 điều 1 nghị_định số 161 / 2018 / nđ - cpngày 29 / 11 / 2018 của chính_phủ sửa_đổi , bổ_sung một_số quy_định về tuyển_dụng công_chức , viên_chức , nâng ngạch công_chức , thăng_hạng viên_chức và thực_hiện chế_độ hợp_đồng một_số loại công_việc trong cơ_quan hành_chính nhà_nước , đơn_vị sự_nghiệp công_lập thì đối_tượng và điểm ưu_tiên trong thi_tuyển hoặc xét tuyển công_chức : <br> + anh_hùng lực_lượng vũ_trang , anh_hùng lao_động , thương_binh , người hưởng chính_sách như thương_binh , thương_binh loại b : được cộng 7,5 điểm vào kết_quả điểm thi tại vòng 2 ; <br> + người dân_tộc_thiểu_số , sĩ_quan quân_đội , sĩ_quan công_an , quân_nhân chuyên_nghiệp , người làm công_tác cơ_yếu chuyển ngành , con liệt_sĩ , con thương_binh , con bệnh_binh , con của người hưởng chính_sách như thương_binh , con của thương_binh loại b , con của người hoạt_động cách_mạng trước tổng_khởi_nghĩa ( từ ngày 19 / 8 / 1945 trở về trước ) , con_đẻ của người hoạt_động kháng_chiến bị nhiễm chất_độc_hó...</code> | <code>đề_nghị cho tôi được biết đối_tượng được hưởng ưu_tiên trong tuyển_dụng công_chức ?</code> |
| <code>1 . khi phát_hiện tổ_chức , cá_nhân kê_khai hồ_sơ , thông_báo không_trung_thực hoặc vi_phạm_quy_định tại điều 8 nghị_định số 23 / 2019 / nđ - cp , cơ_quan tiếp_nhận thông_báo yêu_cầu tạm dừng hoạt_động triển_lãm bằng văn_bản ( mẫu_số 03 tại phụ_lục ban_hành kèm theo nghị_định số 23 / 2019 / nđ - cp ) . 2 . tổ_chức , cá_nhân phải dừng hoạt_động triển_lãm ngay khi nhận được văn_bản của cơ_quan có thẩm_quyền ; kịp_thời_khắc_phục hậu_quả , đề_xuất phương_án tiếp_tục tổ_chức triển_lãm gửi cơ_quan có thẩm_quyền xem_xét , quyết_định . 3 . kết_quả xem_xét , quyết_định của cơ_quan có thẩm_quyền phải được thể_hiện bằng văn_bản và gửi cho tổ_chức , cá_nhân biết để thực_hiện . thời_hạn gửi văn_bản cho tổ_chức , cá_nhân là 03 ngày , kể từ ngày cơ_quan có thẩm_quyền nhận được văn_bản đề_xuất phương_án tiếp_tục tổ_chức triển_lãm của tổ_chức , cá_nhân .</code> | <code>những lý_do nào khiến hoạt_động triển_lãm bị tạm dừng ?</code> |
| <code>theo quy_định tại khoản 1 điều 33 luật quản_lý , sử_dụng vũ_khí , vật_liệu nổ và công_cụ hỗ_trợ và điểm a khoản 4 điều 3 thông_tư số 16 / 2018 / tt - bca ngày 15 / 5 / 2018 của bộ công_an quy_định chi_tiết thi_hành một_số điều của luật quản_lý , sử_dụng vũ_khí , vật_liệu nổ và công_cụ hỗ_trợ thì thủ_tục đề_nghị cấp giấy_phép vận_chuyển vũ_khí quân_dụng đối_với cơ_quan , tổ_chức ở trung_ương không thuộc phạm_vi quản_lý của bộ quốc_phòng được thực_hiện như sau : a ) hồ_sơ đề_nghị bao_gồm : văn_bản đề_nghị nêu rõ số_lượng , chủng_loại , nguồn_gốc xuất_xứ của vũ_khí cần vận_chuyển ; nơi đi , nơi đến , thời_gian và tuyến đường vận_chuyển ; họ và tên , địa_chỉ của người chịu trách_nhiệm vận_chuyển , người điều_khiển phương_tiện ; biển kiểm_soát của phương_tiện ; giấy giới_thiệu kèm theo bản_sao thẻ căn_cước công_dân , chứng_minh nhân_dân , hộ_chiếu hoặc chứng_minh công_an nhân_dân của người đến liên_hệ ; b ) hồ_sơ lập thành 01 bộ và nộp tại cục cảnh_sát qlhc về ttxh ; c ) trong thời_hạn 05 n...</code> | <code>thủ_tục cấp giấy_phép vận_chuyển vũ_khí quân_dụng đối_với cơ_quan , tổ_chức ở trung_ương không thuộc phạm_vi quản_lý của bộ quốc_phòng thực_hiện như thế_nào ?</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512
],
"matryoshka_weights": [
1,
1
],
"n_dims_per_step": -1
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: epoch
- `per_device_train_batch_size`: 1
- `per_device_eval_batch_size`: 2
- `gradient_accumulation_steps`: 2
- `learning_rate`: 2e-05
- `lr_scheduler_type`: cosine
- `warmup_ratio`: 0.1
- `fp16`: True
- `tf32`: False
- `load_best_model_at_end`: True
- `optim`: adamw_torch_fused
- `batch_sampler`: no_duplicates
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: epoch
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 1
- `per_device_eval_batch_size`: 2
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 2
- `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`: 3
- `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`: False
- `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`: True
- `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_fused
- `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`: None
- `hub_always_push`: False
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `include_inputs_for_metrics`: False
- `include_for_metrics`: []
- `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
- `use_liger_kernel`: False
- `eval_use_gather_object`: False
- `average_tokens_across_devices`: False
- `prompts`: None
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
<details><summary>Click to expand</summary>
| Epoch | Step | Training Loss | Validation Loss | dim_768_cosine_ndcg@10 | dim_512_cosine_ndcg@10 |
|:-------:|:--------:|:-------------:|:---------------:|:----------------------:|:----------------------:|
| 0 | 0 | - | - | 0.0 | 0.0 |
| 0.0024 | 10 | 0.0 | - | - | - |
| 0.0048 | 20 | 0.0 | - | - | - |
| 0.0073 | 30 | 0.0 | - | - | - |
| 0.0097 | 40 | 0.0 | - | - | - |
| 0.0121 | 50 | 0.0 | - | - | - |
| 0.0145 | 60 | 0.0 | - | - | - |
| 0.0170 | 70 | 0.0 | - | - | - |
| 0.0194 | 80 | 0.0 | - | - | - |
| 0.0218 | 90 | 0.0 | - | - | - |
| 0.0242 | 100 | 0.0 | - | - | - |
| 0.0266 | 110 | 0.0 | - | - | - |
| 0.0291 | 120 | 0.0 | - | - | - |
| 0.0315 | 130 | 0.0 | - | - | - |
| 0.0339 | 140 | 0.0 | - | - | - |
| 0.0363 | 150 | 0.0 | - | - | - |
| 0.0387 | 160 | 0.0 | - | - | - |
| 0.0412 | 170 | 0.0 | - | - | - |
| 0.0436 | 180 | 0.0 | - | - | - |
| 0.0460 | 190 | 0.0 | - | - | - |
| 0.0484 | 200 | 0.0 | - | - | - |
| 0.0509 | 210 | 0.0 | - | - | - |
| 0.0533 | 220 | 0.0 | - | - | - |
| 0.0557 | 230 | 0.0 | - | - | - |
| 0.0581 | 240 | 0.0 | - | - | - |
| 0.0605 | 250 | 0.0 | - | - | - |
| 0.0630 | 260 | 0.0 | - | - | - |
| 0.0654 | 270 | 0.0 | - | - | - |
| 0.0678 | 280 | 0.0 | - | - | - |
| 0.0702 | 290 | 0.0 | - | - | - |
| 0.0726 | 300 | 0.0 | - | - | - |
| 0.0751 | 310 | 0.0 | - | - | - |
| 0.0775 | 320 | 0.0 | - | - | - |
| 0.0799 | 330 | 0.0 | - | - | - |
| 0.0823 | 340 | 0.0 | - | - | - |
| 0.0848 | 350 | 0.0 | - | - | - |
| 0.0872 | 360 | 0.0 | - | - | - |
| 0.0896 | 370 | 0.0 | - | - | - |
| 0.0920 | 380 | 0.0 | - | - | - |
| 0.0944 | 390 | 0.0 | - | - | - |
| 0.0969 | 400 | 0.0 | - | - | - |
| 0.0993 | 410 | 0.0 | - | - | - |
| 0.1017 | 420 | 0.0 | - | - | - |
| 0.1041 | 430 | 0.0 | - | - | - |
| 0.1066 | 440 | 0.0 | - | - | - |
| 0.1090 | 450 | 0.0 | - | - | - |
| 0.1114 | 460 | 0.0 | - | - | - |
| 0.1138 | 470 | 0.0 | - | - | - |
| 0.1162 | 480 | 0.0 | - | - | - |
| 0.1187 | 490 | 0.0 | - | - | - |
| 0.1211 | 500 | 0.0 | - | - | - |
| 0.1235 | 510 | 0.0 | - | - | - |
| 0.1259 | 520 | 0.0 | - | - | - |
| 0.1283 | 530 | 0.0 | - | - | - |
| 0.1308 | 540 | 0.0 | - | - | - |
| 0.1332 | 550 | 0.0 | - | - | - |
| 0.1356 | 560 | 0.0 | - | - | - |
| 0.1380 | 570 | 0.0 | - | - | - |
| 0.1405 | 580 | 0.0 | - | - | - |
| 0.1429 | 590 | 0.0 | - | - | - |
| 0.1453 | 600 | 0.0 | - | - | - |
| 0.1477 | 610 | 0.0 | - | - | - |
| 0.1501 | 620 | 0.0 | - | - | - |
| 0.1526 | 630 | 0.0 | - | - | - |
| 0.1550 | 640 | 0.0 | - | - | - |
| 0.1574 | 650 | 0.0 | - | - | - |
| 0.1598 | 660 | 0.0 | - | - | - |
| 0.1622 | 670 | 0.0 | - | - | - |
| 0.1647 | 680 | 0.0 | - | - | - |
| 0.1671 | 690 | 0.0 | - | - | - |
| 0.1695 | 700 | 0.0 | - | - | - |
| 0.1719 | 710 | 0.0 | - | - | - |
| 0.1744 | 720 | 0.0 | - | - | - |
| 0.1768 | 730 | 0.0 | - | - | - |
| 0.1792 | 740 | 0.0 | - | - | - |
| 0.1816 | 750 | 0.0 | - | - | - |
| 0.1840 | 760 | 0.0 | - | - | - |
| 0.1865 | 770 | 0.0 | - | - | - |
| 0.1889 | 780 | 0.0 | - | - | - |
| 0.1913 | 790 | 0.0 | - | - | - |
| 0.1937 | 800 | 0.0 | - | - | - |
| 0.1961 | 810 | 0.0 | - | - | - |
| 0.1986 | 820 | 0.0 | - | - | - |
| 0.2010 | 830 | 0.0 | - | - | - |
| 0.2034 | 840 | 0.0 | - | - | - |
| 0.2058 | 850 | 0.0 | - | - | - |
| 0.2083 | 860 | 0.0 | - | - | - |
| 0.2107 | 870 | 0.0 | - | - | - |
| 0.2131 | 880 | 0.0 | - | - | - |
| 0.2155 | 890 | 0.0 | - | - | - |
| 0.2179 | 900 | 0.0 | - | - | - |
| 0.2204 | 910 | 0.0 | - | - | - |
| 0.2228 | 920 | 0.0 | - | - | - |
| 0.2252 | 930 | 0.0 | - | - | - |
| 0.2276 | 940 | 0.0 | - | - | - |
| 0.2301 | 950 | 0.0 | - | - | - |
| 0.2325 | 960 | 0.0 | - | - | - |
| 0.2349 | 970 | 0.0 | - | - | - |
| 0.2373 | 980 | 0.0 | - | - | - |
| 0.2397 | 990 | 0.0 | - | - | - |
| 0.2422 | 1000 | 0.0 | - | - | - |
| 0.2446 | 1010 | 0.0 | - | - | - |
| 0.2470 | 1020 | 0.0 | - | - | - |
| 0.2494 | 1030 | 0.0 | - | - | - |
| 0.2518 | 1040 | 0.0 | - | - | - |
| 0.2543 | 1050 | 0.0 | - | - | - |
| 0.2567 | 1060 | 0.0 | - | - | - |
| 0.2591 | 1070 | 0.0 | - | - | - |
| 0.2615 | 1080 | 0.0 | - | - | - |
| 0.2640 | 1090 | 0.0 | - | - | - |
| 0.2664 | 1100 | 0.0 | - | - | - |
| 0.2688 | 1110 | 0.0 | - | - | - |
| 0.2712 | 1120 | 0.0 | - | - | - |
| 0.2736 | 1130 | 0.0 | - | - | - |
| 0.2761 | 1140 | 0.0 | - | - | - |
| 0.2785 | 1150 | 0.0 | - | - | - |
| 0.2809 | 1160 | 0.0 | - | - | - |
| 0.2833 | 1170 | 0.0 | - | - | - |
| 0.2857 | 1180 | 0.0 | - | - | - |
| 0.2882 | 1190 | 0.0 | - | - | - |
| 0.2906 | 1200 | 0.0 | - | - | - |
| 0.2930 | 1210 | 0.0 | - | - | - |
| 0.2954 | 1220 | 0.0 | - | - | - |
| 0.2979 | 1230 | 0.0 | - | - | - |
| 0.3003 | 1240 | 0.0 | - | - | - |
| 0.3027 | 1250 | 0.0 | - | - | - |
| 0.3051 | 1260 | 0.0 | - | - | - |
| 0.3075 | 1270 | 0.0 | - | - | - |
| 0.3100 | 1280 | 0.0 | - | - | - |
| 0.3124 | 1290 | 0.0 | - | - | - |
| 0.3148 | 1300 | 0.0 | - | - | - |
| 0.3172 | 1310 | 0.0 | - | - | - |
| 0.3197 | 1320 | 0.0 | - | - | - |
| 0.3221 | 1330 | 0.0 | - | - | - |
| 0.3245 | 1340 | 0.0 | - | - | - |
| 0.3269 | 1350 | 0.0 | - | - | - |
| 0.3293 | 1360 | 0.0 | - | - | - |
| 0.3318 | 1370 | 0.0 | - | - | - |
| 0.3342 | 1380 | 0.0 | - | - | - |
| 0.3366 | 1390 | 0.0 | - | - | - |
| 0.3390 | 1400 | 0.0 | - | - | - |
| 0.3414 | 1410 | 0.0 | - | - | - |
| 0.3439 | 1420 | 0.0 | - | - | - |
| 0.3463 | 1430 | 0.0 | - | - | - |
| 0.3487 | 1440 | 0.0 | - | - | - |
| 0.3511 | 1450 | 0.0 | - | - | - |
| 0.3536 | 1460 | 0.0 | - | - | - |
| 0.3560 | 1470 | 0.0 | - | - | - |
| 0.3584 | 1480 | 0.0 | - | - | - |
| 0.3608 | 1490 | 0.0 | - | - | - |
| 0.3632 | 1500 | 0.0 | - | - | - |
| 0.3657 | 1510 | 0.0 | - | - | - |
| 0.3681 | 1520 | 0.0 | - | - | - |
| 0.3705 | 1530 | 0.0 | - | - | - |
| 0.3729 | 1540 | 0.0 | - | - | - |
| 0.3753 | 1550 | 0.0 | - | - | - |
| 0.3778 | 1560 | 0.0 | - | - | - |
| 0.3802 | 1570 | 0.0 | - | - | - |
| 0.3826 | 1580 | 0.0 | - | - | - |
| 0.3850 | 1590 | 0.0 | - | - | - |
| 0.3875 | 1600 | 0.0 | - | - | - |
| 0.3899 | 1610 | 0.0 | - | - | - |
| 0.3923 | 1620 | 0.0 | - | - | - |
| 0.3947 | 1630 | 0.0 | - | - | - |
| 0.3971 | 1640 | 0.0 | - | - | - |
| 0.3996 | 1650 | 0.0 | - | - | - |
| 0.4020 | 1660 | 0.0 | - | - | - |
| 0.4044 | 1670 | 0.0 | - | - | - |
| 0.4068 | 1680 | 0.0 | - | - | - |
| 0.4093 | 1690 | 0.0 | - | - | - |
| 0.4117 | 1700 | 0.0 | - | - | - |
| 0.4141 | 1710 | 0.0 | - | - | - |
| 0.4165 | 1720 | 0.0 | - | - | - |
| 0.4189 | 1730 | 0.0 | - | - | - |
| 0.4214 | 1740 | 0.0 | - | - | - |
| 0.4238 | 1750 | 0.0 | - | - | - |
| 0.4262 | 1760 | 0.0 | - | - | - |
| 0.4286 | 1770 | 0.0 | - | - | - |
| 0.4310 | 1780 | 0.0 | - | - | - |
| 0.4335 | 1790 | 0.0 | - | - | - |
| 0.4359 | 1800 | 0.0 | - | - | - |
| 0.4383 | 1810 | 0.0 | - | - | - |
| 0.4407 | 1820 | 0.0 | - | - | - |
| 0.4432 | 1830 | 0.0 | - | - | - |
| 0.4456 | 1840 | 0.0 | - | - | - |
| 0.4480 | 1850 | 0.0 | - | - | - |
| 0.4504 | 1860 | 0.0 | - | - | - |
| 0.4528 | 1870 | 0.0 | - | - | - |
| 0.4553 | 1880 | 0.0 | - | - | - |
| 0.4577 | 1890 | 0.0 | - | - | - |
| 0.4601 | 1900 | 0.0 | - | - | - |
| 0.4625 | 1910 | 0.0 | - | - | - |
| 0.4649 | 1920 | 0.0 | - | - | - |
| 0.4674 | 1930 | 0.0 | - | - | - |
| 0.4698 | 1940 | 0.0 | - | - | - |
| 0.4722 | 1950 | 0.0 | - | - | - |
| 0.4746 | 1960 | 0.0 | - | - | - |
| 0.4771 | 1970 | 0.0 | - | - | - |
| 0.4795 | 1980 | 0.0 | - | - | - |
| 0.4819 | 1990 | 0.0 | - | - | - |
| 0.4843 | 2000 | 0.0 | - | - | - |
| 0.4867 | 2010 | 0.0 | - | - | - |
| 0.4892 | 2020 | 0.0 | - | - | - |
| 0.4916 | 2030 | 0.0 | - | - | - |
| 0.4940 | 2040 | 0.0 | - | - | - |
| 0.4964 | 2050 | 0.0 | - | - | - |
| 0.4988 | 2060 | 0.0 | - | - | - |
| 0.5013 | 2070 | 0.0 | - | - | - |
| 0.5037 | 2080 | 0.0 | - | - | - |
| 0.5061 | 2090 | 0.0 | - | - | - |
| 0.5085 | 2100 | 0.0 | - | - | - |
| 0.5110 | 2110 | 0.0 | - | - | - |
| 0.5134 | 2120 | 0.0 | - | - | - |
| 0.5158 | 2130 | 0.0 | - | - | - |
| 0.5182 | 2140 | 0.0 | - | - | - |
| 0.5206 | 2150 | 0.0 | - | - | - |
| 0.5231 | 2160 | 0.0 | - | - | - |
| 0.5255 | 2170 | 0.0 | - | - | - |
| 0.5279 | 2180 | 0.0 | - | - | - |
| 0.5303 | 2190 | 0.0 | - | - | - |
| 0.5328 | 2200 | 0.0 | - | - | - |
| 0.5352 | 2210 | 0.0 | - | - | - |
| 0.5376 | 2220 | 0.0 | - | - | - |
| 0.5400 | 2230 | 0.0 | - | - | - |
| 0.5424 | 2240 | 0.0 | - | - | - |
| 0.5449 | 2250 | 0.0 | - | - | - |
| 0.5473 | 2260 | 0.0 | - | - | - |
| 0.5497 | 2270 | 0.0 | - | - | - |
| 0.5521 | 2280 | 0.0 | - | - | - |
| 0.5545 | 2290 | 0.0 | - | - | - |
| 0.5570 | 2300 | 0.0 | - | - | - |
| 0.5594 | 2310 | 0.0 | - | - | - |
| 0.5618 | 2320 | 0.0 | - | - | - |
| 0.5642 | 2330 | 0.0 | - | - | - |
| 0.5667 | 2340 | 0.0 | - | - | - |
| 0.5691 | 2350 | 0.0 | - | - | - |
| 0.5715 | 2360 | 0.0 | - | - | - |
| 0.5739 | 2370 | 0.0 | - | - | - |
| 0.5763 | 2380 | 0.0 | - | - | - |
| 0.5788 | 2390 | 0.0 | - | - | - |
| 0.5812 | 2400 | 0.0 | - | - | - |
| 0.5836 | 2410 | 0.0 | - | - | - |
| 0.5860 | 2420 | 0.0 | - | - | - |
| 0.5884 | 2430 | 0.0 | - | - | - |
| 0.5909 | 2440 | 0.0 | - | - | - |
| 0.5933 | 2450 | 0.0 | - | - | - |
| 0.5957 | 2460 | 0.0 | - | - | - |
| 0.5981 | 2470 | 0.0 | - | - | - |
| 0.6006 | 2480 | 0.0 | - | - | - |
| 0.6030 | 2490 | 0.0 | - | - | - |
| 0.6054 | 2500 | 0.0 | - | - | - |
| 0.6078 | 2510 | 0.0 | - | - | - |
| 0.6102 | 2520 | 0.0 | - | - | - |
| 0.6127 | 2530 | 0.0 | - | - | - |
| 0.6151 | 2540 | 0.0 | - | - | - |
| 0.6175 | 2550 | 0.0 | - | - | - |
| 0.6199 | 2560 | 0.0 | - | - | - |
| 0.6224 | 2570 | 0.0 | - | - | - |
| 0.6248 | 2580 | 0.0 | - | - | - |
| 0.6272 | 2590 | 0.0 | - | - | - |
| 0.6296 | 2600 | 0.0 | - | - | - |
| 0.6320 | 2610 | 0.0 | - | - | - |
| 0.6345 | 2620 | 0.0 | - | - | - |
| 0.6369 | 2630 | 0.0 | - | - | - |
| 0.6393 | 2640 | 0.0 | - | - | - |
| 0.6417 | 2650 | 0.0 | - | - | - |
| 0.6441 | 2660 | 0.0 | - | - | - |
| 0.6466 | 2670 | 0.0 | - | - | - |
| 0.6490 | 2680 | 0.0 | - | - | - |
| 0.6514 | 2690 | 0.0 | - | - | - |
| 0.6538 | 2700 | 0.0 | - | - | - |
| 0.6563 | 2710 | 0.0 | - | - | - |
| 0.6587 | 2720 | 0.0 | - | - | - |
| 0.6611 | 2730 | 0.0 | - | - | - |
| 0.6635 | 2740 | 0.0 | - | - | - |
| 0.6659 | 2750 | 0.0 | - | - | - |
| 0.6684 | 2760 | 0.0 | - | - | - |
| 0.6708 | 2770 | 0.0 | - | - | - |
| 0.6732 | 2780 | 0.0 | - | - | - |
| 0.6756 | 2790 | 0.0 | - | - | - |
| 0.6780 | 2800 | 0.0 | - | - | - |
| 0.6805 | 2810 | 0.0 | - | - | - |
| 0.6829 | 2820 | 0.0 | - | - | - |
| 0.6853 | 2830 | 0.0 | - | - | - |
| 0.6877 | 2840 | 0.0 | - | - | - |
| 0.6902 | 2850 | 0.0 | - | - | - |
| 0.6926 | 2860 | 0.0 | - | - | - |
| 0.6950 | 2870 | 0.0 | - | - | - |
| 0.6974 | 2880 | 0.0 | - | - | - |
| 0.6998 | 2890 | 0.0 | - | - | - |
| 0.7023 | 2900 | 0.0 | - | - | - |
| 0.7047 | 2910 | 0.0 | - | - | - |
| 0.7071 | 2920 | 0.0 | - | - | - |
| 0.7095 | 2930 | 0.0 | - | - | - |
| 0.7120 | 2940 | 0.0 | - | - | - |
| 0.7144 | 2950 | 0.0 | - | - | - |
| 0.7168 | 2960 | 0.0 | - | - | - |
| 0.7192 | 2970 | 0.0 | - | - | - |
| 0.7216 | 2980 | 0.0 | - | - | - |
| 0.7241 | 2990 | 0.0 | - | - | - |
| 0.7265 | 3000 | 0.0 | - | - | - |
| 0.7289 | 3010 | 0.0 | - | - | - |
| 0.7313 | 3020 | 0.0 | - | - | - |
| 0.7337 | 3030 | 0.0 | - | - | - |
| 0.7362 | 3040 | 0.0 | - | - | - |
| 0.7386 | 3050 | 0.0 | - | - | - |
| 0.7410 | 3060 | 0.0 | - | - | - |
| 0.7434 | 3070 | 0.0 | - | - | - |
| 0.7459 | 3080 | 0.0 | - | - | - |
| 0.7483 | 3090 | 0.0 | - | - | - |
| 0.7507 | 3100 | 0.0 | - | - | - |
| 0.7531 | 3110 | 0.0 | - | - | - |
| 0.7555 | 3120 | 0.0 | - | - | - |
| 0.7580 | 3130 | 0.0 | - | - | - |
| 0.7604 | 3140 | 0.0 | - | - | - |
| 0.7628 | 3150 | 0.0 | - | - | - |
| 0.7652 | 3160 | 0.0 | - | - | - |
| 0.7676 | 3170 | 0.0 | - | - | - |
| 0.7701 | 3180 | 0.0 | - | - | - |
| 0.7725 | 3190 | 0.0 | - | - | - |
| 0.7749 | 3200 | 0.0 | - | - | - |
| 0.7773 | 3210 | 0.0 | - | - | - |
| 0.7798 | 3220 | 0.0 | - | - | - |
| 0.7822 | 3230 | 0.0 | - | - | - |
| 0.7846 | 3240 | 0.0 | - | - | - |
| 0.7870 | 3250 | 0.0 | - | - | - |
| 0.7894 | 3260 | 0.0 | - | - | - |
| 0.7919 | 3270 | 0.0 | - | - | - |
| 0.7943 | 3280 | 0.0 | - | - | - |
| 0.7967 | 3290 | 0.0 | - | - | - |
| 0.7991 | 3300 | 0.0 | - | - | - |
| 0.8015 | 3310 | 0.0 | - | - | - |
| 0.8040 | 3320 | 0.0 | - | - | - |
| 0.8064 | 3330 | 0.0 | - | - | - |
| 0.8088 | 3340 | 0.0 | - | - | - |
| 0.8112 | 3350 | 0.0 | - | - | - |
| 0.8137 | 3360 | 0.0 | - | - | - |
| 0.8161 | 3370 | 0.0 | - | - | - |
| 0.8185 | 3380 | 0.0 | - | - | - |
| 0.8209 | 3390 | 0.0 | - | - | - |
| 0.8233 | 3400 | 0.0 | - | - | - |
| 0.8258 | 3410 | 0.0 | - | - | - |
| 0.8282 | 3420 | 0.0 | - | - | - |
| 0.8306 | 3430 | 0.0 | - | - | - |
| 0.8330 | 3440 | 0.0 | - | - | - |
| 0.8355 | 3450 | 0.0 | - | - | - |
| 0.8379 | 3460 | 0.0 | - | - | - |
| 0.8403 | 3470 | 0.0 | - | - | - |
| 0.8427 | 3480 | 0.0 | - | - | - |
| 0.8451 | 3490 | 0.0 | - | - | - |
| 0.8476 | 3500 | 0.0 | - | - | - |
| 0.8500 | 3510 | 0.0 | - | - | - |
| 0.8524 | 3520 | 0.0 | - | - | - |
| 0.8548 | 3530 | 0.0 | - | - | - |
| 0.8572 | 3540 | 0.0 | - | - | - |
| 0.8597 | 3550 | 0.0 | - | - | - |
| 0.8621 | 3560 | 0.0 | - | - | - |
| 0.8645 | 3570 | 0.0 | - | - | - |
| 0.8669 | 3580 | 0.0 | - | - | - |
| 0.8694 | 3590 | 0.0 | - | - | - |
| 0.8718 | 3600 | 0.0 | - | - | - |
| 0.8742 | 3610 | 0.0 | - | - | - |
| 0.8766 | 3620 | 0.0 | - | - | - |
| 0.8790 | 3630 | 0.0 | - | - | - |
| 0.8815 | 3640 | 0.0 | - | - | - |
| 0.8839 | 3650 | 0.0 | - | - | - |
| 0.8863 | 3660 | 0.0 | - | - | - |
| 0.8887 | 3670 | 0.0 | - | - | - |
| 0.8911 | 3680 | 0.0 | - | - | - |
| 0.8936 | 3690 | 0.0 | - | - | - |
| 0.8960 | 3700 | 0.0 | - | - | - |
| 0.8984 | 3710 | 0.0 | - | - | - |
| 0.9008 | 3720 | 0.0 | - | - | - |
| 0.9033 | 3730 | 0.0 | - | - | - |
| 0.9057 | 3740 | 0.0 | - | - | - |
| 0.9081 | 3750 | 0.0 | - | - | - |
| 0.9105 | 3760 | 0.0 | - | - | - |
| 0.9129 | 3770 | 0.0 | - | - | - |
| 0.9154 | 3780 | 0.0 | - | - | - |
| 0.9178 | 3790 | 0.0 | - | - | - |
| 0.9202 | 3800 | 0.0 | - | - | - |
| 0.9226 | 3810 | 0.0 | - | - | - |
| 0.9251 | 3820 | 0.0 | - | - | - |
| 0.9275 | 3830 | 0.0 | - | - | - |
| 0.9299 | 3840 | 0.0 | - | - | - |
| 0.9323 | 3850 | 0.0 | - | - | - |
| 0.9347 | 3860 | 0.0 | - | - | - |
| 0.9372 | 3870 | 0.0 | - | - | - |
| 0.9396 | 3880 | 0.0 | - | - | - |
| 0.9420 | 3890 | 0.0 | - | - | - |
| 0.9444 | 3900 | 0.0 | - | - | - |
| 0.9468 | 3910 | 0.0 | - | - | - |
| 0.9493 | 3920 | 0.0 | - | - | - |
| 0.9517 | 3930 | 0.0 | - | - | - |
| 0.9541 | 3940 | 0.0 | - | - | - |
| 0.9565 | 3950 | 0.0 | - | - | - |
| 0.9590 | 3960 | 0.0 | - | - | - |
| 0.9614 | 3970 | 0.0 | - | - | - |
| 0.9638 | 3980 | 0.0 | - | - | - |
| 0.9662 | 3990 | 0.0 | - | - | - |
| 0.9686 | 4000 | 0.0 | - | - | - |
| 0.9711 | 4010 | 0.0 | - | - | - |
| 0.9735 | 4020 | 0.0 | - | - | - |
| 0.9759 | 4030 | 0.0 | - | - | - |
| 0.9783 | 4040 | 0.0 | - | - | - |
| 0.9807 | 4050 | 0.0 | - | - | - |
| 0.9832 | 4060 | 0.0 | - | - | - |
| 0.9856 | 4070 | 0.0 | - | - | - |
| 0.9880 | 4080 | 0.0 | - | - | - |
| 0.9904 | 4090 | 0.0 | - | - | - |
| 0.9929 | 4100 | 0.0 | - | - | - |
| 0.9953 | 4110 | 0.0 | - | - | - |
| 0.9977 | 4120 | 0.0 | - | - | - |
| **1.0** | **4130** | **0.0** | **nan** | **0.0** | **0.0** |
| 1.0024 | 4140 | 0.0 | - | - | - |
| 1.0048 | 4150 | 0.0 | - | - | - |
| 1.0073 | 4160 | 0.0 | - | - | - |
| 1.0097 | 4170 | 0.0 | - | - | - |
| 1.0121 | 4180 | 0.0 | - | - | - |
| 1.0145 | 4190 | 0.0 | - | - | - |
| 1.0170 | 4200 | 0.0 | - | - | - |
| 1.0194 | 4210 | 0.0 | - | - | - |
| 1.0218 | 4220 | 0.0 | - | - | - |
| 1.0242 | 4230 | 0.0 | - | - | - |
| 1.0266 | 4240 | 0.0 | - | - | - |
| 1.0291 | 4250 | 0.0 | - | - | - |
| 1.0315 | 4260 | 0.0 | - | - | - |
| 1.0339 | 4270 | 0.0 | - | - | - |
| 1.0363 | 4280 | 0.0 | - | - | - |
| 1.0387 | 4290 | 0.0 | - | - | - |
| 1.0412 | 4300 | 0.0 | - | - | - |
| 1.0436 | 4310 | 0.0 | - | - | - |
| 1.0460 | 4320 | 0.0 | - | - | - |
| 1.0484 | 4330 | 0.0 | - | - | - |
| 1.0509 | 4340 | 0.0 | - | - | - |
| 1.0533 | 4350 | 0.0 | - | - | - |
| 1.0557 | 4360 | 0.0 | - | - | - |
| 1.0581 | 4370 | 0.0 | - | - | - |
| 1.0605 | 4380 | 0.0 | - | - | - |
| 1.0630 | 4390 | 0.0 | - | - | - |
| 1.0654 | 4400 | 0.0 | - | - | - |
| 1.0678 | 4410 | 0.0 | - | - | - |
| 1.0702 | 4420 | 0.0 | - | - | - |
| 1.0726 | 4430 | 0.0 | - | - | - |
| 1.0751 | 4440 | 0.0 | - | - | - |
| 1.0775 | 4450 | 0.0 | - | - | - |
| 1.0799 | 4460 | 0.0 | - | - | - |
| 1.0823 | 4470 | 0.0 | - | - | - |
| 1.0848 | 4480 | 0.0 | - | - | - |
| 1.0872 | 4490 | 0.0 | - | - | - |
| 1.0896 | 4500 | 0.0 | - | - | - |
| 1.0920 | 4510 | 0.0 | - | - | - |
| 1.0944 | 4520 | 0.0 | - | - | - |
| 1.0969 | 4530 | 0.0 | - | - | - |
| 1.0993 | 4540 | 0.0 | - | - | - |
| 1.1017 | 4550 | 0.0 | - | - | - |
| 1.1041 | 4560 | 0.0 | - | - | - |
| 1.1066 | 4570 | 0.0 | - | - | - |
| 1.1090 | 4580 | 0.0 | - | - | - |
| 1.1114 | 4590 | 0.0 | - | - | - |
| 1.1138 | 4600 | 0.0 | - | - | - |
| 1.1162 | 4610 | 0.0 | - | - | - |
| 1.1187 | 4620 | 0.0 | - | - | - |
| 1.1211 | 4630 | 0.0 | - | - | - |
| 1.1235 | 4640 | 0.0 | - | - | - |
| 1.1259 | 4650 | 0.0 | - | - | - |
| 1.1283 | 4660 | 0.0 | - | - | - |
| 1.1308 | 4670 | 0.0 | - | - | - |
| 1.1332 | 4680 | 0.0 | - | - | - |
| 1.1356 | 4690 | 0.0 | - | - | - |
| 1.1380 | 4700 | 0.0 | - | - | - |
| 1.1405 | 4710 | 0.0 | - | - | - |
| 1.1429 | 4720 | 0.0 | - | - | - |
| 1.1453 | 4730 | 0.0 | - | - | - |
| 1.1477 | 4740 | 0.0 | - | - | - |
| 1.1501 | 4750 | 0.0 | - | - | - |
| 1.1526 | 4760 | 0.0 | - | - | - |
| 1.1550 | 4770 | 0.0 | - | - | - |
| 1.1574 | 4780 | 0.0 | - | - | - |
| 1.1598 | 4790 | 0.0 | - | - | - |
| 1.1622 | 4800 | 0.0 | - | - | - |
| 1.1647 | 4810 | 0.0 | - | - | - |
| 1.1671 | 4820 | 0.0 | - | - | - |
| 1.1695 | 4830 | 0.0 | - | - | - |
| 1.1719 | 4840 | 0.0 | - | - | - |
| 1.1744 | 4850 | 0.0 | - | - | - |
| 1.1768 | 4860 | 0.0 | - | - | - |
| 1.1792 | 4870 | 0.0 | - | - | - |
| 1.1816 | 4880 | 0.0 | - | - | - |
| 1.1840 | 4890 | 0.0 | - | - | - |
| 1.1865 | 4900 | 0.0 | - | - | - |
| 1.1889 | 4910 | 0.0 | - | - | - |
| 1.1913 | 4920 | 0.0 | - | - | - |
| 1.1937 | 4930 | 0.0 | - | - | - |
| 1.1961 | 4940 | 0.0 | - | - | - |
| 1.1986 | 4950 | 0.0 | - | - | - |
| 1.2010 | 4960 | 0.0 | - | - | - |
| 1.2034 | 4970 | 0.0 | - | - | - |
| 1.2058 | 4980 | 0.0 | - | - | - |
| 1.2083 | 4990 | 0.0 | - | - | - |
| 1.2107 | 5000 | 0.0 | - | - | - |
| 1.2131 | 5010 | 0.0 | - | - | - |
| 1.2155 | 5020 | 0.0 | - | - | - |
| 1.2179 | 5030 | 0.0 | - | - | - |
| 1.2204 | 5040 | 0.0 | - | - | - |
| 1.2228 | 5050 | 0.0 | - | - | - |
| 1.2252 | 5060 | 0.0 | - | - | - |
| 1.2276 | 5070 | 0.0 | - | - | - |
| 1.2301 | 5080 | 0.0 | - | - | - |
| 1.2325 | 5090 | 0.0 | - | - | - |
| 1.2349 | 5100 | 0.0 | - | - | - |
| 1.2373 | 5110 | 0.0 | - | - | - |
| 1.2397 | 5120 | 0.0 | - | - | - |
| 1.2422 | 5130 | 0.0 | - | - | - |
| 1.2446 | 5140 | 0.0 | - | - | - |
| 1.2470 | 5150 | 0.0 | - | - | - |
| 1.2494 | 5160 | 0.0 | - | - | - |
| 1.2518 | 5170 | 0.0 | - | - | - |
| 1.2543 | 5180 | 0.0 | - | - | - |
| 1.2567 | 5190 | 0.0 | - | - | - |
| 1.2591 | 5200 | 0.0 | - | - | - |
| 1.2615 | 5210 | 0.0 | - | - | - |
| 1.2640 | 5220 | 0.0 | - | - | - |
| 1.2664 | 5230 | 0.0 | - | - | - |
| 1.2688 | 5240 | 0.0 | - | - | - |
| 1.2712 | 5250 | 0.0 | - | - | - |
| 1.2736 | 5260 | 0.0 | - | - | - |
| 1.2761 | 5270 | 0.0 | - | - | - |
| 1.2785 | 5280 | 0.0 | - | - | - |
| 1.2809 | 5290 | 0.0 | - | - | - |
| 1.2833 | 5300 | 0.0 | - | - | - |
| 1.2857 | 5310 | 0.0 | - | - | - |
| 1.2882 | 5320 | 0.0 | - | - | - |
| 1.2906 | 5330 | 0.0 | - | - | - |
| 1.2930 | 5340 | 0.0 | - | - | - |
| 1.2954 | 5350 | 0.0 | - | - | - |
| 1.2979 | 5360 | 0.0 | - | - | - |
| 1.3003 | 5370 | 0.0 | - | - | - |
| 1.3027 | 5380 | 0.0 | - | - | - |
| 1.3051 | 5390 | 0.0 | - | - | - |
| 1.3075 | 5400 | 0.0 | - | - | - |
| 1.3100 | 5410 | 0.0 | - | - | - |
| 1.3124 | 5420 | 0.0 | - | - | - |
| 1.3148 | 5430 | 0.0 | - | - | - |
| 1.3172 | 5440 | 0.0 | - | - | - |
| 1.3197 | 5450 | 0.0 | - | - | - |
| 1.3221 | 5460 | 0.0 | - | - | - |
| 1.3245 | 5470 | 0.0 | - | - | - |
| 1.3269 | 5480 | 0.0 | - | - | - |
| 1.3293 | 5490 | 0.0 | - | - | - |
| 1.3318 | 5500 | 0.0 | - | - | - |
| 1.3342 | 5510 | 0.0 | - | - | - |
| 1.3366 | 5520 | 0.0 | - | - | - |
| 1.3390 | 5530 | 0.0 | - | - | - |
| 1.3414 | 5540 | 0.0 | - | - | - |
| 1.3439 | 5550 | 0.0 | - | - | - |
| 1.3463 | 5560 | 0.0 | - | - | - |
| 1.3487 | 5570 | 0.0 | - | - | - |
| 1.3511 | 5580 | 0.0 | - | - | - |
| 1.3536 | 5590 | 0.0 | - | - | - |
| 1.3560 | 5600 | 0.0 | - | - | - |
| 1.3584 | 5610 | 0.0 | - | - | - |
| 1.3608 | 5620 | 0.0 | - | - | - |
| 1.3632 | 5630 | 0.0 | - | - | - |
| 1.3657 | 5640 | 0.0 | - | - | - |
| 1.3681 | 5650 | 0.0 | - | - | - |
| 1.3705 | 5660 | 0.0 | - | - | - |
| 1.3729 | 5670 | 0.0 | - | - | - |
| 1.3753 | 5680 | 0.0 | - | - | - |
| 1.3778 | 5690 | 0.0 | - | - | - |
| 1.3802 | 5700 | 0.0 | - | - | - |
| 1.3826 | 5710 | 0.0 | - | - | - |
| 1.3850 | 5720 | 0.0 | - | - | - |
| 1.3875 | 5730 | 0.0 | - | - | - |
| 1.3899 | 5740 | 0.0 | - | - | - |
| 1.3923 | 5750 | 0.0 | - | - | - |
| 1.3947 | 5760 | 0.0 | - | - | - |
| 1.3971 | 5770 | 0.0 | - | - | - |
| 1.3996 | 5780 | 0.0 | - | - | - |
| 1.4020 | 5790 | 0.0 | - | - | - |
| 1.4044 | 5800 | 0.0 | - | - | - |
| 1.4068 | 5810 | 0.0 | - | - | - |
| 1.4093 | 5820 | 0.0 | - | - | - |
| 1.4117 | 5830 | 0.0 | - | - | - |
| 1.4141 | 5840 | 0.0 | - | - | - |
| 1.4165 | 5850 | 0.0 | - | - | - |
| 1.4189 | 5860 | 0.0 | - | - | - |
| 1.4214 | 5870 | 0.0 | - | - | - |
| 1.4238 | 5880 | 0.0 | - | - | - |
| 1.4262 | 5890 | 0.0 | - | - | - |
| 1.4286 | 5900 | 0.0 | - | - | - |
| 1.4310 | 5910 | 0.0 | - | - | - |
| 1.4335 | 5920 | 0.0 | - | - | - |
| 1.4359 | 5930 | 0.0 | - | - | - |
| 1.4383 | 5940 | 0.0 | - | - | - |
| 1.4407 | 5950 | 0.0 | - | - | - |
| 1.4432 | 5960 | 0.0 | - | - | - |
| 1.4456 | 5970 | 0.0 | - | - | - |
| 1.4480 | 5980 | 0.0 | - | - | - |
| 1.4504 | 5990 | 0.0 | - | - | - |
| 1.4528 | 6000 | 0.0 | - | - | - |
| 1.4553 | 6010 | 0.0 | - | - | - |
| 1.4577 | 6020 | 0.0 | - | - | - |
| 1.4601 | 6030 | 0.0 | - | - | - |
| 1.4625 | 6040 | 0.0 | - | - | - |
| 1.4649 | 6050 | 0.0 | - | - | - |
| 1.4674 | 6060 | 0.0 | - | - | - |
| 1.4698 | 6070 | 0.0 | - | - | - |
| 1.4722 | 6080 | 0.0 | - | - | - |
| 1.4746 | 6090 | 0.0 | - | - | - |
| 1.4771 | 6100 | 0.0 | - | - | - |
| 1.4795 | 6110 | 0.0 | - | - | - |
| 1.4819 | 6120 | 0.0 | - | - | - |
| 1.4843 | 6130 | 0.0 | - | - | - |
| 1.4867 | 6140 | 0.0 | - | - | - |
| 1.4892 | 6150 | 0.0 | - | - | - |
| 1.4916 | 6160 | 0.0 | - | - | - |
| 1.4940 | 6170 | 0.0 | - | - | - |
| 1.4964 | 6180 | 0.0 | - | - | - |
| 1.4988 | 6190 | 0.0 | - | - | - |
| 1.5013 | 6200 | 0.0 | - | - | - |
| 1.5037 | 6210 | 0.0 | - | - | - |
| 1.5061 | 6220 | 0.0 | - | - | - |
| 1.5085 | 6230 | 0.0 | - | - | - |
| 1.5110 | 6240 | 0.0 | - | - | - |
| 1.5134 | 6250 | 0.0 | - | - | - |
| 1.5158 | 6260 | 0.0 | - | - | - |
| 1.5182 | 6270 | 0.0 | - | - | - |
| 1.5206 | 6280 | 0.0 | - | - | - |
| 1.5231 | 6290 | 0.0 | - | - | - |
| 1.5255 | 6300 | 0.0 | - | - | - |
| 1.5279 | 6310 | 0.0 | - | - | - |
| 1.5303 | 6320 | 0.0 | - | - | - |
| 1.5328 | 6330 | 0.0 | - | - | - |
| 1.5352 | 6340 | 0.0 | - | - | - |
| 1.5376 | 6350 | 0.0 | - | - | - |
| 1.5400 | 6360 | 0.0 | - | - | - |
| 1.5424 | 6370 | 0.0 | - | - | - |
| 1.5449 | 6380 | 0.0 | - | - | - |
| 1.5473 | 6390 | 0.0 | - | - | - |
| 1.5497 | 6400 | 0.0 | - | - | - |
| 1.5521 | 6410 | 0.0 | - | - | - |
| 1.5545 | 6420 | 0.0 | - | - | - |
| 1.5570 | 6430 | 0.0 | - | - | - |
| 1.5594 | 6440 | 0.0 | - | - | - |
| 1.5618 | 6450 | 0.0 | - | - | - |
| 1.5642 | 6460 | 0.0 | - | - | - |
| 1.5667 | 6470 | 0.0 | - | - | - |
| 1.5691 | 6480 | 0.0 | - | - | - |
| 1.5715 | 6490 | 0.0 | - | - | - |
| 1.5739 | 6500 | 0.0 | - | - | - |
| 1.5763 | 6510 | 0.0 | - | - | - |
| 1.5788 | 6520 | 0.0 | - | - | - |
| 1.5812 | 6530 | 0.0 | - | - | - |
| 1.5836 | 6540 | 0.0 | - | - | - |
| 1.5860 | 6550 | 0.0 | - | - | - |
| 1.5884 | 6560 | 0.0 | - | - | - |
| 1.5909 | 6570 | 0.0 | - | - | - |
| 1.5933 | 6580 | 0.0 | - | - | - |
| 1.5957 | 6590 | 0.0 | - | - | - |
| 1.5981 | 6600 | 0.0 | - | - | - |
| 1.6006 | 6610 | 0.0 | - | - | - |
| 1.6030 | 6620 | 0.0 | - | - | - |
| 1.6054 | 6630 | 0.0 | - | - | - |
| 1.6078 | 6640 | 0.0 | - | - | - |
| 1.6102 | 6650 | 0.0 | - | - | - |
| 1.6127 | 6660 | 0.0 | - | - | - |
| 1.6151 | 6670 | 0.0 | - | - | - |
| 1.6175 | 6680 | 0.0 | - | - | - |
| 1.6199 | 6690 | 0.0 | - | - | - |
| 1.6224 | 6700 | 0.0 | - | - | - |
| 1.6248 | 6710 | 0.0 | - | - | - |
| 1.6272 | 6720 | 0.0 | - | - | - |
| 1.6296 | 6730 | 0.0 | - | - | - |
| 1.6320 | 6740 | 0.0 | - | - | - |
| 1.6345 | 6750 | 0.0 | - | - | - |
| 1.6369 | 6760 | 0.0 | - | - | - |
| 1.6393 | 6770 | 0.0 | - | - | - |
| 1.6417 | 6780 | 0.0 | - | - | - |
| 1.6441 | 6790 | 0.0 | - | - | - |
| 1.6466 | 6800 | 0.0 | - | - | - |
| 1.6490 | 6810 | 0.0 | - | - | - |
| 1.6514 | 6820 | 0.0 | - | - | - |
| 1.6538 | 6830 | 0.0 | - | - | - |
| 1.6563 | 6840 | 0.0 | - | - | - |
| 1.6587 | 6850 | 0.0 | - | - | - |
| 1.6611 | 6860 | 0.0 | - | - | - |
| 1.6635 | 6870 | 0.0 | - | - | - |
| 1.6659 | 6880 | 0.0 | - | - | - |
| 1.6684 | 6890 | 0.0 | - | - | - |
| 1.6708 | 6900 | 0.0 | - | - | - |
| 1.6732 | 6910 | 0.0 | - | - | - |
| 1.6756 | 6920 | 0.0 | - | - | - |
| 1.6780 | 6930 | 0.0 | - | - | - |
| 1.6805 | 6940 | 0.0 | - | - | - |
| 1.6829 | 6950 | 0.0 | - | - | - |
| 1.6853 | 6960 | 0.0 | - | - | - |
| 1.6877 | 6970 | 0.0 | - | - | - |
| 1.6902 | 6980 | 0.0 | - | - | - |
| 1.6926 | 6990 | 0.0 | - | - | - |
| 1.6950 | 7000 | 0.0 | - | - | - |
| 1.6974 | 7010 | 0.0 | - | - | - |
| 1.6998 | 7020 | 0.0 | - | - | - |
| 1.7023 | 7030 | 0.0 | - | - | - |
| 1.7047 | 7040 | 0.0 | - | - | - |
| 1.7071 | 7050 | 0.0 | - | - | - |
| 1.7095 | 7060 | 0.0 | - | - | - |
| 1.7120 | 7070 | 0.0 | - | - | - |
| 1.7144 | 7080 | 0.0 | - | - | - |
| 1.7168 | 7090 | 0.0 | - | - | - |
| 1.7192 | 7100 | 0.0 | - | - | - |
| 1.7216 | 7110 | 0.0 | - | - | - |
| 1.7241 | 7120 | 0.0 | - | - | - |
| 1.7265 | 7130 | 0.0 | - | - | - |
| 1.7289 | 7140 | 0.0 | - | - | - |
| 1.7313 | 7150 | 0.0 | - | - | - |
| 1.7337 | 7160 | 0.0 | - | - | - |
| 1.7362 | 7170 | 0.0 | - | - | - |
| 1.7386 | 7180 | 0.0 | - | - | - |
| 1.7410 | 7190 | 0.0 | - | - | - |
| 1.7434 | 7200 | 0.0 | - | - | - |
| 1.7459 | 7210 | 0.0 | - | - | - |
| 1.7483 | 7220 | 0.0 | - | - | - |
| 1.7507 | 7230 | 0.0 | - | - | - |
| 1.7531 | 7240 | 0.0 | - | - | - |
| 1.7555 | 7250 | 0.0 | - | - | - |
| 1.7580 | 7260 | 0.0 | - | - | - |
| 1.7604 | 7270 | 0.0 | - | - | - |
| 1.7628 | 7280 | 0.0 | - | - | - |
| 1.7652 | 7290 | 0.0 | - | - | - |
| 1.7676 | 7300 | 0.0 | - | - | - |
| 1.7701 | 7310 | 0.0 | - | - | - |
| 1.7725 | 7320 | 0.0 | - | - | - |
| 1.7749 | 7330 | 0.0 | - | - | - |
| 1.7773 | 7340 | 0.0 | - | - | - |
| 1.7798 | 7350 | 0.0 | - | - | - |
| 1.7822 | 7360 | 0.0 | - | - | - |
| 1.7846 | 7370 | 0.0 | - | - | - |
| 1.7870 | 7380 | 0.0 | - | - | - |
| 1.7894 | 7390 | 0.0 | - | - | - |
| 1.7919 | 7400 | 0.0 | - | - | - |
| 1.7943 | 7410 | 0.0 | - | - | - |
| 1.7967 | 7420 | 0.0 | - | - | - |
| 1.7991 | 7430 | 0.0 | - | - | - |
| 1.8015 | 7440 | 0.0 | - | - | - |
| 1.8040 | 7450 | 0.0 | - | - | - |
| 1.8064 | 7460 | 0.0 | - | - | - |
| 1.8088 | 7470 | 0.0 | - | - | - |
| 1.8112 | 7480 | 0.0 | - | - | - |
| 1.8137 | 7490 | 0.0 | - | - | - |
| 1.8161 | 7500 | 0.0 | - | - | - |
| 1.8185 | 7510 | 0.0 | - | - | - |
| 1.8209 | 7520 | 0.0 | - | - | - |
| 1.8233 | 7530 | 0.0 | - | - | - |
| 1.8258 | 7540 | 0.0 | - | - | - |
| 1.8282 | 7550 | 0.0 | - | - | - |
| 1.8306 | 7560 | 0.0 | - | - | - |
| 1.8330 | 7570 | 0.0 | - | - | - |
| 1.8355 | 7580 | 0.0 | - | - | - |
| 1.8379 | 7590 | 0.0 | - | - | - |
| 1.8403 | 7600 | 0.0 | - | - | - |
| 1.8427 | 7610 | 0.0 | - | - | - |
| 1.8451 | 7620 | 0.0 | - | - | - |
| 1.8476 | 7630 | 0.0 | - | - | - |
| 1.8500 | 7640 | 0.0 | - | - | - |
| 1.8524 | 7650 | 0.0 | - | - | - |
| 1.8548 | 7660 | 0.0 | - | - | - |
| 1.8572 | 7670 | 0.0 | - | - | - |
| 1.8597 | 7680 | 0.0 | - | - | - |
| 1.8621 | 7690 | 0.0 | - | - | - |
| 1.8645 | 7700 | 0.0 | - | - | - |
| 1.8669 | 7710 | 0.0 | - | - | - |
| 1.8694 | 7720 | 0.0 | - | - | - |
| 1.8718 | 7730 | 0.0 | - | - | - |
| 1.8742 | 7740 | 0.0 | - | - | - |
| 1.8766 | 7750 | 0.0 | - | - | - |
| 1.8790 | 7760 | 0.0 | - | - | - |
| 1.8815 | 7770 | 0.0 | - | - | - |
| 1.8839 | 7780 | 0.0 | - | - | - |
| 1.8863 | 7790 | 0.0 | - | - | - |
| 1.8887 | 7800 | 0.0 | - | - | - |
| 1.8911 | 7810 | 0.0 | - | - | - |
| 1.8936 | 7820 | 0.0 | - | - | - |
| 1.8960 | 7830 | 0.0 | - | - | - |
| 1.8984 | 7840 | 0.0 | - | - | - |
| 1.9008 | 7850 | 0.0 | - | - | - |
| 1.9033 | 7860 | 0.0 | - | - | - |
| 1.9057 | 7870 | 0.0 | - | - | - |
| 1.9081 | 7880 | 0.0 | - | - | - |
| 1.9105 | 7890 | 0.0 | - | - | - |
| 1.9129 | 7900 | 0.0 | - | - | - |
| 1.9154 | 7910 | 0.0 | - | - | - |
| 1.9178 | 7920 | 0.0 | - | - | - |
| 1.9202 | 7930 | 0.0 | - | - | - |
| 1.9226 | 7940 | 0.0 | - | - | - |
| 1.9251 | 7950 | 0.0 | - | - | - |
| 1.9275 | 7960 | 0.0 | - | - | - |
| 1.9299 | 7970 | 0.0 | - | - | - |
| 1.9323 | 7980 | 0.0 | - | - | - |
| 1.9347 | 7990 | 0.0 | - | - | - |
| 1.9372 | 8000 | 0.0 | - | - | - |
| 1.9396 | 8010 | 0.0 | - | - | - |
| 1.9420 | 8020 | 0.0 | - | - | - |
| 1.9444 | 8030 | 0.0 | - | - | - |
| 1.9468 | 8040 | 0.0 | - | - | - |
| 1.9493 | 8050 | 0.0 | - | - | - |
| 1.9517 | 8060 | 0.0 | - | - | - |
| 1.9541 | 8070 | 0.0 | - | - | - |
| 1.9565 | 8080 | 0.0 | - | - | - |
| 1.9590 | 8090 | 0.0 | - | - | - |
| 1.9614 | 8100 | 0.0 | - | - | - |
| 1.9638 | 8110 | 0.0 | - | - | - |
| 1.9662 | 8120 | 0.0 | - | - | - |
| 1.9686 | 8130 | 0.0 | - | - | - |
| 1.9711 | 8140 | 0.0 | - | - | - |
| 1.9735 | 8150 | 0.0 | - | - | - |
| 1.9759 | 8160 | 0.0 | - | - | - |
| 1.9783 | 8170 | 0.0 | - | - | - |
| 1.9807 | 8180 | 0.0 | - | - | - |
| 1.9832 | 8190 | 0.0 | - | - | - |
| 1.9856 | 8200 | 0.0 | - | - | - |
| 1.9880 | 8210 | 0.0 | - | - | - |
| 1.9904 | 8220 | 0.0 | - | - | - |
| 1.9929 | 8230 | 0.0 | - | - | - |
| 1.9953 | 8240 | 0.0 | - | - | - |
| 1.9977 | 8250 | 0.0 | - | - | - |
| 2.0 | 8260 | 0.0 | nan | 0.0 | 0.0 |
| 2.0024 | 8270 | 0.0 | - | - | - |
| 2.0048 | 8280 | 0.0 | - | - | - |
| 2.0073 | 8290 | 0.0 | - | - | - |
| 2.0097 | 8300 | 0.0 | - | - | - |
| 2.0121 | 8310 | 0.0 | - | - | - |
| 2.0145 | 8320 | 0.0 | - | - | - |
| 2.0170 | 8330 | 0.0 | - | - | - |
| 2.0194 | 8340 | 0.0 | - | - | - |
| 2.0218 | 8350 | 0.0 | - | - | - |
| 2.0242 | 8360 | 0.0 | - | - | - |
| 2.0266 | 8370 | 0.0 | - | - | - |
| 2.0291 | 8380 | 0.0 | - | - | - |
| 2.0315 | 8390 | 0.0 | - | - | - |
| 2.0339 | 8400 | 0.0 | - | - | - |
| 2.0363 | 8410 | 0.0 | - | - | - |
| 2.0387 | 8420 | 0.0 | - | - | - |
| 2.0412 | 8430 | 0.0 | - | - | - |
| 2.0436 | 8440 | 0.0 | - | - | - |
| 2.0460 | 8450 | 0.0 | - | - | - |
| 2.0484 | 8460 | 0.0 | - | - | - |
| 2.0509 | 8470 | 0.0 | - | - | - |
| 2.0533 | 8480 | 0.0 | - | - | - |
| 2.0557 | 8490 | 0.0 | - | - | - |
| 2.0581 | 8500 | 0.0 | - | - | - |
| 2.0605 | 8510 | 0.0 | - | - | - |
| 2.0630 | 8520 | 0.0 | - | - | - |
| 2.0654 | 8530 | 0.0 | - | - | - |
| 2.0678 | 8540 | 0.0 | - | - | - |
| 2.0702 | 8550 | 0.0 | - | - | - |
| 2.0726 | 8560 | 0.0 | - | - | - |
| 2.0751 | 8570 | 0.0 | - | - | - |
| 2.0775 | 8580 | 0.0 | - | - | - |
| 2.0799 | 8590 | 0.0 | - | - | - |
| 2.0823 | 8600 | 0.0 | - | - | - |
| 2.0848 | 8610 | 0.0 | - | - | - |
| 2.0872 | 8620 | 0.0 | - | - | - |
| 2.0896 | 8630 | 0.0 | - | - | - |
| 2.0920 | 8640 | 0.0 | - | - | - |
| 2.0944 | 8650 | 0.0 | - | - | - |
| 2.0969 | 8660 | 0.0 | - | - | - |
| 2.0993 | 8670 | 0.0 | - | - | - |
| 2.1017 | 8680 | 0.0 | - | - | - |
| 2.1041 | 8690 | 0.0 | - | - | - |
| 2.1066 | 8700 | 0.0 | - | - | - |
| 2.1090 | 8710 | 0.0 | - | - | - |
| 2.1114 | 8720 | 0.0 | - | - | - |
| 2.1138 | 8730 | 0.0 | - | - | - |
| 2.1162 | 8740 | 0.0 | - | - | - |
| 2.1187 | 8750 | 0.0 | - | - | - |
| 2.1211 | 8760 | 0.0 | - | - | - |
| 2.1235 | 8770 | 0.0 | - | - | - |
| 2.1259 | 8780 | 0.0 | - | - | - |
| 2.1283 | 8790 | 0.0 | - | - | - |
| 2.1308 | 8800 | 0.0 | - | - | - |
| 2.1332 | 8810 | 0.0 | - | - | - |
| 2.1356 | 8820 | 0.0 | - | - | - |
| 2.1380 | 8830 | 0.0 | - | - | - |
| 2.1405 | 8840 | 0.0 | - | - | - |
| 2.1429 | 8850 | 0.0 | - | - | - |
| 2.1453 | 8860 | 0.0 | - | - | - |
| 2.1477 | 8870 | 0.0 | - | - | - |
| 2.1501 | 8880 | 0.0 | - | - | - |
| 2.1526 | 8890 | 0.0 | - | - | - |
| 2.1550 | 8900 | 0.0 | - | - | - |
| 2.1574 | 8910 | 0.0 | - | - | - |
| 2.1598 | 8920 | 0.0 | - | - | - |
| 2.1622 | 8930 | 0.0 | - | - | - |
| 2.1647 | 8940 | 0.0 | - | - | - |
| 2.1671 | 8950 | 0.0 | - | - | - |
| 2.1695 | 8960 | 0.0 | - | - | - |
| 2.1719 | 8970 | 0.0 | - | - | - |
| 2.1744 | 8980 | 0.0 | - | - | - |
| 2.1768 | 8990 | 0.0 | - | - | - |
| 2.1792 | 9000 | 0.0 | - | - | - |
| 2.1816 | 9010 | 0.0 | - | - | - |
| 2.1840 | 9020 | 0.0 | - | - | - |
| 2.1865 | 9030 | 0.0 | - | - | - |
| 2.1889 | 9040 | 0.0 | - | - | - |
| 2.1913 | 9050 | 0.0 | - | - | - |
| 2.1937 | 9060 | 0.0 | - | - | - |
| 2.1961 | 9070 | 0.0 | - | - | - |
| 2.1986 | 9080 | 0.0 | - | - | - |
| 2.2010 | 9090 | 0.0 | - | - | - |
| 2.2034 | 9100 | 0.0 | - | - | - |
| 2.2058 | 9110 | 0.0 | - | - | - |
| 2.2083 | 9120 | 0.0 | - | - | - |
| 2.2107 | 9130 | 0.0 | - | - | - |
| 2.2131 | 9140 | 0.0 | - | - | - |
| 2.2155 | 9150 | 0.0 | - | - | - |
| 2.2179 | 9160 | 0.0 | - | - | - |
| 2.2204 | 9170 | 0.0 | - | - | - |
| 2.2228 | 9180 | 0.0 | - | - | - |
| 2.2252 | 9190 | 0.0 | - | - | - |
| 2.2276 | 9200 | 0.0 | - | - | - |
| 2.2301 | 9210 | 0.0 | - | - | - |
| 2.2325 | 9220 | 0.0 | - | - | - |
| 2.2349 | 9230 | 0.0 | - | - | - |
| 2.2373 | 9240 | 0.0 | - | - | - |
| 2.2397 | 9250 | 0.0 | - | - | - |
| 2.2422 | 9260 | 0.0 | - | - | - |
| 2.2446 | 9270 | 0.0 | - | - | - |
| 2.2470 | 9280 | 0.0 | - | - | - |
| 2.2494 | 9290 | 0.0 | - | - | - |
| 2.2518 | 9300 | 0.0 | - | - | - |
| 2.2543 | 9310 | 0.0 | - | - | - |
| 2.2567 | 9320 | 0.0 | - | - | - |
| 2.2591 | 9330 | 0.0 | - | - | - |
| 2.2615 | 9340 | 0.0 | - | - | - |
| 2.2640 | 9350 | 0.0 | - | - | - |
| 2.2664 | 9360 | 0.0 | - | - | - |
| 2.2688 | 9370 | 0.0 | - | - | - |
| 2.2712 | 9380 | 0.0 | - | - | - |
| 2.2736 | 9390 | 0.0 | - | - | - |
| 2.2761 | 9400 | 0.0 | - | - | - |
| 2.2785 | 9410 | 0.0 | - | - | - |
| 2.2809 | 9420 | 0.0 | - | - | - |
| 2.2833 | 9430 | 0.0 | - | - | - |
| 2.2857 | 9440 | 0.0 | - | - | - |
| 2.2882 | 9450 | 0.0 | - | - | - |
| 2.2906 | 9460 | 0.0 | - | - | - |
| 2.2930 | 9470 | 0.0 | - | - | - |
| 2.2954 | 9480 | 0.0 | - | - | - |
| 2.2979 | 9490 | 0.0 | - | - | - |
| 2.3003 | 9500 | 0.0 | - | - | - |
| 2.3027 | 9510 | 0.0 | - | - | - |
| 2.3051 | 9520 | 0.0 | - | - | - |
| 2.3075 | 9530 | 0.0 | - | - | - |
| 2.3100 | 9540 | 0.0 | - | - | - |
| 2.3124 | 9550 | 0.0 | - | - | - |
| 2.3148 | 9560 | 0.0 | - | - | - |
| 2.3172 | 9570 | 0.0 | - | - | - |
| 2.3197 | 9580 | 0.0 | - | - | - |
| 2.3221 | 9590 | 0.0 | - | - | - |
| 2.3245 | 9600 | 0.0 | - | - | - |
| 2.3269 | 9610 | 0.0 | - | - | - |
| 2.3293 | 9620 | 0.0 | - | - | - |
| 2.3318 | 9630 | 0.0 | - | - | - |
| 2.3342 | 9640 | 0.0 | - | - | - |
| 2.3366 | 9650 | 0.0 | - | - | - |
| 2.3390 | 9660 | 0.0 | - | - | - |
| 2.3414 | 9670 | 0.0 | - | - | - |
| 2.3439 | 9680 | 0.0 | - | - | - |
| 2.3463 | 9690 | 0.0 | - | - | - |
| 2.3487 | 9700 | 0.0 | - | - | - |
| 2.3511 | 9710 | 0.0 | - | - | - |
| 2.3536 | 9720 | 0.0 | - | - | - |
| 2.3560 | 9730 | 0.0 | - | - | - |
| 2.3584 | 9740 | 0.0 | - | - | - |
| 2.3608 | 9750 | 0.0 | - | - | - |
| 2.3632 | 9760 | 0.0 | - | - | - |
| 2.3657 | 9770 | 0.0 | - | - | - |
| 2.3681 | 9780 | 0.0 | - | - | - |
| 2.3705 | 9790 | 0.0 | - | - | - |
| 2.3729 | 9800 | 0.0 | - | - | - |
| 2.3753 | 9810 | 0.0 | - | - | - |
| 2.3778 | 9820 | 0.0 | - | - | - |
| 2.3802 | 9830 | 0.0 | - | - | - |
| 2.3826 | 9840 | 0.0 | - | - | - |
| 2.3850 | 9850 | 0.0 | - | - | - |
| 2.3875 | 9860 | 0.0 | - | - | - |
| 2.3899 | 9870 | 0.0 | - | - | - |
| 2.3923 | 9880 | 0.0 | - | - | - |
| 2.3947 | 9890 | 0.0 | - | - | - |
| 2.3971 | 9900 | 0.0 | - | - | - |
| 2.3996 | 9910 | 0.0 | - | - | - |
| 2.4020 | 9920 | 0.0 | - | - | - |
| 2.4044 | 9930 | 0.0 | - | - | - |
| 2.4068 | 9940 | 0.0 | - | - | - |
| 2.4093 | 9950 | 0.0 | - | - | - |
| 2.4117 | 9960 | 0.0 | - | - | - |
| 2.4141 | 9970 | 0.0 | - | - | - |
| 2.4165 | 9980 | 0.0 | - | - | - |
| 2.4189 | 9990 | 0.0 | - | - | - |
| 2.4214 | 10000 | 0.0 | - | - | - |
| 2.4238 | 10010 | 0.0 | - | - | - |
| 2.4262 | 10020 | 0.0 | - | - | - |
| 2.4286 | 10030 | 0.0 | - | - | - |
| 2.4310 | 10040 | 0.0 | - | - | - |
| 2.4335 | 10050 | 0.0 | - | - | - |
| 2.4359 | 10060 | 0.0 | - | - | - |
| 2.4383 | 10070 | 0.0 | - | - | - |
| 2.4407 | 10080 | 0.0 | - | - | - |
| 2.4432 | 10090 | 0.0 | - | - | - |
| 2.4456 | 10100 | 0.0 | - | - | - |
| 2.4480 | 10110 | 0.0 | - | - | - |
| 2.4504 | 10120 | 0.0 | - | - | - |
| 2.4528 | 10130 | 0.0 | - | - | - |
| 2.4553 | 10140 | 0.0 | - | - | - |
| 2.4577 | 10150 | 0.0 | - | - | - |
| 2.4601 | 10160 | 0.0 | - | - | - |
| 2.4625 | 10170 | 0.0 | - | - | - |
| 2.4649 | 10180 | 0.0 | - | - | - |
| 2.4674 | 10190 | 0.0 | - | - | - |
| 2.4698 | 10200 | 0.0 | - | - | - |
| 2.4722 | 10210 | 0.0 | - | - | - |
| 2.4746 | 10220 | 0.0 | - | - | - |
| 2.4771 | 10230 | 0.0 | - | - | - |
| 2.4795 | 10240 | 0.0 | - | - | - |
| 2.4819 | 10250 | 0.0 | - | - | - |
| 2.4843 | 10260 | 0.0 | - | - | - |
| 2.4867 | 10270 | 0.0 | - | - | - |
| 2.4892 | 10280 | 0.0 | - | - | - |
| 2.4916 | 10290 | 0.0 | - | - | - |
| 2.4940 | 10300 | 0.0 | - | - | - |
| 2.4964 | 10310 | 0.0 | - | - | - |
| 2.4988 | 10320 | 0.0 | - | - | - |
| 2.5013 | 10330 | 0.0 | - | - | - |
| 2.5037 | 10340 | 0.0 | - | - | - |
| 2.5061 | 10350 | 0.0 | - | - | - |
| 2.5085 | 10360 | 0.0 | - | - | - |
| 2.5110 | 10370 | 0.0 | - | - | - |
| 2.5134 | 10380 | 0.0 | - | - | - |
| 2.5158 | 10390 | 0.0 | - | - | - |
| 2.5182 | 10400 | 0.0 | - | - | - |
| 2.5206 | 10410 | 0.0 | - | - | - |
| 2.5231 | 10420 | 0.0 | - | - | - |
| 2.5255 | 10430 | 0.0 | - | - | - |
| 2.5279 | 10440 | 0.0 | - | - | - |
| 2.5303 | 10450 | 0.0 | - | - | - |
| 2.5328 | 10460 | 0.0 | - | - | - |
| 2.5352 | 10470 | 0.0 | - | - | - |
| 2.5376 | 10480 | 0.0 | - | - | - |
| 2.5400 | 10490 | 0.0 | - | - | - |
| 2.5424 | 10500 | 0.0 | - | - | - |
| 2.5449 | 10510 | 0.0 | - | - | - |
| 2.5473 | 10520 | 0.0 | - | - | - |
| 2.5497 | 10530 | 0.0 | - | - | - |
| 2.5521 | 10540 | 0.0 | - | - | - |
| 2.5545 | 10550 | 0.0 | - | - | - |
| 2.5570 | 10560 | 0.0 | - | - | - |
| 2.5594 | 10570 | 0.0 | - | - | - |
| 2.5618 | 10580 | 0.0 | - | - | - |
| 2.5642 | 10590 | 0.0 | - | - | - |
| 2.5667 | 10600 | 0.0 | - | - | - |
| 2.5691 | 10610 | 0.0 | - | - | - |
| 2.5715 | 10620 | 0.0 | - | - | - |
| 2.5739 | 10630 | 0.0 | - | - | - |
| 2.5763 | 10640 | 0.0 | - | - | - |
| 2.5788 | 10650 | 0.0 | - | - | - |
| 2.5812 | 10660 | 0.0 | - | - | - |
| 2.5836 | 10670 | 0.0 | - | - | - |
| 2.5860 | 10680 | 0.0 | - | - | - |
| 2.5884 | 10690 | 0.0 | - | - | - |
| 2.5909 | 10700 | 0.0 | - | - | - |
| 2.5933 | 10710 | 0.0 | - | - | - |
| 2.5957 | 10720 | 0.0 | - | - | - |
| 2.5981 | 10730 | 0.0 | - | - | - |
| 2.6006 | 10740 | 0.0 | - | - | - |
| 2.6030 | 10750 | 0.0 | - | - | - |
| 2.6054 | 10760 | 0.0 | - | - | - |
| 2.6078 | 10770 | 0.0 | - | - | - |
| 2.6102 | 10780 | 0.0 | - | - | - |
| 2.6127 | 10790 | 0.0 | - | - | - |
| 2.6151 | 10800 | 0.0 | - | - | - |
| 2.6175 | 10810 | 0.0 | - | - | - |
| 2.6199 | 10820 | 0.0 | - | - | - |
| 2.6224 | 10830 | 0.0 | - | - | - |
| 2.6248 | 10840 | 0.0 | - | - | - |
| 2.6272 | 10850 | 0.0 | - | - | - |
| 2.6296 | 10860 | 0.0 | - | - | - |
| 2.6320 | 10870 | 0.0 | - | - | - |
| 2.6345 | 10880 | 0.0 | - | - | - |
| 2.6369 | 10890 | 0.0 | - | - | - |
| 2.6393 | 10900 | 0.0 | - | - | - |
| 2.6417 | 10910 | 0.0 | - | - | - |
| 2.6441 | 10920 | 0.0 | - | - | - |
| 2.6466 | 10930 | 0.0 | - | - | - |
| 2.6490 | 10940 | 0.0 | - | - | - |
| 2.6514 | 10950 | 0.0 | - | - | - |
| 2.6538 | 10960 | 0.0 | - | - | - |
| 2.6563 | 10970 | 0.0 | - | - | - |
| 2.6587 | 10980 | 0.0 | - | - | - |
| 2.6611 | 10990 | 0.0 | - | - | - |
| 2.6635 | 11000 | 0.0 | - | - | - |
| 2.6659 | 11010 | 0.0 | - | - | - |
| 2.6684 | 11020 | 0.0 | - | - | - |
| 2.6708 | 11030 | 0.0 | - | - | - |
| 2.6732 | 11040 | 0.0 | - | - | - |
| 2.6756 | 11050 | 0.0 | - | - | - |
| 2.6780 | 11060 | 0.0 | - | - | - |
| 2.6805 | 11070 | 0.0 | - | - | - |
| 2.6829 | 11080 | 0.0 | - | - | - |
| 2.6853 | 11090 | 0.0 | - | - | - |
| 2.6877 | 11100 | 0.0 | - | - | - |
| 2.6902 | 11110 | 0.0 | - | - | - |
| 2.6926 | 11120 | 0.0 | - | - | - |
| 2.6950 | 11130 | 0.0 | - | - | - |
| 2.6974 | 11140 | 0.0 | - | - | - |
| 2.6998 | 11150 | 0.0 | - | - | - |
| 2.7023 | 11160 | 0.0 | - | - | - |
| 2.7047 | 11170 | 0.0 | - | - | - |
| 2.7071 | 11180 | 0.0 | - | - | - |
| 2.7095 | 11190 | 0.0 | - | - | - |
| 2.7120 | 11200 | 0.0 | - | - | - |
| 2.7144 | 11210 | 0.0 | - | - | - |
| 2.7168 | 11220 | 0.0 | - | - | - |
| 2.7192 | 11230 | 0.0 | - | - | - |
| 2.7216 | 11240 | 0.0 | - | - | - |
| 2.7241 | 11250 | 0.0 | - | - | - |
| 2.7265 | 11260 | 0.0 | - | - | - |
| 2.7289 | 11270 | 0.0 | - | - | - |
| 2.7313 | 11280 | 0.0 | - | - | - |
| 2.7337 | 11290 | 0.0 | - | - | - |
| 2.7362 | 11300 | 0.0 | - | - | - |
| 2.7386 | 11310 | 0.0 | - | - | - |
| 2.7410 | 11320 | 0.0 | - | - | - |
| 2.7434 | 11330 | 0.0 | - | - | - |
| 2.7459 | 11340 | 0.0 | - | - | - |
| 2.7483 | 11350 | 0.0 | - | - | - |
| 2.7507 | 11360 | 0.0 | - | - | - |
| 2.7531 | 11370 | 0.0 | - | - | - |
| 2.7555 | 11380 | 0.0 | - | - | - |
| 2.7580 | 11390 | 0.0 | - | - | - |
| 2.7604 | 11400 | 0.0 | - | - | - |
| 2.7628 | 11410 | 0.0 | - | - | - |
| 2.7652 | 11420 | 0.0 | - | - | - |
| 2.7676 | 11430 | 0.0 | - | - | - |
| 2.7701 | 11440 | 0.0 | - | - | - |
| 2.7725 | 11450 | 0.0 | - | - | - |
| 2.7749 | 11460 | 0.0 | - | - | - |
| 2.7773 | 11470 | 0.0 | - | - | - |
| 2.7798 | 11480 | 0.0 | - | - | - |
| 2.7822 | 11490 | 0.0 | - | - | - |
| 2.7846 | 11500 | 0.0 | - | - | - |
| 2.7870 | 11510 | 0.0 | - | - | - |
| 2.7894 | 11520 | 0.0 | - | - | - |
| 2.7919 | 11530 | 0.0 | - | - | - |
| 2.7943 | 11540 | 0.0 | - | - | - |
| 2.7967 | 11550 | 0.0 | - | - | - |
| 2.7991 | 11560 | 0.0 | - | - | - |
| 2.8015 | 11570 | 0.0 | - | - | - |
| 2.8040 | 11580 | 0.0 | - | - | - |
| 2.8064 | 11590 | 0.0 | - | - | - |
| 2.8088 | 11600 | 0.0 | - | - | - |
| 2.8112 | 11610 | 0.0 | - | - | - |
| 2.8137 | 11620 | 0.0 | - | - | - |
| 2.8161 | 11630 | 0.0 | - | - | - |
| 2.8185 | 11640 | 0.0 | - | - | - |
| 2.8209 | 11650 | 0.0 | - | - | - |
| 2.8233 | 11660 | 0.0 | - | - | - |
| 2.8258 | 11670 | 0.0 | - | - | - |
| 2.8282 | 11680 | 0.0 | - | - | - |
| 2.8306 | 11690 | 0.0 | - | - | - |
| 2.8330 | 11700 | 0.0 | - | - | - |
| 2.8355 | 11710 | 0.0 | - | - | - |
| 2.8379 | 11720 | 0.0 | - | - | - |
| 2.8403 | 11730 | 0.0 | - | - | - |
| 2.8427 | 11740 | 0.0 | - | - | - |
| 2.8451 | 11750 | 0.0 | - | - | - |
| 2.8476 | 11760 | 0.0 | - | - | - |
| 2.8500 | 11770 | 0.0 | - | - | - |
| 2.8524 | 11780 | 0.0 | - | - | - |
| 2.8548 | 11790 | 0.0 | - | - | - |
| 2.8572 | 11800 | 0.0 | - | - | - |
| 2.8597 | 11810 | 0.0 | - | - | - |
| 2.8621 | 11820 | 0.0 | - | - | - |
| 2.8645 | 11830 | 0.0 | - | - | - |
| 2.8669 | 11840 | 0.0 | - | - | - |
| 2.8694 | 11850 | 0.0 | - | - | - |
| 2.8718 | 11860 | 0.0 | - | - | - |
| 2.8742 | 11870 | 0.0 | - | - | - |
| 2.8766 | 11880 | 0.0 | - | - | - |
| 2.8790 | 11890 | 0.0 | - | - | - |
| 2.8815 | 11900 | 0.0 | - | - | - |
| 2.8839 | 11910 | 0.0 | - | - | - |
| 2.8863 | 11920 | 0.0 | - | - | - |
| 2.8887 | 11930 | 0.0 | - | - | - |
| 2.8911 | 11940 | 0.0 | - | - | - |
| 2.8936 | 11950 | 0.0 | - | - | - |
| 2.8960 | 11960 | 0.0 | - | - | - |
| 2.8984 | 11970 | 0.0 | - | - | - |
| 2.9008 | 11980 | 0.0 | - | - | - |
| 2.9033 | 11990 | 0.0 | - | - | - |
| 2.9057 | 12000 | 0.0 | - | - | - |
| 2.9081 | 12010 | 0.0 | - | - | - |
| 2.9105 | 12020 | 0.0 | - | - | - |
| 2.9129 | 12030 | 0.0 | - | - | - |
| 2.9154 | 12040 | 0.0 | - | - | - |
| 2.9178 | 12050 | 0.0 | - | - | - |
| 2.9202 | 12060 | 0.0 | - | - | - |
| 2.9226 | 12070 | 0.0 | - | - | - |
| 2.9251 | 12080 | 0.0 | - | - | - |
| 2.9275 | 12090 | 0.0 | - | - | - |
| 2.9299 | 12100 | 0.0 | - | - | - |
| 2.9323 | 12110 | 0.0 | - | - | - |
| 2.9347 | 12120 | 0.0 | - | - | - |
| 2.9372 | 12130 | 0.0 | - | - | - |
| 2.9396 | 12140 | 0.0 | - | - | - |
| 2.9420 | 12150 | 0.0 | - | - | - |
| 2.9444 | 12160 | 0.0 | - | - | - |
| 2.9468 | 12170 | 0.0 | - | - | - |
| 2.9493 | 12180 | 0.0 | - | - | - |
| 2.9517 | 12190 | 0.0 | - | - | - |
| 2.9541 | 12200 | 0.0 | - | - | - |
| 2.9565 | 12210 | 0.0 | - | - | - |
| 2.9590 | 12220 | 0.0 | - | - | - |
| 2.9614 | 12230 | 0.0 | - | - | - |
| 2.9638 | 12240 | 0.0 | - | - | - |
| 2.9662 | 12250 | 0.0 | - | - | - |
| 2.9686 | 12260 | 0.0 | - | - | - |
| 2.9711 | 12270 | 0.0 | - | - | - |
| 2.9735 | 12280 | 0.0 | - | - | - |
| 2.9759 | 12290 | 0.0 | - | - | - |
| 2.9783 | 12300 | 0.0 | - | - | - |
| 2.9807 | 12310 | 0.0 | - | - | - |
| 2.9832 | 12320 | 0.0 | - | - | - |
| 2.9856 | 12330 | 0.0 | - | - | - |
| 2.9880 | 12340 | 0.0 | - | - | - |
| 2.9904 | 12350 | 0.0 | - | - | - |
| 2.9929 | 12360 | 0.0 | - | - | - |
| 2.9953 | 12370 | 0.0 | - | - | - |
| 2.9977 | 12380 | 0.0 | - | - | - |
| 2.9994 | 12387 | - | nan | 0.0 | 0.0 |
* The bold row denotes the saved checkpoint.
</details>
### Framework Versions
- Python: 3.10.14
- Sentence Transformers: 3.3.1
- Transformers: 4.48.0.dev0
- PyTorch: 2.4.0
- Accelerate: 0.29.3
- Datasets: 2.19.1
- Tokenizers: 0.21.0
## Citation
### BibTeX
#### Sentence Transformers
```bibtex
@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",
}
```
#### MatryoshkaLoss
```bibtex
@misc{kusupati2024matryoshka,
title={Matryoshka Representation Learning},
author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
year={2024},
eprint={2205.13147},
archivePrefix={arXiv},
primaryClass={cs.LG}
}
```
#### MultipleNegativesRankingLoss
```bibtex
@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}
}
```
<!--
## Glossary
*Clearly define terms in order to be accessible across audiences.*
-->
<!--
## Model Card Authors
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->
<!--
## Model Card Contact
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
-->