metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:1609
  - loss:MultipleNegativesRankingLoss
base_model: Snowflake/snowflake-arctic-embed-l-v2.0
widget:
  - source_sentence: >-
      Die aktuelle Gemeinsame Agrarpolitik (GAP) gilt seit dem 1. Januar 2023
      und endet voraussichtlich 2027. Die GAP setzt sich aus drei wesentlichen
      Elementen zusammen,


      der Konditionalität,

      der ersten Säule mit den Direktzahlungen sowie

      der zweiten Säule mit der Entwicklung des ländlichen Raums.
    sentences:
      - Ist Feuchtgrünland produktiv?
      - Was versteht man unter GAP?
      - welche Zielarten gibt es auf Streuobstwiesen?
  - source_sentence: >-
      Mulchen stellt eine kosteneffiziente Alternative zur Mahd dar und
      erfordert weniger Arbeitseinsatz, um Flächen offen zu halten. Daher
      gewinnt diese Pflegemethode in bestimmten Bereichen der Landschaftspflege
      an Bedeutung, insbesondere wenn es primär um das Offenhalten von Flächen
      geht. Wie bei der Mahd beeinflussen der Zeitpunkt und die Häufigkeit des
      Mulchens die Reaktionen des Ökosystems, einschließlich der Tier- und
      Pflanzenwelt. Ein entscheidender Faktor ist dabei, wie lange und wie
      vollständig die Streu abgebaut wird, was wiederum stark vom jeweiligen
      Standort abhängt. Allerdings sollte der Einsatz von Mulchern zur Erhaltung
      der wertvollen Wiesenflora kritisch betrachtet werden. Insbesondere bei
      mageren Feuchtwiesen ist diese Methode aufgrund der damit verbundenen
      Anreicherung von Nährstoffen im Boden nicht zu empfehlen.
    sentences:
      - >-
        Was sollten Berater*innen bei der Beratung von Ackerwildkrautschutz
        beachten?
      - Wie erhält man eine bestehende Streuobstwiese?
      - Feuchtgrünland mulchen?
  - source_sentence: |-
      Der
      Wasserhaushalt bezeichnet die Aufstellung der
      Aufnahme und Abgabe von Wasser in einem geografischen
      Gebiet.
    sentences:
      - Wie lege ich einen Kleinstgewässer an?
      - Was heißt Wasserhaushalt?
      - Welche Ziele verfolgt die staatliche Förderung der Direktzahlungen?
  - source_sentence: |-
      Um den Humusanteil zu erhöhen, kann entweder
      direkt Kompost ausgebracht bzw. können Ernte und
      Zwischenfruchtrückstände eingearbeitet werden,
      oder es können indirekte Maßnahmen zum
      natürlichen Humusaufbau umgesetzt werden.
      So kann der Humusgehalt z. B. durch angepasste
      Fruchtfolgen, die Nutzung der landwirtschaftlichen
      Flächen als Grünland sowie Maßnahmen der ökologischen
      Landwirtschaft erhöht werden.
    sentences:
      - Wie kann Humus aufgebaut werden?
      - >-
        Was versteht man unter Mittelumschichtung von der 1. Säule in die 2.
        Säule?
      - Mahd Feuchtgrünland?
  - source_sentence: >-
      Dabei verteilt sich die EU-Förderung auf zwei Säulen:


      Die erste Säule bilden insbesondere die Direktzahlungen an Landwirtinnen
      und Landwirte, die – bei Erfüllung der jeweiligen Voraussetzungen – je
      Hektar landwirtschaftlicher Fläche gewährt werden. Das bisher
      verpflichtende Greening wurde mit weiteren Anforderungen in die
      Vorschriften zur Konditionalität überführt; die bisherige Greeningprämie
      entfällt. Neu sind Zahlungen für die freiwilligen "Öko-Regelungen“.

      Die zweite Säule umfasst gezielte Förderprogramme für die nachhaltige und
      umweltschonende Bewirtschaftung und die ländliche Entwicklung.
    sentences:
      - Was ist bei Maßnahmen zum Ackerwildkrautschutz zu beachten?
      - Vorteile von Agroforst gegen Erosion?
      - Wie verteilt sich die EU-Förderung der GAP?
pipeline_tag: sentence-similarity
library_name: sentence-transformers

SentenceTransformer based on Snowflake/snowflake-arctic-embed-l-v2.0

This is a sentence-transformers model finetuned from Snowflake/snowflake-arctic-embed-l-v2.0. 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: Snowflake/snowflake-arctic-embed-l-v2.0
Maximum Sequence Length: 8192 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity

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': 8192, 'do_lower_case': False}) 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("zolekode/wibila-adapter-snowflake-arctic-embed-l-v2.0")
# Run inference
sentences = [
    'Dabei verteilt sich die EU-Förderung auf zwei Säulen:\n\nDie erste Säule bilden insbesondere die Direktzahlungen an Landwirtinnen und Landwirte, die – bei Erfüllung der jeweiligen Voraussetzungen – je Hektar landwirtschaftlicher Fläche gewährt werden. Das bisher verpflichtende Greening wurde mit weiteren Anforderungen in die Vorschriften zur Konditionalität überführt; die bisherige Greeningprämie entfällt. Neu sind Zahlungen für die freiwilligen "Öko-Regelungen“.\nDie zweite Säule umfasst gezielte Förderprogramme für die nachhaltige und umweltschonende Bewirtschaftung und die ländliche Entwicklung.',
    'Wie verteilt sich die EU-Förderung der GAP?',
    'Was ist bei Maßnahmen zum Ackerwildkrautschutz zu beachten?',
]
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

Unnamed Dataset

Size: 1,609 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 3 tokens
mean: 94.33 tokens
max: 862 tokens

min: 6 tokens
mean: 13.8 tokens
max: 33 tokens

	anchor	positive
type	string	string
details	min: 3 tokens mean: 94.33 tokens max: 862 tokens	min: 6 tokens mean: 13.8 tokens max: 33 tokens

Samples:

anchor	positive
Mehrjährige Blühstreifen bleiben mind. 2 bis zu 5 Jahren am gleichen Standort und werden nicht jährlich umgebrochen und neu eingesät. Das Saatgut kann aus Kultur- und Wildarten bestehen. Im Gegensatz dazu werden mehrjährige Regiosaatgut-Blühstreifen und -flächen auf Ackerstandorten mit ausschließlich gebietseigenem Saatgut* (Mouseover/Glossar) eingesät. Je nach Förderprogramm werden die Flächen mehrere Jahre nicht umgebrochen und unterschiedlich gepflegt. Gebietseigenes Saatgut ist entweder zertifiziertes Regiosaatgut (VWW oder RegioZert) oder selbst geerntetes Saatgut von einer Spenderfläche in der Nähe.	`Was sind Mehrjährige Blühstreifen mit Regiosaatgut?`
Artenreiche Blühflächen stellen vor allem in agrarisch intensiv geprägten Landschaften Flächen dar, die Bestäubern, Nützlingen und anderen Wildtieren als Nahrungs-, Schutz-, Lebens- oder Überwinterungsflächen dienen. Sie können zudem als Lebensrauminseln in ansonsten stark ausgeräumter Flur einen großen Beitrag zum Biotopverbund leisten. Naturschutzfachlich besonders hochwertig werden die Flächen durch gebietseigene Pflanzen, an die die heimische Insektenfauna angepasst ist. Im Vergleich zu Kultur- und Zierpflanzen, die nur für Generalisten von Bedeutung sind, bieten Wildarten auch Lebensraum und Nahrung für spezialisierte Bestäuber, v.a. aus der Gruppe der Wildbienen. Weitere positive Effekte: - Botanischer Artenreichtum - Pufferwirkung - Erosionsminderung - Landschaftsbildbereicherung - Evtl. Schlaguntergliederung	`Ziele von Mehrjährigen Blühstreifen mit Regiosaatgut?`
`Entlang von Hecken oder Waldrändern, nur auf der sonnenzugewandten Seite mit wenig Schattenwurf, Problemunkrautdruck auf der Fläche möglichst gering (z.B. Distel, Quecke). zur Schlagunterteilung und im Sinne des Biotopverbunds in ausgeräumten Landschaften. nicht auf Flächen mit hohem Potenzial an (gefährdeten) Ackerwildkräutern`	`Wo eigenen sich Mehrjährigen Blühstreifen mit Regiosaatgut?`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Evaluation Dataset

Unnamed Dataset

Size: 71 evaluation samples
Columns: anchor and positive
Approximate statistics based on the first 71 samples:
anchor positive
type string string
details
min: 6 tokens
mean: 108.54 tokens
max: 581 tokens

min: 7 tokens
mean: 14.86 tokens
max: 28 tokens

	anchor	positive
type	string	string
details	min: 6 tokens mean: 108.54 tokens max: 581 tokens	min: 7 tokens mean: 14.86 tokens max: 28 tokens

Samples:

anchor	positive
Ackerwildkräuter sind in der heutigen konventionell bewirtschafteten Landschaft selten geworden. Aufgrund der Intensivierung der Landwirtschaft gehören sie zu den gefährdetsten Pflanzengesellschaften in Mitteleuropa. Sie gelten als „Unkräuter“ und sind nicht erwünscht. Allerdings gibt es diese Begleitflora schon seit Beginn des Ackerbaus. Sie stellen eine wichtige Funktion im Okösystem Acker dar. Viele von ihnen bieten Insekten Nahrung in Form von Blüten und sind Lebensraum für viele Wildtiere. Die Blüten bringen - Farbe in die Landschaft, die Pflanzen verfestigen - den Boden und dienen so dem Erosionsschutz. Diverse Ackerwildkräuter sind sogar essbar oder haben heilende Wirkung.	`Was sind Ackerwildkräuter?`
`Wiederherstellung einer artenreichen Ackerflora in der monotonen Ackerlandschaft. Damit einhergehend auch Förderung der Insekten, Vögel und weiteren Wildtieren.`	`Was bringt der Schutz von Ackerwildkräutern?`
`Ein wesentlicher Hinderungsgrund könnte die Ackerhygiene sein. Ackerwildkräuter gelten als „Unkräuter“, zudem gibt es auch die Befürchtung von Ertragseinbußen.`	`Was spricht gegen den Schutz von Ackerwildkräutern?`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
learning_rate: 3e-06
max_steps: 1000

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
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: 3e-06
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 3.0
max_steps: 1000
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.0
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: False
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: 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: batch_sampler
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss
0.1584	16	0.632	-
0.3168	32	0.5394	-
0.4752	48	0.4463	-
0.6337	64	0.5024	-
0.7921	80	0.641	-
0.9505	96	0.5595	-
0.9901	100	-	0.7457
1.1089	112	0.4359	-
1.2673	128	0.4481	-
1.4257	144	0.5644	-
1.5842	160	0.3657	-
1.7426	176	0.526	-
1.9010	192	0.4793	-
1.9802	200	-	0.7288
2.0594	208	0.5828	-
2.2178	224	0.4173	-
2.3762	240	0.4809	-
2.5347	256	0.4637	-
2.6931	272	0.502	-
2.8515	288	0.5129	-
2.9703	300	-	0.7152
3.0099	304	0.4433	-
3.1683	320	0.3589	-
3.3267	336	0.4861	-
3.4851	352	0.4709	-
3.6436	368	0.4372	-
3.8020	384	0.4782	-
3.9604	400	0.4677	0.7058
4.1188	416	0.5042	-
4.2772	432	0.5005	-
4.4356	448	0.4328	-
4.5941	464	0.4602	-
4.7525	480	0.4502	-
4.9109	496	0.3994	-
4.9505	500	-	0.6976
5.0693	512	0.4291	-
5.2277	528	0.5666	-
5.3861	544	0.4714	-
5.5446	560	0.4349	-
5.7030	576	0.3345	-
5.8614	592	0.3174	-
5.9406	600	-	0.6913
6.0198	608	0.4839	-
6.1782	624	0.5433	-
6.3366	640	0.4126	-
6.4950	656	0.4541	-
6.6535	672	0.3581	-
6.8119	688	0.3931	-
6.9307	700	-	0.6863
6.9703	704	0.4682	-
7.1287	720	0.4342	-
7.2871	736	0.5381	-
7.4455	752	0.4055	-
7.6040	768	0.3558	-
7.7624	784	0.318	-
7.9208	800	0.3926	0.6833
8.0792	816	0.3996	-
8.2376	832	0.3984	-
8.3960	848	0.4556	-
8.5545	864	0.354	-
8.7129	880	0.3261	-
8.8713	896	0.5176	-
8.9109	900	-	0.6814
9.0297	912	0.4186	-
9.1881	928	0.4077	-
9.3465	944	0.4186	-
9.5050	960	0.4862	-
9.6634	976	0.3857	-
9.8218	992	0.4086	-
9.9010	1000	-	0.6808

Framework Versions

Python: 3.11.11
Sentence Transformers: 3.3.1
Transformers: 4.47.1
PyTorch: 2.5.1+cu121
Accelerate: 1.2.1
Datasets: 3.2.0
Tokenizers: 0.21.0

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}
}