qwen3-embed-v4-bashar_docs-192 / README.md

vsevolodl

Upload folder using huggingface_hub

db26ca5 verified 18 days ago

preview code

raw

history blame contribute delete

47.1 kB

metadata

language:
  - multilingual
license: apache-2.0
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - dense
  - generated_from_trainer
  - dataset_size:73994
  - loss:MatryoshkaLoss
  - loss:MultipleNegativesRankingLoss
base_model: Qwen/Qwen3-Embedding-0.6B
widget:
  - source_sentence: >-
      Under what circumstances can a judge's ruling from a place of wrongdoers
      be executed, according to Islamic law?
    sentences:
      - >-
        بالتصرف دون صاحبه(). \n\nأما الوصايا التي يجوز تنفيذها والتي لا يجوز
        تنفيذها، وشروط الموصي والوصي فيرجع لمعرفة ذلك إلى مصطلح «وصية».
        \n\nتنفيذ حكم قاضي البغاة: \n\n9 - لا خلاف بين الفقهاء  في أنه لو ظهر
        أهل البغي على بلد فولوا قاضيا منهم، فرفع حكمه إلى قاضي أهل العدل نفذ من
        أحكامه ما ينفذ من أحكام قاضي أهل العدل بشروط هي: \n\nأ - أن يكون لهم
        تأويل غير ظاهر البطلان، فإن لم يكن لهم تأويل فلا ينفذ أحكام قاضيهم. وقال
        المالكية: فإن لم يكن لهم تأويل فيتعقب أحكامه، فما وجد منها صوابا مضى،
        وما ليس كذلك رد. \n\nب - ألا يكون ممن يستبيحون دماء أهل العدل وأموالهم،
        فإن كانوا كذلك لا تنفذ
      - >-
        (زكاة الفطر). \n\nج - العشور: \n\n13 - ذهب المالكية والحنابلة إلى عدم
        جواز \n\nالتحول عن الواجب إلى البدل في العشور(). \n\nوذهب الحنفية إلى
        جواز التحول عن الواجب إلى البدل في العشور، وذلك للأدلة التي سبق ذكرها،
        وكذلك يجوز التحول من الواجب إلى الأعلى فقط عند الشافعية إذا كانت الحبوب
        والثمار نوعا واحدا. \n\nوإن اختلفت الأنواع: أخذ الواجب من كل نوع بالحصة
        إن لم يتعسر، فإن عسر أخذ الواجب من كل نوع بأن كثرت، وقل ثمرها ففيه أوجه:
        \n\nالوجه الأول، وهو الصحيح: أنه يخرج من الوسط رعاية للجانبين().
        \n\nوالثاني: يؤخذ من كل نوع بقسطه. \n\nوالثالث: من الغالب، وقيل: يؤخذ
        الوسط قطعا(). \n\nوفي الموضوع
      - >-
        ومعه أكثر العلماء() حيث لم يعدوا الموالي من الآل. أما أزواجه  فذكر أبو
        الحسن بن بطال في شرح البخاري أن الفقهاء كافة اتفقوا على أن أزواجه   لا
        يدخلن في آله الذين حرمت عليهم الصدقة،() لكن في المغني عن عائشة  ما يخالف
        ذلك. قال: روى الخلال بإسناده \n\nعن ابن أبي مليكة أن خالد بن سعيد بن
        العاص بعث إلى عائشة  سفرة من الصدقة، فردتها، وقالت: إنا آل محمد لا تحل
        لنا الصدقة. قال صاحب المغني: وهذا يدل على أنهن من أهل بيته في تحريم
        الزكاة. وذكر الشيخ تقي الدين أنه يحرم عليهن الصدقة وأنهن من أهل بيته في
        أصح الروايتين(). \n\nحكم أخذ آل البيت من الصدقة المفروضة: \n\n6 - إن آل
        محمد
  - source_sentence: >-
      According to which school of thought does the contract become valid if it
      specifies planting and sowing but does not mention the quantity?
    sentences:
      - >-
        وضع الاسم العلم للمولود وغيره، وبمعنى: تحديد العوض في العقود، \n\nكالمهر
        والأجرة والثمن، وبمعنى: التعيين بالاسم مقابل الإبهام. \n\nالألفاظ ذات
        الصلة: \n\nأ - التكنية: \n\n2 - التكنية مصدر: كنى بتشديد النون، أي: جعل
        له كنية، كأبي فلان وأم فلان() \n\nوتفصيل الأحكام المتعلقة بالتكنية ينظر
        في مصطلح (كنية). \n\nب - التلقيب: \n\n3 - التلقيب: مصدر لقب بتشديد
        القاف. واللقب واحد الألقاب، وهو ما كان مشعرا بمدح أو ذم. \n\nومعناه:
        النبز بالتمييز(). والنبز بالألقاب المكروهة منهي عنه في  :  ولا تنابزوا
        بالألقاب(). \n\nفإن قصد به التعريف فلا يدخل تحت النهي، ومن ذلك تعريف بعض
        الأئمة المتقدمين، كالأعمش
      - >-
        من كتب الفقه وفي مصطلح (إقرار) \n\nالتناقض في الشهادة: \n\n6 - لا يخلو
        التناقض في شهادة الشهود من أحد ثلاثة أحوال: \n\nأ - التناقض في الشهادة
        قبل الحكم: \n\nإذا حصل التناقض في الشهادة برجوع الشهود() عن كل أو بعض
        شهادتهم بعد أداء الشهادة وقبل الحكم بحضور القاضي تكون شهادتهم كأن لم
        تكن، ولا يصح الحكم بموجب \n\nشهادتهم؛ لأن الشهود لما أكذبوا أنفسهم
        بالرجوع تناقض كلامهم، والقضاء بالكلام المتناقض لا يجوز؛ لأنه لا يدري
        أصدقوا في الأول أم في الثاني، \n\nوهذا قول عامة أهل العلم. \n\nوقال أبو
        ثور: يحكم بموجب هذه الشهادة؛ لأنها قد أديت فلا تبطل برجوع من شهد بها كما
        لو رجع الشهود بعد الحكم().
      - >-
        يضر بالأرض. \n\nأما إذا قال له: آجرتكها لتزرعها أو تغرسها، فإنه لا يصح؛
        لأنه لم يعين أحدهما، فوجدت جهالة. \n\nوإذا قال له: آجرتك لتزرعها
        وتغرسها، صح العقد عند الحنابلة، وله أن يزرعها كلها ما شاء، أو أن يغرسها
        كلها ما شاء. وفي قول عند الشافعية: يصح، وله أن يزرع النصف، ويغرس النصف؛
        لأن الجمع يقتضي التسوية. وفي القول الثاني: لا يصح؛ لأنه لم يبين المقدار
        من كل واحد منها. \n\nأما إن أطلق، وقال: آجرتك لتنتفع بها ما شئت، فله
        الزرع والغرس والبناء عند الحنابلة، للإطلاق. وللشافعية في الأرض التي لا
        ماء لها، ولم يذكر أنه يكتريها للزراعة، وجهان: \n\nأحدهما: لا يصح، لأن
        الأرض عادة تكترى
  - source_sentence: من هو رجل بريرة الذي كانت زوجته له قد اعتقت؟
    sentences:
      - >-
        أهل العلم على أنه إذا عتقت الأمة - وزوجها عبد - فلها الخيار في فسخ
        النكاح لخبر بريرة . قالت عائشة  «كاتبت بريرة فخيرها رسول الله  في زوجها،
        وكان عبدا فاختارت نفسها»(). ولأن \n\nعليها ضررا في كونها حرة تحت عبد.
        \n\nواختلفوا فيما إذا عتقت وزوجها حر، فالجمهور على أنه لا خيار لها،
        لأنها كافأت زوجها في الكمال، فلم يثبت لها الخيار. \n\nوذهب طاوس وابن
        سيرين ومجاهد والنخعي والثوري والحنفية إلى أن لها الخيار. واستدلوا بما
        روي في حديث بريرة أن زوجها كان حرا، كما رواه النسائي في سننه().
        \n\nوأجمع الفقهاء على بقاء نكاح الكتابية التي أسلم زوجها، سواء قبل
        الدخول أو بعده، لأن للمسلم أن يبتدئ
      - >-
        قال: إن أقل التعزير ليس مقدرا فيرجع فيه إلى اجتهاد الإمام أو الحاكم فيما
        يراه وما تقتضيه حال الشخص(). \n\nج - التعزير بالحبس : \n\n16 - الحبس
        مشروع بالكتاب والسنة والإجماع \n\nأما الكتاب فقوله تعالى:  واللاتي يأتين
        الفاحشة من نسائكم فاستشهدوا عليهن أربعة منكم فإن شهدوا فأمسكوهن في
        البيوت حتى يتوفاهن الموت أو يجعل الله لهن سبيلا() وقوله:  إنما جزاء
        الذين يحاربون الله ورسوله ويسعون في الأرض فسادا أن يقتلوا أو يصلبوا أو
        تقطع أيديهم وأرجلهم من خلاف أو ينفوا من الأرض(). فقد قال الزيلعي: إن
        المقصود بالنفي هنا الحبس. \n\nوأما السنة فقد ثبت: «أن الرسول  حبس
        بالمدينة أناسا في تهمة دم،
      - >-
        واختلاف الفقهاء في ذلك يرجع إليه في مصطلح: (قضاء). \n\nحرمان الوارث من
        الميراث بالتهمة: \n\n12 - لا خلاف بين الفقهاء  في حرمان القاتل عمدا
        عدوانا من الميراث. واختلفوا في توريث القاتل خطأ أو القاتل بحق. فذهب
        البعض إلى حرمانهما، وذلك لتهمة استعجال الإرث قبل أوانه. \n\nوالتفصيل: في
        مصطلح: (إرث). \n\nعدم وقوع طلاق المطلق في مرض الموت: \n\n13 - لا يقع
        طلاق المريض مرض الموت عند فريق من الفقهاء لتهمة قصد إضرار الزوجة
        بحرمانها الميراث. \n\nوانظر للتفصيل مصطلح: (طلاق). \n\nالتعزير بالتهمة:
        \n\n14 - لا خلاف بين الفقهاء  في أن الحدود لا تقام بالتهمة. \n\nأما
        التعزير بالتهمة فقد ذهب الحنفية
  - source_sentence: >-
      هل يمكن اعتبار الإبراء كإسقاط، أم أنه يجب النظر إليه كتمليك، وفقًا للآراء
      المختلفة بين المدارس القانونية؟
    sentences:
      - >-
        الملك. \n\nونقل القاضي زكريا عن النووي في الروضة قوله: المختار أن كون
        الإبراء تمليكا أو إسقاطا من المسائل التي لا يطلق فيها ترجيح، بل يختلف
        الراجح بحسب المسائل، لقوة الدليل وضعفه؛ لأن الإبراء إنما يكون تمليكا
        باعتبار أن الدين مال، وهو إنما يكون مالا في حق من له الدين، فإن أحكام
        المالية إنما تظهر في حقه. \n\nومما غلب فيه معنى التمليك عند المالكية
        ترجيحهم اشتراط القبول في الإبراء، كما سيأتي(). \n\nعلى أن هناك ما يصلح
        بالاعتبارين (الإسقاط والتمليك بالتساوي). ومنه ما نص عليه الحنفية أنه لو
        أبرأ الوارث مدين مورثه غير عالم بموته، ثم بان ميتا، فبالنظر إلى أنه
        إسقاط يصح، وكذا بالنظر
      - >-
        الراء له عدد من المعاني منها: إلزام الشيء والتزامه. وأما بفتح الراء
        \n\nفمعناه العلامة، ويجمع على أشراط كسبب وأسباب. \n\nومعناه في الاصطلاح
        كما قال الحموي: التزام أمر لم يوجد في أمر وجد بصيغة مخصوصة(). \n\nوهو
        يشبه التقييد لما فيه من الالتزام. \n\nالحكم الإجمالي: \n\n7 - ذكر
        الأصوليون والفقهاء الأحكام الخاصة بمصطلح تقييد في عدد من المواطن، ومن
        أشهر مسائله عند الأصوليين مسألة حمل المطلق على المقيد، ومما قالوه في ذلك
        أن المطلق والمقيد إما أن يختلفا في السبب والحكم، وإما أن يتفقا فيهما،
        وإما أن يختلفا في السبب دون الحكم، فإن كان الأول فلا حمل اتفاقا، كما قال
        الآمر لمن تلزمه طاعته:
      - >-
        يضر بالأرض. \n\nأما إذا قال له: آجرتكها لتزرعها أو تغرسها، فإنه لا يصح؛
        لأنه لم يعين أحدهما، فوجدت جهالة. \n\nوإذا قال له: آجرتك لتزرعها
        وتغرسها، صح العقد عند الحنابلة، وله أن يزرعها كلها ما شاء، أو أن يغرسها
        كلها ما شاء. وفي قول عند الشافعية: يصح، وله أن يزرع النصف، ويغرس النصف؛
        لأن الجمع يقتضي التسوية. وفي القول الثاني: لا يصح؛ لأنه لم يبين المقدار
        من كل واحد منها. \n\nأما إن أطلق، وقال: آجرتك لتنتفع بها ما شئت، فله
        الزرع والغرس والبناء عند الحنابلة، للإطلاق. وللشافعية في الأرض التي لا
        ماء لها، ولم يذكر أنه يكتريها للزراعة، وجهان: \n\nأحدهما: لا يصح، لأن
        الأرض عادة تكترى
  - source_sentence: ما هي الأماكن الأخرى المهمة داخل حدود الحرم المكي الشريف؟
    sentences:
      - >-
        الملك. \n\nونقل القاضي زكريا عن النووي في الروضة قوله: المختار أن كون
        الإبراء تمليكا أو إسقاطا من المسائل التي لا يطلق فيها ترجيح، بل يختلف
        الراجح بحسب المسائل، لقوة الدليل وضعفه؛ لأن الإبراء إنما يكون تمليكا
        باعتبار أن الدين مال، وهو إنما يكون مالا في حق من له الدين، فإن أحكام
        المالية إنما تظهر في حقه. \n\nومما غلب فيه معنى التمليك عند المالكية
        ترجيحهم اشتراط القبول في الإبراء، كما سيأتي(). \n\nعلى أن هناك ما يصلح
        بالاعتبارين (الإسقاط والتمليك بالتساوي). ومنه ما نص عليه الحنفية أنه لو
        أبرأ الوارث مدين مورثه غير عالم بموته، ثم بان ميتا، فبالنظر إلى أنه
        إسقاط يصح، وكذا بالنظر
      - >-
        نظيفا»() وذكر القاضي في حديث ابن عباس في «غسل النبي  قال فجففوه بثوب»().
        \n\nوللتفصيل ينظر (ر: تكفين). \n\nالتنعيم \n\nالتعريف: \n\n1 - التنعيم
        موضع في الحل في شمال مكة الغربي، وهو حد الحرم من جهة المدينة المنورة.
        \n\nقال الفاسي: المسافة بين باب العمرة وبين أعلام الحرم في هذه الجهة
        التي في الأرض لا التي على الجبل اثنا عشر ألف ذراع وأربعمائة ذراع وعشرون
        ذراعا بذراع اليد(). \n\nوإنما سمي التنعيم بهذا الاسم لأن الجبل الذي عن
        يمين الداخل يقال له ناعم والذي عن اليسار يقال له منعم أو نعيم والوادي
        نعمان(). \n\nالأحكام المتعلقة بالتنعيم: \n\n2 - أجمع الفقهاء على أن
        المعتمر المكي لا بد له من
      - >-
        كفارا، ولم ينكر النبي  ذلك عليه(). \n\nأخذ الأجرة على التعاويذ والرقى:
        \n\n28 - ذهب جمهور الفقهاء إلى جواز أخذ الأجرة على التعاويذ والرقى،
        وإليه ذهب عطاء، وأبو قلابة، وأبو ثور، وإسحاق، واستدلوا بحديث أبي سعيد
        الخدري  الذي سبق ذكره (ف - 14) واستدل الطحاوي للجواز وقال: يجوز أخذ
        الأجر على الرقى، لأنه ليس على الناس أن يرقي بعضهم بعضا؛ لأن في ذلك
        تبليغا عن الله تعالى. وكره الزهري أخذ الأجرة على القرآن مطلقا، سواء أكان
        للتعليم أو للرقية(). \n\n\n\nتعويض \n\nالتعريف: \n\n1 - أصل التعويض لغة:
        العوض، وهو البدل تقول: عوضته تعويضا إذا أعطيته بدل ما ذهب منه. وتعوض منه
        واعتاض: أخذ العوض()
pipeline_tag: sentence-similarity
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
model-index:
  - name: Qwen/Qwen3-Embedding-0.6B
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 1024
          type: dim_1024
        metrics:
          - type: cosine_accuracy@1
            value: 0.3421185054723865
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.4978613662095861
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.5620203799220028
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.6451754937728016
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.3421185054723865
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.1659537887365287
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.11240407598440055
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.06451754937728015
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.3421185054723865
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.4978613662095861
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.5620203799220028
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.6451754937728016
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.486654937958254
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.4367436155491217
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.44450267121536374
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 256
          type: dim_256
        metrics:
          - type: cosine_accuracy@1
            value: 0.2872059378538181
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.43389105547867657
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.5002516039753429
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.5771166184425713
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.2872059378538181
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.1446303518262255
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.10005032079506855
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.057711661844257134
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.2872059378538181
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.43389105547867657
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.5002516039753429
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.5771166184425713
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.42525529772687953
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.3774421310856682
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.38617365110911006
            name: Cosine Map@100

Qwen/Qwen3-Embedding-0.6B

This is a sentence-transformers model finetuned from Qwen/Qwen3-Embedding-0.6B. 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: Qwen/Qwen3-Embedding-0.6B
Maximum Sequence Length: 192 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity
Language: multilingual
License: apache-2.0

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': 192, 'do_lower_case': False, 'architecture': 'Qwen3Model'})
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': False, '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': True, '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("sentence_transformers_model_id")
# Run inference
queries = [
    "\u0645\u0627 \u0647\u064a \u0627\u0644\u0623\u0645\u0627\u0643\u0646 \u0627\u0644\u0623\u062e\u0631\u0649 \u0627\u0644\u0645\u0647\u0645\u0629 \u062f\u0627\u062e\u0644 \u062d\u062f\u0648\u062f \u0627\u0644\u062d\u0631\u0645 \u0627\u0644\u0645\u0643\u064a \u0627\u0644\u0634\u0631\u064a\u0641\u061f",
]
documents = [
    'نظيفا»() وذكر القاضي في حديث ابن عباس في «غسل النبي  قال فجففوه بثوب»(). \\n\\nوللتفصيل ينظر (ر: تكفين). \\n\\nالتنعيم \\n\\nالتعريف: \\n\\n1 - التنعيم موضع في الحل في شمال مكة الغربي، وهو حد الحرم من جهة المدينة المنورة. \\n\\nقال الفاسي: المسافة بين باب العمرة وبين أعلام الحرم في هذه الجهة التي في الأرض لا التي على الجبل اثنا عشر ألف ذراع وأربعمائة ذراع وعشرون ذراعا بذراع اليد(). \\n\\nوإنما سمي التنعيم بهذا الاسم لأن الجبل الذي عن يمين الداخل يقال له ناعم والذي عن اليسار يقال له منعم أو نعيم والوادي نعمان(). \\n\\nالأحكام المتعلقة بالتنعيم: \\n\\n2 - أجمع الفقهاء على أن المعتمر المكي لا بد له من',
    'الملك. \\n\\nونقل القاضي زكريا عن النووي في الروضة قوله: المختار أن كون الإبراء تمليكا أو إسقاطا من المسائل التي لا يطلق فيها ترجيح، بل يختلف الراجح بحسب المسائل، لقوة الدليل وضعفه؛ لأن الإبراء إنما يكون تمليكا باعتبار أن الدين مال، وهو إنما يكون مالا في حق من له الدين، فإن أحكام المالية إنما تظهر في حقه. \\n\\nومما غلب فيه معنى التمليك عند المالكية ترجيحهم اشتراط القبول في الإبراء، كما سيأتي(). \\n\\nعلى أن هناك ما يصلح بالاعتبارين (الإسقاط والتمليك بالتساوي). ومنه ما نص عليه الحنفية أنه لو أبرأ الوارث مدين مورثه غير عالم بموته، ثم بان ميتا، فبالنظر إلى أنه إسقاط يصح، وكذا بالنظر',
    'كفارا، ولم ينكر النبي  ذلك عليه(). \\n\\nأخذ الأجرة على التعاويذ والرقى: \\n\\n28 - ذهب جمهور الفقهاء إلى جواز أخذ الأجرة على التعاويذ والرقى، وإليه ذهب عطاء، وأبو قلابة، وأبو ثور، وإسحاق، واستدلوا بحديث أبي سعيد الخدري  الذي سبق ذكره (ف - 14) واستدل الطحاوي للجواز وقال: يجوز أخذ الأجر على الرقى، لأنه ليس على الناس أن يرقي بعضهم بعضا؛ لأن في ذلك تبليغا عن الله تعالى. وكره الزهري أخذ الأجرة على القرآن مطلقا، سواء أكان للتعليم أو للرقية(). \\n\\n\\n\\nتعويض \\n\\nالتعريف: \\n\\n1 - أصل التعويض لغة: العوض، وهو البدل تقول: عوضته تعويضا إذا أعطيته بدل ما ذهب منه. وتعوض منه واعتاض: أخذ العوض()',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 1024] [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[ 0.3507, -0.0306, -0.0986]])

Evaluation

Metrics

Information Retrieval

Dataset: dim_1024
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 1024
}
```

Metric	Value
cosine_accuracy@1	0.3421
cosine_accuracy@3	0.4979
cosine_accuracy@5	0.562
cosine_accuracy@10	0.6452
cosine_precision@1	0.3421
cosine_precision@3	0.166
cosine_precision@5	0.1124
cosine_precision@10	0.0645
cosine_recall@1	0.3421
cosine_recall@3	0.4979
cosine_recall@5	0.562
cosine_recall@10	0.6452
cosine_ndcg@10	0.4867
cosine_mrr@10	0.4367
cosine_map@100	0.4445

Information Retrieval

Dataset: dim_256
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 256
}
```

Metric	Value
cosine_accuracy@1	0.2872
cosine_accuracy@3	0.4339
cosine_accuracy@5	0.5003
cosine_accuracy@10	0.5771
cosine_precision@1	0.2872
cosine_precision@3	0.1446
cosine_precision@5	0.1001
cosine_precision@10	0.0577
cosine_recall@1	0.2872
cosine_recall@3	0.4339
cosine_recall@5	0.5003
cosine_recall@10	0.5771
cosine_ndcg@10	0.4253
cosine_mrr@10	0.3774
cosine_map@100	0.3862

Training Details

Training Dataset

Unnamed Dataset

Size: 73,994 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 3 tokens
mean: 24.27 tokens
max: 52 tokens

min: 192 tokens
mean: 192.0 tokens
max: 192 tokens

	anchor	positive
type	string	string
details	min: 3 tokens mean: 24.27 tokens max: 52 tokens	min: 192 tokens mean: 192.0 tokens max: 192 tokens

Samples:

anchor	positive
`What specific practices did this group of followers engage in according to the given text?`	هذا الصنف من المتبعين قد كثر في العصور الأخيرة، فهم يعكفون على عبارات الكتب، لا يتجهون إلا إلى الالتقاط منها، من غير قصد لتعرف دليل ما \n\nيلتقطون، ويبنون عليه، بل يكتمون بأن يقولوا: هناك قول بهذا، وإن لم يكن له دليل قوي(). \n\nولقد كان لهذا الفريق أثران مختلفان: أحدهما خير، وهو ما يتعلق بالقضاء، فإنه إذا كان القضاء لا يصح إلا بالراجح من المذهب، فإن هؤلاء عملهم الاتباع لهذا الراجح، وفي ذلك ضبط للقضاء من غير أن يكون الأمر فرطا. وتقييد القضاء في الأزمان التي تنحرف فيها الأفكار واجب، بل إن الاتباع لا يكون حسنا إلا في الأحكام القضائية. \n\nالأثر الثاني: أن هذا فيه تقديس لأقوال
`How does this group's approach to understanding religious texts impact legal rulings, particularly in matters related to judicial decisions?`	هذا الصنف من المتبعين قد كثر في العصور الأخيرة، فهم يعكفون على عبارات الكتب، لا يتجهون إلا إلى الالتقاط منها، من غير قصد لتعرف دليل ما \n\nيلتقطون، ويبنون عليه، بل يكتمون بأن يقولوا: هناك قول بهذا، وإن لم يكن له دليل قوي(). \n\nولقد كان لهذا الفريق أثران مختلفان: أحدهما خير، وهو ما يتعلق بالقضاء، فإنه إذا كان القضاء لا يصح إلا بالراجح من المذهب، فإن هؤلاء عملهم الاتباع لهذا الراجح، وفي ذلك ضبط للقضاء من غير أن يكون الأمر فرطا. وتقييد القضاء في الأزمان التي تنحرف فيها الأفكار واجب، بل إن الاتباع لا يكون حسنا إلا في الأحكام القضائية. \n\nالأثر الثاني: أن هذا فيه تقديس لأقوال
`Can you explain the two contrasting effects mentioned for this group's methodology?`	هذا الصنف من المتبعين قد كثر في العصور الأخيرة، فهم يعكفون على عبارات الكتب، لا يتجهون إلا إلى الالتقاط منها، من غير قصد لتعرف دليل ما \n\nيلتقطون، ويبنون عليه، بل يكتمون بأن يقولوا: هناك قول بهذا، وإن لم يكن له دليل قوي(). \n\nولقد كان لهذا الفريق أثران مختلفان: أحدهما خير، وهو ما يتعلق بالقضاء، فإنه إذا كان القضاء لا يصح إلا بالراجح من المذهب، فإن هؤلاء عملهم الاتباع لهذا الراجح، وفي ذلك ضبط للقضاء من غير أن يكون الأمر فرطا. وتقييد القضاء في الأزمان التي تنحرف فيها الأفكار واجب، بل إن الاتباع لا يكون حسنا إلا في الأحكام القضائية. \n\nالأثر الثاني: أن هذا فيه تقديس لأقوال

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "MultipleNegativesRankingLoss",
    "matryoshka_dims": [
        1024,
        256
    ],
    "matryoshka_weights": [
        1,
        1
    ],
    "n_dims_per_step": -1
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 128
per_device_eval_batch_size: 64
gradient_accumulation_steps: 2
learning_rate: 2e-05
num_train_epochs: 2
lr_scheduler_type: cosine
warmup_ratio: 0.1
bf16: True
tf32: True
load_best_model_at_end: True
gradient_checkpointing: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 128
per_device_eval_batch_size: 64
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: 2
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
bf16: True
fp16: False
fp16_opt_level: O1
half_precision_backend: auto
bf16_full_eval: False
fp16_full_eval: False
tf32: True
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}
parallelism_config: 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
project: huggingface
trackio_space_id: trackio
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
hub_revision: None
gradient_checkpointing: True
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
include_tokens_per_second: False
include_num_input_tokens_seen: no
neftune_noise_alpha: None
optim_target_modules: None
batch_eval_metrics: False
eval_on_start: False
use_liger_kernel: False
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: True
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	dim_1024_cosine_ndcg@10	dim_256_cosine_ndcg@10
-1	-1	-	0.3765	0.3060
0.0345	10	3.2088	-	-
0.0691	20	2.879	-	-
0.1036	30	2.4085	-	-
0.1382	40	2.0405	-	-
0.1727	50	1.8785	0.4311	0.3651
0.2073	60	1.7366	-	-
0.2418	70	1.6183	-	-
0.2763	80	1.5751	-	-
0.3109	90	1.3818	-	-
0.3454	100	1.4648	0.4636	0.3970
0.3800	110	1.4749	-	-
0.4145	120	1.4677	-	-
0.4491	130	1.3521	-	-
0.4836	140	1.302	-	-
0.5181	150	1.3315	0.4675	0.4084
0.5527	160	1.3341	-	-
0.5872	170	1.3045	-	-
0.6218	180	1.3123	-	-
0.6563	190	1.2239	-	-
0.6908	200	1.2158	0.4755	0.4160
0.7254	210	1.286	-	-
0.7599	220	1.207	-	-
0.7945	230	1.1968	-	-
0.8290	240	1.2546	-	-
0.8636	250	1.1038	0.4827	0.4226
0.8981	260	1.1658	-	-
0.9326	270	1.1338	-	-
0.9672	280	1.0918	-	-
1.0	290	1.0354	-	-
1.0345	300	0.9816	0.4879	0.427
1.0691	310	0.9749	-	-
1.1036	320	0.9743	-	-
1.1382	330	0.905	-	-
1.1727	340	0.9706	-	-
1.2073	350	0.9017	0.4866	0.4252
1.2418	360	0.9318	-	-
1.2763	370	0.9577	-	-
1.3109	380	0.9529	-	-
1.3454	390	0.9866	-	-
1.3800	400	0.9696	0.4863	0.4243
1.4145	410	0.9322	-	-
1.4491	420	0.9313	-	-
1.4836	430	0.9352	-	-
1.5181	440	0.9885	-	-
1.5527	450	0.873	0.4864	0.4254
1.5872	460	0.9204	-	-
1.6218	470	0.9117	-	-
1.6563	480	0.8663	-	-
1.6908	490	0.9397	-	-
1.7254	500	0.8624	0.4873	0.4259
1.7599	510	0.91	-	-
1.7945	520	0.9202	-	-
1.8290	530	0.9903	-	-
1.8636	540	0.8564	-	-
1.8981	550	0.9594	0.4867	0.4253
1.9326	560	0.9858	-	-
1.9672	570	0.9477	-	-
2.0	580	0.9216	-	-

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.12.0
Sentence Transformers: 5.1.2
Transformers: 4.57.1
PyTorch: 2.8.0+cu128
Accelerate: 1.11.0
Datasets: 4.4.1
Tokenizers: 0.22.1

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",
}

MatryoshkaLoss

@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

@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}
}