Instructions to use vsevolodl/qwen3-embed-v4-bashar_docs-192-hn with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use vsevolodl/qwen3-embed-v4-bashar_docs-192-hn with sentence-transformers:

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("vsevolodl/qwen3-embed-v4-bashar_docs-192-hn")

sentences = [
"According to which school of thought does the contract become valid if it specifies planting and sowing but does not mention the quantity?",
"المدة، وليس من مقتضيات العقد، فهو شرط فاسد عند الحنفية تفسد به الإجارة عندهم، لكن المالكية أجازوا اشتراط أن يسمدها بنوع معين وقدر معين من السماد؛ لأنه منفعة تبقى في الأرض، فهو جزء من الأجرة(). \\n\\nأما إذا شرط عليه أن يزرع بنفسه فقط، أو أن يزرع قمحا فقط، فإنه شرط مخالف لمقتضى العقد، ولا يلزم الوفاء به، فله أن يزرع بنفسه وبغيره، وله أن يزرع قمحا أو ما هو مثله أو أقل منه ضررا بالأرض، لا ما هو أكثر. وعللوا ذلك بأنه شرط لا يؤثر في حق المؤجر، فألغي، وبقي العقد على مقتضاه. وفي وجه عند الشافعية أن الإجارة تبطل؛ لأنه شرط فيها ما ينافي موجبها. وفي وجه آخر أن الإجارة جائزة والشرط",
"شيئا من ذلك فقيل: يجبر على القلع؛ لأن العقد على مدة، وقد انقضت. وقيل: لا يجبر؛ لأن الزرع معلوم. ولزمه أجر المثل للزائد. \\n\\nوإن كان الزرع غير معين، فإن كان بتفريط منه، فللمكتري أن يجبره على قلعه؛ لأنه لم يعقد إلا على المدة. وإن كان لعذر، فقيل: يجبر أيضا. وقيل: لا يجبر. وهو الصحيح؛ لأنه تأخر من غير تفريط منه. وعليه المسمى إلى نهاية المدة، وأجرة المثل لما زاد(). \\n\\nوفي الغراس قالوا: إنه يجوز اشتراط التبقية؛ لأن العقد يقتضيه. وإن شرط عليه القلع أخذ بالشرط، ولا يلزمه تسوية الأرض. وإن أطلق لم يلزمه القلع، إذ العادة في الغراس التبقية إلى أن يجف ويستقلع. وإن اختار القلع وكان قبل",
"نوع ما يزرع أو يغرس، وإلا فسد العقد؛ لأن الأرض تستأجر للزراعة وغيرها، وما يزرع فيها، منه ما يضر بالأرض وما لا يضر، فلم يكن المعقود عليه معلوما. ولذا وجب البيان، أو يجعل له أن ينتفع بها ما شاء. وحكي عن ابن سريج أيضا أنه قال: لا يصح حتى يبين الزرع؛ لأن ضرره يختلف(). \\n\\nوقال الحنفية: إن زرعها مع ذلك الفساد ومضى الأجل، فللمؤجر المسمى، استحسانا، وفي القياس لا يجوز، وهو قول زفر؛ لأن العقد وقع فاسدا، فلا ينقلب جائزا. \\n\\nووجه الاستحسان أن الجهالة ارتفعت قبل تمام العقد(). \\n\\nأحكام إجارة الأرض الزراعية: \\n\\nالتزامات المؤجر: \\n\\n87 - يجب تسليم الأرض خالية إلى المستأجر. فإن استأجر أرضا",
"90 - إذا كانت الإجارة على مدة، وانقضت المدة، انقضت الإجارة اتفاقا. ويبقى الزرع في الأرض إذا كان لم يحن حصاده. وعليه الأجر المسمى عن المدة، زائدا أجر المثل عن المدة الزائدة. \\n\\nولفقهاء المذاهب بعض تفصيلات في ذلك، وفيما إذا كانت الأرض استأجرها للغراس لا للزرع: \\n\\nفقال الحنفية: إذا استأجرها ليغرس بها شجرا وانقضت المدة، لزمه أن يقلع الشجر ويسلم الأرض فارغة. وقيل: يتركها بأجر المثل، إلا أن يختار صاحب الأرض أن يغرم قيمة ذلك مقلوعا إن كان في قلعها ضرر فاحش بالأرض. وإلا قلعها من غير ضمان النقص له. لأن تقدير المدة في الإجارة يقتضي التفريغ عند انقضائها، كما لو استأجرها للزرع().",
"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"
]
embeddings = model.encode(sentences)

similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [6, 6]

Notebooks
Google Colab
Kaggle

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\u0646 \u0647\u0648 \u0631\u062c\u0644 \u0628\u0631\u064a\u0631\u0629 \u0627\u0644\u0630\u064a \u0643\u0627\u0646\u062a \u0632\u0648\u062c\u062a\u0647 \u0644\u0647 \u0642\u062f \u0627\u0639\u062a\u0642\u062a\u061f",
]
documents = [
    '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',
    'وفي كلامهم عن الخلع \\n\\nمع غيبة الزوجة لم يأتوا بجديد يخالف حضور الزوجة، ولم يخصوا الوكيل بجديد كذلك(). \\n\\nاتحاد مجلس المخيرة: \\n\\n20 - المخيرة هي التي ملكها زوجها طلاقها بقوله لها مثلا: اختاري نفسك. \\n\\nومذهب الحنفية ورواية عن مالك أنه لو خير امرأته أو جعل أمرها بيدها، فلها أن تختار ما دامت في مجلسها - قال الحنفية: ولو طال يوما أو أكثر - فلو قامت أو أخذت في عمل آخر خرج الأمر من يدها لأنه دليل الإعراض والتخيير يبطل بصريح الإعراض فكذلك بما يدل عليه، غير أن العبرة عند الحنفية بمجلس الزوجة لا بمجلس الزوج؛ لأنه تمليك، والعبرة عند المالكية بمجلسهما معا(). \\n\\nوالشافعية - على الأصح -',
    'كتبسم البكر البالغة، وضحكها ضحك سرور وابتهاج، وسكوتها وقبضها مهرها، عند إعلام وليها إياها أنه زوجها من فلان، فإنها قرينة قوية على إجازتها، بخلاف بكائها بصوت مرتفع وولولتها، فهي قرينة على الرفض.() \\n\\nومن القرائن القوية السكوت في موطن الحاجة إلى الإبطال، كسكوت صاحب الحاجة عند رؤية \\n\\nحاجته يبيعها صغيره المميز في السوق() وغيرها(). \\n\\nالطريقة الخامسة: \\n\\n19 - زوال حالة أوجبت عدم نفاذ التصرف، كما هو الحال في تصرفات الرجل المرتد عن الإسلام من معاوضات مالية كالبيع والإجارة، أو تبرعات كالهبة والوصية والوقف، فإن الإمام أبا حنيفة يعتبر سائر عقود المرتد وتصرفاته المالية موقوفة غير',
]
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([[0.5765, 0.3147, 0.2615]])

Evaluation

Metrics

Information Retrieval

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

Metric	Value
cosine_accuracy@1	0.3463
cosine_accuracy@3	0.506
cosine_accuracy@5	0.572
cosine_accuracy@10	0.6464
cosine_precision@1	0.3463
cosine_precision@3	0.1687
cosine_precision@5	0.1144
cosine_precision@10	0.0646
cosine_recall@1	0.3463
cosine_recall@3	0.506
cosine_recall@5	0.572
cosine_recall@10	0.6464
cosine_ndcg@10	0.4911
cosine_mrr@10	0.4419
cosine_map@100	0.4498

Information Retrieval

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

Metric	Value
cosine_accuracy@1	0.2849
cosine_accuracy@3	0.4355
cosine_accuracy@5	0.4981
cosine_accuracy@10	0.576
cosine_precision@1	0.2849
cosine_precision@3	0.1452
cosine_precision@5	0.0996
cosine_precision@10	0.0576
cosine_recall@1	0.2849
cosine_recall@3	0.4355
cosine_recall@5	0.4981
cosine_recall@10	0.576
cosine_ndcg@10	0.4239
cosine_mrr@10	0.3759
cosine_map@100	0.3844

Training Details

Training Dataset

Unnamed Dataset

Size: 73,994 training samples
Columns: anchor, positive, negative_1, negative_2, negative_3, and negative_4

Approximate statistics based on the first 1000 samples:

	anchor	positive	negative_1	negative_2	negative_3	negative_4
type	string	string	string	string	string	string
details	min: 3 tokens mean: 24.27 tokens max: 52 tokens	min: 192 tokens mean: 192.0 tokens max: 192 tokens	min: 192 tokens mean: 192.0 tokens max: 192 tokens	min: 192 tokens mean: 192.0 tokens max: 192 tokens	min: 192 tokens mean: 192.0 tokens max: 192 tokens	min: 192 tokens mean: 192.0 tokens max: 192 tokens

Samples:

anchor	positive	negative_1	negative_2	negative_3	negative_4
`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	ما \n\nجرت به العادة اليوم من الاجتماع، بل جاء الترغيب فيه على الجملة.» فذكر أدلة كثيرة ثم قال: «فتحصل بعد ذلك كله من المجموع أن عمل الأئمة منذ الأزمنة المتقادمة مستمر في مساجد الجماعات، وهي مساجد الجوامع، وفي مساجد القبائل، وهي مساجد الأرباض والروابط، على الجهر بالدعاء بعد الفراغ من الصلوات، على الهيئة المتعارفة الآن، من تشريك الحاضرين، وتأمين السامعين، وبسط الأيدي ومدها عند السؤال والتضرع والابتهال من غير منازع.» \n\nوكرهه مالك وجماعة غيره من المالكية، لما يقع في نفس الإمام من التعاظم. وبقية القائلين بالدعاء عقب الصلاة يسرون به ندبا، على تفصيل(). (ر: دعاء). \n\nآنية	من حيث قوة دليلها. \n\nب - المتبعون: \n\nنقصد بهؤلاء الذين يتبعون غيرهم في كل ما يتعلق بالمذهب، فيتبعون من سبقهم في الاجتهاد وفي الترجيح بين الآراء وفي الاستدلال، وفي الترجيح في النقل وفي سلامته. فهؤلاء ليس لهم إلا فهم الكتب التي اشتملت على الترجيح، فلا يستطيعون الترجيح بين الروايات، ولم يؤتوا علما كعلم المرجحين في أي باب من أبواب الترجيح وتمييز درجات الترجيح. وهؤلاء قال فيهم ابن عابدين: لا يفرقون بين الغث والسمين، ولا يميزون الشمال من اليمين، بل يجمعون ما يجدون كحاطب ليل، فالويل كل الويل لمن قلدهم. \n\nوإن هذا الصنف من المتبعين قد كثر في العصور الأخيرة، فهم يعكفون على	للاجتهاد من ليس أهلا له، إما رهبة أو رغبة، فسدا للذرائع أفتوا بإقفال باب الاجتهاد. \n\nوتعرض بعض من خالف الأوائل في آرائهم لسخط العامة والخاصة، ولكن مع هذا فقد كان يظهر بين الفينة والفينة من ادعى الاجتهاد أو ادعي له، وكانت لهم اجتهادات لا بأس بها كابن تيمية وتلميذه ابن القيم، والكمال بن الهمام الحنفي المذهب. فقد كانت له اجتهادات خرج فيها على المذهب... ومن هؤلاء تاج الدين السبكي صاحب جمع الجوامع، وأبوه من قبله. وأيا ما كان فقد كان اجتهاد هؤلاء لا يخرج عن ترجيح رأي على رأي، أو حل لمشكلة عارضة لم يتعرض لها الأئمة المتقدمون. \n\nوالذي ندين الله عليه أنه لا بد أن يكون في الأمة	بالأعضاء المخصوصة، والصلاة بتلك الهيئة من رفع اليدين والقيام والركوع والسجود، وكونها على بعض الهيئات دون بعض، واختصاص الصيام بالنهار دون الليل، وتعيين أوقات الصلوات في تلك الأحيان المعينة دون سواها من أحيان النهار والليل، واختصاص الحج بتلك الأعمال المعروفة، في الأماكن المعلومة، وإلى مسجد مخصوص، إلى أشباه ذلك مما لا تهتدي العقول إليه بوجه، ولا تحوم حوله، يأتي بعض الناس فيطرق إليه بزعمه حكما، يزعم أنها مقصود الشارع من تلك الأوضاع، وجميعها مبني على ظن وتخمين غير مطرد في بابه، ولا مبني عليه عمل، بل كالتعليل بعد السماع للأمور الشواذ، لجنايته على الشريعة في دعوى ما ليس لنا
`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	المسائل وأحكامها هي طريقة (الاتجاهات الفقهية) وهي تختلف عن فصل المذاهب وتكرار المسألة. \n\nففي الطريقة المختارة تحصر الآراء المتعددة في المسألة، متبوعة بما يندرج تحت \n\nكل اتجاه من مذهب أو أكثر، وإذا كان في المذهب الواحد أكثر من رأي فإنه يتكرر ذكره بحسب تلك الروايات مع الاتجاهات المناسبة لها. \n\nويقدم الاتجاه الذي ذهب إليه أكثر الفقهاء (الجمهور) إلا حيث تقضي منطقية البيان بمخالفة ذلك لتقديم البسيط على ما فيه تركيب أو تفصيل، وكالبدء بما يتوقف عليه فهم ما بعده. \n\nوالباعث على سلوك هذه الطريقة - المعروفة صعوبتها على الكتاب - كفاية المستفيد من الموسوعة مهمة استخلاص مواطن الوفاق	أقواها ترجيحا وأكثرها اعتمادا على أصول المذهب، أو ما يكون أكثر عددا، أو ما يكون صاحبه أكثر حجية في المذهب. \n\nوهؤلاء لهم حق الإفتاء كالسابقين، ولكن في دائرة ضيقة عن الأولين. وقد قال فيهم ابن عابدين: ولا شك أن معرفة راجح المختلف من مرجوحه ومراتبه قوة وضعفا هو نهاية مآل المشمرين في تحصيل العلم. فالمفروض على المفتي والقاضي التثبت في الجواب، وعدم المجازفة فيه، خوفا من الافتراء على الله تعالى بتحليل حرامه وتحريم ضده(). \n\nونرى أن هذه الطبقة دراستها دراسة جمع وتصنيف وترتيب للأقوال في المذهب من حيث صحة نقلها، لا من حيث قوة دليلها. \n\nب - المتبعون: \n\nنقصد بهؤلاء الذين يتبعون	المعاني القانونية أو العرفية غير المرادة للفقهاء. \n\nب - الترجيح الشخصي: \n\n54 - يقصد بهذا الترجيح الخارج عن شمول الموسوعة كل ما لم ينقل عن فقهاء المذاهب خلال القرون الثلاثة عشر الهجرية، ومحل ذلك ملحق المسائل المستحدثة. ويدخل في المنع بالأولوية رأي الكاتب الشخصي فلا يثبت منه شيئا إلا حين تمس الحاجة لإبداء ما فهمه من المنقول حسب أصول المذاهب، وبعبارة تشعر بذلك. \n\nوهناك بديل عن الترجيح الذي يركن إليه البعض في مواطن الخلاف هو الاتجاه الموافق للجمهور، والمقدم غالبا على غيره عند عرض الاتجاهات. \n\nج - المناقشات المذهبية: \n\n55 - يقتصر في الاستدلال لكل اتجاه بمذاهبه على ما يحتج	كما لم يعرف عن أحد من فقهاء هذا العهد أنه بنى رأيا على نظرية قانونية بعيدة عن المصادر الشرعية المعروفة، وإلا فليدلنا هؤلاء المشككون على مسألة واحدة ليس لها مصدر شرعي، من المسائل التي أثيرت في هذا العهد. \n\nوالمسائل المبنية على الأعراف خاضعة للميزان الشرعي، فإن رد الإسلام عرفا منها فلا قيمة له، والأخذ به ضلالة، وإن اعتبره أخذ به، لا على أنه عرف ولكن على أنه معتمد على النص، وإن سكت عنه كان الأخذ به أو رده مبنيا على المصلحة. \n\n21 - وبالرغم من أن هذا العهد كانت فيه فتن كبرى إلا أن هذه الفتن كان تأثيرها يكاد ينحصر في أمر الخلافة وما يتصل بها من أحكام. \n\n22 - وبالرغم من أن
`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	يؤخذ بالاعتبار في مصطلحات الموسوعة. ويشار أيضا إلى موطن بحثه في الموسوعة كلما أمكن ذلك. \n\nواستخدام طريقة (الإحالات) لم يكن منه بد لتحقيق أمرين: \n\n(1) تحاشي التكرار للبيانات الواحدة عن المصطلح، مرة مستقلا ومرة مندرجا ضمن أصله مع أشباهه ونظائره.. فاختير التعجيل في أحد الموطنين ببيانات إجمالية: إما أن يكتفى بها وإما أن تمهد للتفصيل الوارد في الموطن الآخر (الأولى بذلك). \n\n(2) مراعاة حاجة غير المختص في إسعافه بمطلبه سواء اتجه إليه من جهة \n\nالأصل أو الفرع بدلا من إهدار بعض الاحتمالات التي قد تتكافأ فيعذر في انصراف ذهنه إلى أحدها. \n\nج - مصطلحات الدلالة: \n\n65 - وهي المصطلحات	المواريث إما أن يكونا متماثلين، وإما أن يكونا مختلفين. وفي حال اختلافهما إما أن يفنى الأكثر بالأقل، وإما أن يفنيهما عدد ثالث، وإما أن لا يفنيهما إلا واحد ليس بعدد، بل هو مبدؤه، فهذه أربعة أقسام. وقد وقع التداخل في القسم الثاني منها، وهو ما إذا اختلفا وفني الأكثر بالأقل عند إسقاطه من الأكثر مرتين فأكثر منهما، فيقال حينئذ: إنهما متداخلان، كثلاثة مع ستة أو تسعة أو خمسة عشر، فإن الستة تفنى بإسقاط الثلاثة مرتين، والتسعة بإسقاطها ثلاث مرات، والخمسة عشر بإسقاطها خمس مرات؛ لأنها خمسها، وسميا متداخلين لدخول الأقل في الأكثر. \n\nوحكم الأعداد المتداخلة: أنه يكتفى فيها بالأكبر ويجعل	هو مسلك «السبر والتقسيم» فلا يحسن عده نوعا آخر. \n\nورد عليه بأن بينهما فرقا ظاهرا؛ وذلك أن الحصر في دلالة السبر والتقسيم لتعيين العلة إما استقلالا أو اعتبارا، وفي تنقيح المناط لتعيين الفارق وإبطاله، لا لتعيين العلة(). \n\nالحكم الإجمالي: \n\n4 - تنقيح المناط مسلك من مسالك العلة، ولكنه دون تحقيق المناط في المرتبة، وقد أقر به أكثر منكري القياس بل قال أبو حنيفة: \n\nلا قياس في الكفارات، وأثبت هذا النمط من التصرف وسماه استدلالا. \n\nيقول الغزالي: فمن جحد هذا الجنس من منكري القياس وأصحاب الظاهر لم يخف فساد كلامه. \n\nوقد نازع العبدري الغزالي بأن الخلاف فيه ثابت بين من يثبت القياس	ذهبوا إليه. وهؤلاء هم الذين يعتمد عليهم في تحقيق المذهب وتثبيت قواعده وجمع شتاته. \n\nد - المجتهدون المرجحون وهؤلاء مهمتهم ترجيح بعض الروايات على بعض، مراعين القواعد التي وضعها المتقدمون في هذا الباب، وبعض العلماء جعلوا هاتين الطبقتين - ج، د - طبقة واحدة. \n\nه - طبقة المستدلين: وهؤلاء لا يستنبطون ولا يرجحون قولا على قول، ولكن يستدلون للأقوال، ويبينون ما اعتمدت عليه، ويوازنون بين الأدلة من غير ترجيح للحكم، ولا بيان لما هو أجدر بالعمل. \n\nوأنت إذا دققت النظر رأيت أن هذه الطبقة لا تقل قدرا عن سابقتيها، إذ \n\nلا يعقل أن يكون اشتغالهم بالاستدلال للأحكام لا ينتهي إلى ترجيح رأي

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "CachedMultipleNegativesRankingLoss",
    "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	0.3058
0.0345	10	6.2354	-	-
0.0691	20	5.817	-	-
0.1036	30	5.1753	-	-
0.1382	40	4.5321	-	-
0.1727	50	4.3993	0.4441	0.3700
0.2073	60	4.2201	-	-
0.2418	70	3.9258	-	-
0.2763	80	3.7359	-	-
0.3109	90	3.5542	-	-
0.3454	100	3.5922	0.4758	0.4022
0.3800	110	3.6045	-	-
0.4145	120	3.4977	-	-
0.4491	130	3.3215	-	-
0.4836	140	3.3402	-	-
0.5181	150	3.2965	0.4793	0.4113
0.5527	160	3.1349	-	-
0.5872	170	3.2717	-	-
0.6218	180	3.1613	-	-
0.6563	190	3.0922	-	-
0.6908	200	3.0056	0.4905	0.4227
0.7254	210	3.0313	-	-
0.7599	220	3.0436	-	-
0.7945	230	2.9883	-	-
0.8290	240	2.9607	-	-
0.8636	250	2.8713	0.4932	0.4240
0.8981	260	2.9252	-	-
0.9326	270	2.7817	-	-
0.9672	280	2.9204	-	-
1.0	290	2.2089	-	-
1.0345	300	2.5036	0.4921	0.4213
1.0691	310	2.4975	-	-
1.1036	320	2.5647	-	-
1.1382	330	2.4802	-	-
1.1727	340	2.5884	-	-
1.2073	350	2.467	0.4924	0.4261
1.2418	360	2.3885	-	-
1.2763	370	2.488	-	-
1.3109	380	2.5463	-	-
1.3454	390	2.5063	-	-
1.3800	400	2.4852	0.4923	0.4233
1.4145	410	2.484	-	-
1.4491	420	2.457	-	-
1.4836	430	2.4815	-	-
1.5181	440	2.5038	-	-
1.5527	450	2.4566	0.4910	0.4242
1.5872	460	2.4782	-	-
1.6218	470	2.431	-	-
1.6563	480	2.4818	-	-
1.6908	490	2.4863	-	-
1.7254	500	2.4198	0.4908	0.4236
1.7599	510	2.4795	-	-
1.7945	520	2.5094	-	-
1.8290	530	2.4374	-	-
1.8636	540	2.4466	-	-
1.8981	550	2.5209	0.4911	0.4239
1.9326	560	2.5321	-	-
1.9672	570	2.4244	-	-
2.0	580	2.2106	-	-

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}
}

CachedMultipleNegativesRankingLoss

@misc{gao2021scaling,
    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup},
    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},
    year={2021},
    eprint={2101.06983},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

Downloads last month: 15

Safetensors

Model size

0.6B params

Tensor type

BF16

Model tree for vsevolodl/qwen3-embed-v4-bashar_docs-192-hn

Base model

Qwen/Qwen3-0.6B-Base

Finetuned

Qwen/Qwen3-Embedding-0.6B

Finetuned

(534)

this model

Papers for vsevolodl/qwen3-embed-v4-bashar_docs-192-hn

Evaluation results

Cosine Accuracy@1 on dim 1024
self-reported

0.346
Cosine Accuracy@3 on dim 1024
self-reported

0.506
Cosine Accuracy@5 on dim 1024
self-reported

0.572
Cosine Accuracy@10 on dim 1024
self-reported

0.646
Cosine Precision@1 on dim 1024
self-reported

0.346
Cosine Precision@3 on dim 1024
self-reported

0.169
Cosine Precision@5 on dim 1024
self-reported

0.114
Cosine Precision@10 on dim 1024
self-reported

0.065