Hugging Face's logo

anhtuansh
/
gte-multilingual-base-Matryoshka-1e-11k

Sentence Similarity
sentence-transformers
Safetensors
new
feature-extraction
Generated from Trainer
dataset_size:10200
loss:MatryoshkaLoss
loss:MultipleNegativesRankingLoss
custom_code
Eval Results
text-embeddings-inference
Inference Endpoints
Model card Files Community
anhtuansh commited on
Commit
10bf037
•
1 Parent(s): 4093765

Add new SentenceTransformer model

Browse files
Files changed (11) hide show
  1. .gitattributes +1 -0
  2. 1_Pooling/config.json +10 -0
  3. README.md +886 -0
  4. config.json +50 -0
  5. config_sentence_transformers.json +10 -0
  6. model.safetensors +3 -0
  7. modules.json +20 -0
  8. sentence_bert_config.json +4 -0
  9. special_tokens_map.json +51 -0
  10. tokenizer.json +3 -0
  11. tokenizer_config.json +54 -0
.gitattributes CHANGED
@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
 
 
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
36
+ tokenizer.json filter=lfs diff=lfs merge=lfs -text
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": true,
4
+ "pooling_mode_mean_tokens": false,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": false,
9
+ "include_prompt": true
10
+ }
README.md ADDED
@@ -0,0 +1,886 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: Alibaba-NLP/gte-multilingual-base
3
+ library_name: sentence-transformers
4
+ metrics:
5
+ - cosine_accuracy@1
6
+ - cosine_accuracy@3
7
+ - cosine_accuracy@5
8
+ - cosine_accuracy@10
9
+ - cosine_precision@1
10
+ - cosine_precision@3
11
+ - cosine_precision@5
12
+ - cosine_precision@10
13
+ - cosine_recall@1
14
+ - cosine_recall@3
15
+ - cosine_recall@5
16
+ - cosine_recall@10
17
+ - cosine_ndcg@10
18
+ - cosine_mrr@10
19
+ - cosine_map@100
20
+ pipeline_tag: sentence-similarity
21
+ tags:
22
+ - sentence-transformers
23
+ - sentence-similarity
24
+ - feature-extraction
25
+ - generated_from_trainer
26
+ - dataset_size:10200
27
+ - loss:MatryoshkaLoss
28
+ - loss:MultipleNegativesRankingLoss
29
+ widget:
30
+ - source_sentence: 1.500.000 ( một triệu năm trăm_nghìn ) đồng / giấy_phép ( theo
31
+ quy_định tại khoản b điều 4 thông_tư số 143 / 2016 / tt - btc ngày 26 / 9 / 2016
32
+ của bộ tài_chính , có hiệu_lực thi_hành kể từ ngày 01 / 01 / 2017 ) .
33
+ sentences:
34
+ - 'phí lệ_phí của thủ_tục : thủ_tục cấp lại giấy_phép thành_lập văn_phòng đại_diện
35
+ của thương_nhân nước_ngoài tại việt_nam là bao_nhiêu ?'
36
+ - khi nào người giải_quyết tố_cáo tạm đình_chỉ việc giải_quyết tố_cáo ?
37
+ - người điều_khiển , người đi trên phương_tiện , phương_tiện xuất_cảnh , nhập_cảnh
38
+ qua cửa_khẩu biên_giới đất_liền phải thực_hiện thủ_tục biên_phòng điện_tử như
39
+ thế_nào ?
40
+ - source_sentence: "bước 1 : tổ_chức sử_dụng đất chuẩn_bị hồ_sơ theo quy_định của\
41
+ \ pháp_luật ; \n bước 2 : tổ_chức sử_dụng đất nộp hồ_sơ tại bộ_phận hành_chính\
42
+ \ công về tài_nguyên và môi_trường của ban quản_lý khu kinh_tế quảng_ninh tại\
43
+ \ trung_tâm phục_vụ hành_chính công tỉnh ; \n bước 3 : cán_bộ bộ_phận hành_chính\
44
+ \ công về tài_nguyên và môi_trường kiểm_tra hồ_sơ và trao giấy tiếp_nhận hồ_sơ\
45
+ \ cho nhà đầu_tư ; \n bước 4 : tổ_chức sử_dụng đất căn_cứ thời_gian ghi trên giấy\
46
+ \ tiếp_nhận hồ_sơ đến trung_tâm phục_vụ hành_chính công_nhận kết_quả ."
47
+ sentences:
48
+ - khiếu_nại quyết_định kỷ_luật cán_bộ , công_chức được thực_hiện trong trường_hợp
49
+ nào ?
50
+ - 'trình_tự thực_hiện của thủ_tục : thủ_tục miễn , giảm tiền thuê đất trong khu
51
+ kinh_tế ( trừ khu kinh_tế vân_đồn ) là gì ?'
52
+ - trường_hợp đã hết thời_hiệu yêu_cầu thi_hành án , đề_nghị khôi_phục thời_hiệu
53
+ thi_hành án cần những thủ_tục gì ?
54
+ - source_sentence: "theo quy_định tại nghị_định số 91 / 2017 / nđ - cp ngày 31 / 7\
55
+ \ / 2017 của chính_phủ quy_định chi_tiết thi_hành luật sửa_đổi , bổ_sung một_số\
56
+ \ điều của luật thi_đua , khen_thưởng năm 2013 : \n trong thời_hạn 20 ngày_ngày\
57
+ \ làm_việc ( 30 ngày làm_việc đối_với trường_hợp phải lấy ý_kiến hiệp y ) kể từ\
58
+ \ ngày nhận đủ hồ_sơ theo quy_định , trưởng ban ban thi_đua - khen_thưởng trung_ương\
59
+ \ trình thủ_tướng chính_phủ xem_xét , quyết_định ; \n sau khi nhận được quyết_định\
60
+ \ khen_thưởng của thủ_tướng chính_phủ , trong thời_hạn 10 ngày làm_việc , ban\
61
+ \ thi_đua - khen_thưởng trung_ương sao quyết_định và thông_báo kết_quả khen_thưởng\
62
+ \ cho bộ , ban , ngành , tỉnh , đoàn_thể trung_ương trình khen_thưởng ; \n sau\
63
+ \ khi nhận được quyết_định khen_thưởng của cấp có thẩm_quyền , trong thời_hạn\
64
+ \ 10 ngày làm_việc , cơ_quan trình khen_thưởng thông_báo và gửi kết_quả khen_thưởng\
65
+ \ cho các trường_hợp được khen_thưởng ; \n đối_với các trường_hợp không đủ điều_kiện\
66
+ \ , tiêu_chuẩn , hồ_sơ theo quy_định , trong thời_hạn 10ngày làm_việc kể từ ngày\
67
+ \ nhận đủ hồ_sơ theo quy_định , ban thi_đua - khen_thưởng trung_ương thông_báo\
68
+ \ bằng văn_bản cho bộ , ban , ngành , tỉnh , đoàn_thể trung_ương trình khen_thưởng\
69
+ \ ."
70
+ sentences:
71
+ - yêu_cầu về xác_nhận quá_trình thực_hành trong cấp chứng_chỉ hành_nghề khám chữa
72
+ bệnh là gì ?
73
+ - đề_nghị cho biết thời_hạn thực_hiện thủ_tục tặng_thưởng " cờ thi_đua của chính_phủ
74
+ " về thành_tích thi_đua theo đợt hoặc chuyên_đề
75
+ - vợ_chồng tôi năm nay được 38 tuổi , nghề_nghiệp là nông_dân . vợ_chồng tôi muốn
76
+ tham_gia bhxh tự_nguyện để khi về già có lương hưu . vậy vợ_chồng tôi có được
77
+ đóng bhxh không ?
78
+ - source_sentence: theo quy_định tại điểm c khoản 1 điều 211 luật doanh_nghiệp , trường_hợp_doanh_nghiệp
79
+ ngừng hoạt_động_kinh_doanh 01 năm mà không thông_báo với cơ_quan đăng_ký kinh_doanh
80
+ và cơ_quan thuế thì doanh_nghiệp thuộc trường_hợp bị thu_hồi giấy chứng_nhận đăng_ký
81
+ doanh_nghiệp . - trình_tự , thủ_tục thu_hồi giấy chứng_nhận đăng_ký doanh_nghiệp
82
+ thực_hiện theo quy_định tại khoản 3 điều 63 nghị_định số 78 / 2015 / nđ - cp được
83
+ sửa_đổi , bổ_sung tại khoản 20 điều 1 nghị_định số 108 / 2018 / nđ - cp sửa_đổi
84
+ , bổ_sung một_số điều của nghị_định số 78 / 2015 / nđ - cp. theo đó , phòng đăng_ký
85
+ kinh_doanh thông_báo bằng văn_bản về hành_vi vi_phạm và yêu_cầu người đại_diện
86
+ theo pháp_luật của doanh_nghiệp đến trụ_sở của phòng để giải_trình . sau 10 ngày
87
+ làm_việc , kể từ ngày kết_thúc thời_hạn hẹn trong thông_báo mà người được yêu_cầu
88
+ không đến hoặc nội_dung giải_trình không được chấp_thuận thì phòng đăng_ký kinh_doanh
89
+ ra quyết_định thu_hồi giấy chứng_nhận đăng_ký doanh_nghiệp . - như_vậy , theo
90
+ quy_định nêu trên việc công_ty ngừng hoạt_động_kinh_doanh 01 năm mà không thông_báo
91
+ với cơ_quan đăng_ký kinh_doanh và cơ_quan thuế là vi_phạm_quy_định pháp_luật và
92
+ thuộc một trong các trường_hợp bị thu_hồi giấy chứng_nhận đăng_ký doanh_nghiệp
93
+ .
94
+ sentences:
95
+ - thủ_tục và hồ_sơ xin phép chuyển_đổi mục_đích sử_dụng , di_dời , tháo_dỡ ?
96
+ - thời_gian đăng_ký hoạt_động của chi_nhánh của tổ_chức trọng_tài nước_ngoài tại
97
+ việt_nam được quy_định như thế_nào ?
98
+ - công_ty tnhh xyz ngừng hoạt_động_kinh_doanh 01 năm mà không thông_báo với cơ_quan
99
+ đăng_ký kinh_doanh và cơ_quan thuế ? trong trường_hợp này , công_ty bị thu_hồi
100
+ giấy chứng_nhận đăng_ký doanh_nghiệp thì có đúng quy_định pháp_luật hiện_hành
101
+ không ?
102
+ - source_sentence: 'thời_hạn giải_quyết việc gia_hạn thời_gian học_tập cho lưu học_sinh
103
+ để hoàn_thành khóa học như sau : tối_đa 20 ngày làm_việc kể từ ngày nhận đủ hồ_sơ
104
+ hợp_lệ .'
105
+ sentences:
106
+ - tôi muốn hỏi về gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa
107
+ học , có thời_hạn giải_quyết như thế_nào ?
108
+ - thành_phần hồ_sơ giải_quyết chế_độ hỗ_trợ đối_với người việt_nam có công với cách_mạng
109
+ quy_định tại nghị_định số 102 / 2018 / nđ - cp ngày 20 / 7 / 2018 của chính_phủ
110
+ về chế_độ hỗ_trợ và một_số chế_độ đãi_ngộ khác đối_với người việt_nam có công
111
+ với cách_mạng , người tham_gia kháng_chiến , chiến_tranh bảo_vệ tổ_quốc và làm
112
+ nhiệm_vụ quốc_tế đang định_cư ở nước_ngoài ( nghị_định số 102 / 2018 / nđ - cp
113
+ ) , bao_gồm những giấy_tờ gì ?
114
+ - nhiệm_vụ thiết_kế bvtc gồm nội_dung gì ? đơn_vị lập và thẩm_quyền phê_duyệt nhiệm_vụ
115
+ thiết_kế bvtc ?
116
+ model-index:
117
+ - name: SentenceTransformer based on Alibaba-NLP/gte-multilingual-base
118
+ results:
119
+ - task:
120
+ type: information-retrieval
121
+ name: Information Retrieval
122
+ dataset:
123
+ name: dim 768
124
+ type: dim_768
125
+ metrics:
126
+ - type: cosine_accuracy@1
127
+ value: 0.5502645502645502
128
+ name: Cosine Accuracy@1
129
+ - type: cosine_accuracy@3
130
+ value: 0.7151675485008818
131
+ name: Cosine Accuracy@3
132
+ - type: cosine_accuracy@5
133
+ value: 0.7716049382716049
134
+ name: Cosine Accuracy@5
135
+ - type: cosine_accuracy@10
136
+ value: 0.818342151675485
137
+ name: Cosine Accuracy@10
138
+ - type: cosine_precision@1
139
+ value: 0.5502645502645502
140
+ name: Cosine Precision@1
141
+ - type: cosine_precision@3
142
+ value: 0.23838918283362726
143
+ name: Cosine Precision@3
144
+ - type: cosine_precision@5
145
+ value: 0.15432098765432098
146
+ name: Cosine Precision@5
147
+ - type: cosine_precision@10
148
+ value: 0.08183421516754849
149
+ name: Cosine Precision@10
150
+ - type: cosine_recall@1
151
+ value: 0.5502645502645502
152
+ name: Cosine Recall@1
153
+ - type: cosine_recall@3
154
+ value: 0.7151675485008818
155
+ name: Cosine Recall@3
156
+ - type: cosine_recall@5
157
+ value: 0.7716049382716049
158
+ name: Cosine Recall@5
159
+ - type: cosine_recall@10
160
+ value: 0.818342151675485
161
+ name: Cosine Recall@10
162
+ - type: cosine_ndcg@10
163
+ value: 0.6852873293977579
164
+ name: Cosine Ndcg@10
165
+ - type: cosine_mrr@10
166
+ value: 0.6424529688418579
167
+ name: Cosine Mrr@10
168
+ - type: cosine_map@100
169
+ value: 0.6476797396844348
170
+ name: Cosine Map@100
171
+ - task:
172
+ type: information-retrieval
173
+ name: Information Retrieval
174
+ dataset:
175
+ name: dim 512
176
+ type: dim_512
177
+ metrics:
178
+ - type: cosine_accuracy@1
179
+ value: 0.5555555555555556
180
+ name: Cosine Accuracy@1
181
+ - type: cosine_accuracy@3
182
+ value: 0.7098765432098766
183
+ name: Cosine Accuracy@3
184
+ - type: cosine_accuracy@5
185
+ value: 0.7645502645502645
186
+ name: Cosine Accuracy@5
187
+ - type: cosine_accuracy@10
188
+ value: 0.8130511463844797
189
+ name: Cosine Accuracy@10
190
+ - type: cosine_precision@1
191
+ value: 0.5555555555555556
192
+ name: Cosine Precision@1
193
+ - type: cosine_precision@3
194
+ value: 0.23662551440329216
195
+ name: Cosine Precision@3
196
+ - type: cosine_precision@5
197
+ value: 0.15291005291005288
198
+ name: Cosine Precision@5
199
+ - type: cosine_precision@10
200
+ value: 0.08130511463844796
201
+ name: Cosine Precision@10
202
+ - type: cosine_recall@1
203
+ value: 0.5555555555555556
204
+ name: Cosine Recall@1
205
+ - type: cosine_recall@3
206
+ value: 0.7098765432098766
207
+ name: Cosine Recall@3
208
+ - type: cosine_recall@5
209
+ value: 0.7645502645502645
210
+ name: Cosine Recall@5
211
+ - type: cosine_recall@10
212
+ value: 0.8130511463844797
213
+ name: Cosine Recall@10
214
+ - type: cosine_ndcg@10
215
+ value: 0.6843803553657516
216
+ name: Cosine Ndcg@10
217
+ - type: cosine_mrr@10
218
+ value: 0.6431192435822073
219
+ name: Cosine Mrr@10
220
+ - type: cosine_map@100
221
+ value: 0.6489190779603494
222
+ name: Cosine Map@100
223
+ ---
224
+
225
+ # SentenceTransformer based on Alibaba-NLP/gte-multilingual-base
226
+
227
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [Alibaba-NLP/gte-multilingual-base](https://huggingface.co/Alibaba-NLP/gte-multilingual-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.
228
+
229
+ ## Model Details
230
+
231
+ ### Model Description
232
+ - **Model Type:** Sentence Transformer
233
+ - **Base model:** [Alibaba-NLP/gte-multilingual-base](https://huggingface.co/Alibaba-NLP/gte-multilingual-base) <!-- at revision ade1467d6266ae07e6f74aae34d56bf3b8acf3f7 -->
234
+ - **Maximum Sequence Length:** 8192 tokens
235
+ - **Output Dimensionality:** 768 dimensions
236
+ - **Similarity Function:** Cosine Similarity
237
+ - **Training Dataset:**
238
+ - json
239
+ <!-- - **Language:** Unknown -->
240
+ <!-- - **License:** Unknown -->
241
+
242
+ ### Model Sources
243
+
244
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
245
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
246
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
247
+
248
+ ### Full Model Architecture
249
+
250
+ ```
251
+ SentenceTransformer(
252
+ (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: NewModel
253
+ (1): Pooling({'word_embedding_dimension': 768, '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})
254
+ (2): Normalize()
255
+ )
256
+ ```
257
+
258
+ ## Usage
259
+
260
+ ### Direct Usage (Sentence Transformers)
261
+
262
+ First install the Sentence Transformers library:
263
+
264
+ ```bash
265
+ pip install -U sentence-transformers
266
+ ```
267
+
268
+ Then you can load this model and run inference.
269
+ ```python
270
+ from sentence_transformers import SentenceTransformer
271
+
272
+ # Download from the 🤗 Hub
273
+ model = SentenceTransformer("anhtuansh/gte-multilingual-base-Matryoshka-2e-11k")
274
+ # Run inference
275
+ sentences = [
276
+ 'thời_hạn giải_quyết việc gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa học như sau : tối_đa 20 ngày làm_việc kể từ ngày nhận đủ hồ_sơ hợp_lệ .',
277
+ 'tôi muốn hỏi về gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa học , có thời_hạn giải_quyết như thế_nào ?',
278
+ 'thành_phần hồ_sơ giải_quyết chế_độ hỗ_trợ đối_với người việt_nam có công với cách_mạng quy_định tại nghị_định số 102 / 2018 / nđ - cp ngày 20 / 7 / 2018 của chính_phủ về chế_độ hỗ_trợ và một_số chế_độ đãi_ngộ khác đối_với người việt_nam có công với cách_mạng , người tham_gia kháng_chiến , chiến_tranh bảo_vệ tổ_quốc và làm nhiệm_vụ quốc_tế đang định_cư ở nước_ngoài ( nghị_định số 102 / 2018 / nđ - cp ) , bao_gồm những giấy_tờ gì ?',
279
+ ]
280
+ embeddings = model.encode(sentences)
281
+ print(embeddings.shape)
282
+ # [3, 768]
283
+
284
+ # Get the similarity scores for the embeddings
285
+ similarities = model.similarity(embeddings, embeddings)
286
+ print(similarities.shape)
287
+ # [3, 3]
288
+ ```
289
+
290
+ <!--
291
+ ### Direct Usage (Transformers)
292
+
293
+ <details><summary>Click to see the direct usage in Transformers</summary>
294
+
295
+ </details>
296
+ -->
297
+
298
+ <!--
299
+ ### Downstream Usage (Sentence Transformers)
300
+
301
+ You can finetune this model on your own dataset.
302
+
303
+ <details><summary>Click to expand</summary>
304
+
305
+ </details>
306
+ -->
307
+
308
+ <!--
309
+ ### Out-of-Scope Use
310
+
311
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
312
+ -->
313
+
314
+ ## Evaluation
315
+
316
+ ### Metrics
317
+
318
+ #### Information Retrieval
319
+
320
+ * Datasets: `dim_768` and `dim_512`
321
+ * Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
322
+
323
+ | Metric | dim_768 | dim_512 |
324
+ |:--------------------|:-----------|:-----------|
325
+ | cosine_accuracy@1 | 0.5503 | 0.5556 |
326
+ | cosine_accuracy@3 | 0.7152 | 0.7099 |
327
+ | cosine_accuracy@5 | 0.7716 | 0.7646 |
328
+ | cosine_accuracy@10 | 0.8183 | 0.8131 |
329
+ | cosine_precision@1 | 0.5503 | 0.5556 |
330
+ | cosine_precision@3 | 0.2384 | 0.2366 |
331
+ | cosine_precision@5 | 0.1543 | 0.1529 |
332
+ | cosine_precision@10 | 0.0818 | 0.0813 |
333
+ | cosine_recall@1 | 0.5503 | 0.5556 |
334
+ | cosine_recall@3 | 0.7152 | 0.7099 |
335
+ | cosine_recall@5 | 0.7716 | 0.7646 |
336
+ | cosine_recall@10 | 0.8183 | 0.8131 |
337
+ | **cosine_ndcg@10** | **0.6853** | **0.6844** |
338
+ | cosine_mrr@10 | 0.6425 | 0.6431 |
339
+ | cosine_map@100 | 0.6477 | 0.6489 |
340
+
341
+ <!--
342
+ ## Bias, Risks and Limitations
343
+
344
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
345
+ -->
346
+
347
+ <!--
348
+ ### Recommendations
349
+
350
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
351
+ -->
352
+
353
+ ## Training Details
354
+
355
+ ### Training Dataset
356
+
357
+ #### json
358
+
359
+ * Dataset: json
360
+ * Size: 10,200 training samples
361
+ * Columns: <code>positive</code> and <code>anchor</code>
362
+ * Approximate statistics based on the first 1000 samples:
363
+ | | positive | anchor |
364
+ |:--------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
365
+ | type | string | string |
366
+ | details | <ul><li>min: 4 tokens</li><li>mean: 320.87 tokens</li><li>max: 3689 tokens</li></ul> | <ul><li>min: 10 tokens</li><li>mean: 59.35 tokens</li><li>max: 421 tokens</li></ul> |
367
+ * Samples:
368
+ | positive | anchor |
369
+ |:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
370
+ | <code>1 . thẩm_quyền cấp giấy_phép tổ_chức triển_lãm , hội_chợ xuất_bản_phẩm được quy_định cụ_thể như sau : - bộ thông_tin và truyền_thông cấp giấy_phép cho cơ_quan , tổ_chức ở trung_ương ; cơ_quan , tổ_chức , cá_nhân nước_ngoài ; - ủy_ban nhân_dân cấp tỉnh cấp giấy_phép cho cơ_quan , tổ_chức , cá_nhân có trụ_sở hoặc cư_trú tại địa_phương ; chi_nhánh , văn_phòng đại_diện , đơn_vị trực_thuộc cơ_quan , tổ_chức ở trung_ương đặt tại địa_phương . 2 . hồ_sơ bao_gồm : - đơn đề_nghị cấp giấy_phép trong đó ghi rõ mục_đích , thời_gian , địa_điểm và tên các đơn_vị tham_gia triển_lãm , hội_chợ ; - danh_mục xuất_bản_phẩm để triển_lãm , hội_chợ theo mẫu quy_định . ( quy_định tại khoản 2 , 3 điều 44 luật xuất_bản )</code> | <code>hồ_sơ và thẩm_quyền cấp giấy_phép tổ_chức triển_lãm , hội_chợ xuất_bản_phẩm được quy_định cụ_thể như thế_nào ?</code> |
371
+ | <code>- trường_hợp mất danh_mục và phiếu theo_dõi trừ lùi thì người khai hải_quan có hồ_sơ đề_nghị cơ_quan hải_quan nơi cấp danh_mục lần đầu_đề_nghị cấp lại , bao_gồm : <br> + công_văn đề_nghị cấp lại danh_mục , phiếu theo_dõi trừ lùi trong đó nêu rõ : lý_do mất danh_mục , phiếu theo_dõi trừ lùi và cam_kết của người khai hải_quan về tính chính_xác của nội_dung khai_báo ; <br> + bảng kê toàn_bộ tờ khai hải_quan ( điện_tử hoặc giấy ) của số_lượng hàng_hóa đã nhập_khẩu theo danh_mục ; <br> + bản danh_mục và phiếu theo_dõi trừ lùi của cơ_quan hải_quan nơi làm thủ_tục nhập_khẩu lô hàng cuối_cùng trước khi thất_lạc ( 01 bản chụp có xác_nhận của cơ_quan hải_quan nơi nhập_khẩu ) . <br> - khi làm thủ_tục hải_quan , người khai hải_quan nộp , xuất_trình cho cơ_quan hải_quan nơi đăng_ký tờ khai hải_quan các hồ_sơ sau : <br> + hồ_sơ hải_quan theo quy_định hiện_hành ; <br> + danh_mục hàng_hóa và phiếu theo_dõi trừ lùi đã đăng_ký với cơ_quan hải_quan ( bản giao người khai hải_quan ) để cơ_quan hải_quan làm thủ_tục thực_hiện...</code> | <code>trường_hợp tôi làm mất danh_mục và phiếu theo_dõi trừ lùi hàng_hóa_nhập_khẩu dung_môi n - hexan dùng trong sản_xuất khô_dầu đậu_tương và dầu thực_vật , cám gạo trích ly và dầu cám thì cần làm những thủ_tục gì ?</code> |
372
+ | <code>thẩm_quyền cấp giấy chứng_nhận cơ_sở đủ điều_kiện đăng_kiểm tàu cá là : tổng_cục thủy_sản .</code> | <code>thẩm_quyền cấp giấy chứng_nhận cơ_sở đủ điều_kiện đăng_kiểm tàu cá ?</code> |
373
+ * Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
374
+ ```json
375
+ {
376
+ "loss": "MultipleNegativesRankingLoss",
377
+ "matryoshka_dims": [
378
+ 768,
379
+ 512
380
+ ],
381
+ "matryoshka_weights": [
382
+ 1,
383
+ 1
384
+ ],
385
+ "n_dims_per_step": -1
386
+ }
387
+ ```
388
+
389
+ ### Evaluation Dataset
390
+
391
+ #### json
392
+
393
+ * Dataset: json
394
+ * Size: 1,134 evaluation samples
395
+ * Columns: <code>positive</code> and <code>anchor</code>
396
+ * Approximate statistics based on the first 1000 samples:
397
+ | | positive | anchor |
398
+ |:--------|:-------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
399
+ | type | string | string |
400
+ | details | <ul><li>min: 4 tokens</li><li>mean: 336.57 tokens</li><li>max: 3862 tokens</li></ul> | <ul><li>min: 7 tokens</li><li>mean: 59.17 tokens</li><li>max: 864 tokens</li></ul> |
401
+ * Samples:
402
+ | positive | anchor |
403
+ |:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
404
+ | <code>việc thực_hiện thủ_tục tặng_thưởng bằng khen cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương về thành_tích đột_xuất 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 ...</code> | <code>đề_nghị cho biết trình_tự thực_hiện thủ_tục tặng_thưởng bằng khen cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương về thành_tích đột_xuất</code> |
405
+ | <code>bông_thủy_tinh chống cháy là vật_liệu chống cháy , thuộc danh_mục phương_tiện pccc quy_định phụ_lục v nghị_định số 79 / 2014 / nđ - cp ngày 31 / 7 / 2014 quy_định chi_tiết thi_hành một_số điều của luật phòng cháy và chữa_cháy và luật sửa_đổi , bổ_sung một_số điều của luật phòng cháy và chữa_cháy . do đó , nếu đưa vào sử_dụng trong hạng_mục pccc của công_trình thì phải kiểm_định về pccc. tuy_nhiên , đối_với vật_liệu bông thủy_tinh cách_nhiệt chống cháy được các cơ_quan , tổ_chức , cá_nhân cần xem_xét tùy vào yêu_cầu cụ_thể của công_trình để đăng_ký kiểm_định “ tính nguy_hiểm cháy ” đối_với vật_liệu đó hoặc “ giới_hạn chịu_lửa ” của kết_cấu sử_dụng vật_liệu đó . thành_phần hồ_sơ đề_nghị kiểm_định được quy_định tại điểm a khoản 4 điều 18 thông_tư 66 / 2014 / tt - bca ngày 16 / 12 / 2014 quy_định chi_tiết thi_hành một_số điều của nghị_định số 79 / 2014 / nđ - cp ngày 31 / 7 / 2014 quy_định chi_tiết thi_hành một_số điều của luật phòng cháy và chữa_cháy và luật sửa_đổi , bổ_sung một_số điều ...</code> | <code>bông_thủy_tinh cách_nhiệt chống cháy có phải kiểm_định không ? thành_phần hồ_sơ đề_nghị kiểm_định như thế_nào ?</code> |
406
+ | <code>thẻ thường_trú không có thời_hạn nhưng định_kỳ 10 năm một lần , người nước_ngoài thường_trú phải đến nộp hồ_sơ tại phòng quản_lý xuất , nhập_cảnh công_an tỉnh , thành_phố trực_thuộc trung_ương để đề_nghị cấp đổi thẻ thường_trú .</code> | <code>thẻ thường_trú có thời_hạn không ?</code> |
407
+ * Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
408
+ ```json
409
+ {
410
+ "loss": "MultipleNegativesRankingLoss",
411
+ "matryoshka_dims": [
412
+ 768,
413
+ 512
414
+ ],
415
+ "matryoshka_weights": [
416
+ 1,
417
+ 1
418
+ ],
419
+ "n_dims_per_step": -1
420
+ }
421
+ ```
422
+
423
+ ### Training Hyperparameters
424
+ #### Non-Default Hyperparameters
425
+
426
+ - `eval_strategy`: epoch
427
+ - `per_device_train_batch_size`: 2
428
+ - `per_device_eval_batch_size`: 2
429
+ - `gradient_accumulation_steps`: 2
430
+ - `learning_rate`: 2e-05
431
+ - `num_train_epochs`: 1
432
+ - `lr_scheduler_type`: cosine
433
+ - `warmup_ratio`: 0.1
434
+ - `fp16`: True
435
+ - `tf32`: False
436
+ - `load_best_model_at_end`: True
437
+ - `optim`: adamw_torch_fused
438
+ - `batch_sampler`: no_duplicates
439
+
440
+ #### All Hyperparameters
441
+ <details><summary>Click to expand</summary>
442
+
443
+ - `overwrite_output_dir`: False
444
+ - `do_predict`: False
445
+ - `eval_strategy`: epoch
446
+ - `prediction_loss_only`: True
447
+ - `per_device_train_batch_size`: 2
448
+ - `per_device_eval_batch_size`: 2
449
+ - `per_gpu_train_batch_size`: None
450
+ - `per_gpu_eval_batch_size`: None
451
+ - `gradient_accumulation_steps`: 2
452
+ - `eval_accumulation_steps`: None
453
+ - `learning_rate`: 2e-05
454
+ - `weight_decay`: 0.0
455
+ - `adam_beta1`: 0.9
456
+ - `adam_beta2`: 0.999
457
+ - `adam_epsilon`: 1e-08
458
+ - `max_grad_norm`: 1.0
459
+ - `num_train_epochs`: 1
460
+ - `max_steps`: -1
461
+ - `lr_scheduler_type`: cosine
462
+ - `lr_scheduler_kwargs`: {}
463
+ - `warmup_ratio`: 0.1
464
+ - `warmup_steps`: 0
465
+ - `log_level`: passive
466
+ - `log_level_replica`: warning
467
+ - `log_on_each_node`: True
468
+ - `logging_nan_inf_filter`: True
469
+ - `save_safetensors`: True
470
+ - `save_on_each_node`: False
471
+ - `save_only_model`: False
472
+ - `restore_callback_states_from_checkpoint`: False
473
+ - `no_cuda`: False
474
+ - `use_cpu`: False
475
+ - `use_mps_device`: False
476
+ - `seed`: 42
477
+ - `data_seed`: None
478
+ - `jit_mode_eval`: False
479
+ - `use_ipex`: False
480
+ - `bf16`: False
481
+ - `fp16`: True
482
+ - `fp16_opt_level`: O1
483
+ - `half_precision_backend`: auto
484
+ - `bf16_full_eval`: False
485
+ - `fp16_full_eval`: False
486
+ - `tf32`: False
487
+ - `local_rank`: 0
488
+ - `ddp_backend`: None
489
+ - `tpu_num_cores`: None
490
+ - `tpu_metrics_debug`: False
491
+ - `debug`: []
492
+ - `dataloader_drop_last`: False
493
+ - `dataloader_num_workers`: 0
494
+ - `dataloader_prefetch_factor`: None
495
+ - `past_index`: -1
496
+ - `disable_tqdm`: False
497
+ - `remove_unused_columns`: True
498
+ - `label_names`: None
499
+ - `load_best_model_at_end`: True
500
+ - `ignore_data_skip`: False
501
+ - `fsdp`: []
502
+ - `fsdp_min_num_params`: 0
503
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
504
+ - `fsdp_transformer_layer_cls_to_wrap`: None
505
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
506
+ - `deepspeed`: None
507
+ - `label_smoothing_factor`: 0.0
508
+ - `optim`: adamw_torch_fused
509
+ - `optim_args`: None
510
+ - `adafactor`: False
511
+ - `group_by_length`: False
512
+ - `length_column_name`: length
513
+ - `ddp_find_unused_parameters`: None
514
+ - `ddp_bucket_cap_mb`: None
515
+ - `ddp_broadcast_buffers`: False
516
+ - `dataloader_pin_memory`: True
517
+ - `dataloader_persistent_workers`: False
518
+ - `skip_memory_metrics`: True
519
+ - `use_legacy_prediction_loop`: False
520
+ - `push_to_hub`: False
521
+ - `resume_from_checkpoint`: None
522
+ - `hub_model_id`: None
523
+ - `hub_strategy`: every_save
524
+ - `hub_private_repo`: False
525
+ - `hub_always_push`: False
526
+ - `gradient_checkpointing`: False
527
+ - `gradient_checkpointing_kwargs`: None
528
+ - `include_inputs_for_metrics`: False
529
+ - `eval_do_concat_batches`: True
530
+ - `fp16_backend`: auto
531
+ - `push_to_hub_model_id`: None
532
+ - `push_to_hub_organization`: None
533
+ - `mp_parameters`:
534
+ - `auto_find_batch_size`: False
535
+ - `full_determinism`: False
536
+ - `torchdynamo`: None
537
+ - `ray_scope`: last
538
+ - `ddp_timeout`: 1800
539
+ - `torch_compile`: False
540
+ - `torch_compile_backend`: None
541
+ - `torch_compile_mode`: None
542
+ - `dispatch_batches`: None
543
+ - `split_batches`: None
544
+ - `include_tokens_per_second`: False
545
+ - `include_num_input_tokens_seen`: False
546
+ - `neftune_noise_alpha`: None
547
+ - `optim_target_modules`: None
548
+ - `batch_eval_metrics`: False
549
+ - `prompts`: None
550
+ - `batch_sampler`: no_duplicates
551
+ - `multi_dataset_batch_sampler`: proportional
552
+
553
+ </details>
554
+
555
+ ### Training Logs
556
+ <details><summary>Click to expand</summary>
557
+
558
+ | Epoch | Step | Training Loss | Validation Loss | dim_768_cosine_ndcg@10 | dim_512_cosine_ndcg@10 |
559
+ |:-------:|:--------:|:-------------:|:---------------:|:----------------------:|:----------------------:|
560
+ | 0 | 0 | - | - | 0.5662 | 0.5644 |
561
+ | 0.0039 | 10 | 0.1692 | - | - | - |
562
+ | 0.0078 | 20 | 0.3949 | - | - | - |
563
+ | 0.0118 | 30 | 0.2216 | - | - | - |
564
+ | 0.0157 | 40 | 0.2554 | - | - | - |
565
+ | 0.0196 | 50 | 0.1446 | - | - | - |
566
+ | 0.0235 | 60 | 0.1345 | - | - | - |
567
+ | 0.0275 | 70 | 0.2128 | - | - | - |
568
+ | 0.0314 | 80 | 0.1289 | - | - | - |
569
+ | 0.0353 | 90 | 0.0532 | - | - | - |
570
+ | 0.0392 | 100 | 0.1749 | - | - | - |
571
+ | 0.0431 | 110 | 0.1318 | - | - | - |
572
+ | 0.0471 | 120 | 0.0704 | - | - | - |
573
+ | 0.0510 | 130 | 0.0431 | - | - | - |
574
+ | 0.0549 | 140 | 0.4482 | - | - | - |
575
+ | 0.0588 | 150 | 0.1473 | - | - | - |
576
+ | 0.0627 | 160 | 0.3725 | - | - | - |
577
+ | 0.0667 | 170 | 0.1792 | - | - | - |
578
+ | 0.0706 | 180 | 0.065 | - | - | - |
579
+ | 0.0745 | 190 | 0.0173 | - | - | - |
580
+ | 0.0784 | 200 | 0.2006 | - | - | - |
581
+ | 0.0824 | 210 | 0.439 | - | - | - |
582
+ | 0.0863 | 220 | 0.2171 | - | - | - |
583
+ | 0.0902 | 230 | 0.0668 | - | - | - |
584
+ | 0.0941 | 240 | 0.1011 | - | - | - |
585
+ | 0.0980 | 250 | 0.0176 | - | - | - |
586
+ | 0.1020 | 260 | 0.1538 | - | - | - |
587
+ | 0.1059 | 270 | 0.1334 | - | - | - |
588
+ | 0.1098 | 280 | 0.3126 | - | - | - |
589
+ | 0.1137 | 290 | 0.0102 | - | - | - |
590
+ | 0.1176 | 300 | 0.2042 | - | - | - |
591
+ | 0.1216 | 310 | 0.0053 | - | - | - |
592
+ | 0.1255 | 320 | 0.3044 | - | - | - |
593
+ | 0.1294 | 330 | 0.0729 | - | - | - |
594
+ | 0.1333 | 340 | 0.1016 | - | - | - |
595
+ | 0.1373 | 350 | 0.0458 | - | - | - |
596
+ | 0.1412 | 360 | 0.0479 | - | - | - |
597
+ | 0.1451 | 370 | 0.0621 | - | - | - |
598
+ | 0.1490 | 380 | 0.0026 | - | - | - |
599
+ | 0.1529 | 390 | 0.173 | - | - | - |
600
+ | 0.1569 | 400 | 0.0134 | - | - | - |
601
+ | 0.1608 | 410 | 0.0586 | - | - | - |
602
+ | 0.1647 | 420 | 0.0247 | - | - | - |
603
+ | 0.1686 | 430 | 0.0106 | - | - | - |
604
+ | 0.1725 | 440 | 0.0069 | - | - | - |
605
+ | 0.1765 | 450 | 0.0303 | - | - | - |
606
+ | 0.1804 | 460 | 0.1574 | - | - | - |
607
+ | 0.1843 | 470 | 0.0543 | - | - | - |
608
+ | 0.1882 | 480 | 0.209 | - | - | - |
609
+ | 0.1922 | 490 | 0.2385 | - | - | - |
610
+ | 0.1961 | 500 | 0.0014 | - | - | - |
611
+ | 0.2 | 510 | 0.1301 | - | - | - |
612
+ | 0.2039 | 520 | 0.0075 | - | - | - |
613
+ | 0.2078 | 530 | 0.0148 | - | - | - |
614
+ | 0.2118 | 540 | 0.0143 | - | - | - |
615
+ | 0.2157 | 550 | 0.0477 | - | - | - |
616
+ | 0.2196 | 560 | 0.0092 | - | - | - |
617
+ | 0.2235 | 570 | 0.121 | - | - | - |
618
+ | 0.2275 | 580 | 0.0062 | - | - | - |
619
+ | 0.2314 | 590 | 0.0879 | - | - | - |
620
+ | 0.2353 | 600 | 0.1005 | - | - | - |
621
+ | 0.2392 | 610 | 0.3175 | - | - | - |
622
+ | 0.2431 | 620 | 0.0047 | - | - | - |
623
+ | 0.2471 | 630 | 0.1038 | - | - | - |
624
+ | 0.2510 | 640 | 0.0528 | - | - | - |
625
+ | 0.2549 | 650 | 0.2159 | - | - | - |
626
+ | 0.2588 | 660 | 0.0294 | - | - | - |
627
+ | 0.2627 | 670 | 0.0045 | - | - | - |
628
+ | 0.2667 | 680 | 0.0077 | - | - | - |
629
+ | 0.2706 | 690 | 0.0276 | - | - | - |
630
+ | 0.2745 | 700 | 0.0061 | - | - | - |
631
+ | 0.2784 | 710 | 0.032 | - | - | - |
632
+ | 0.2824 | 720 | 0.233 | - | - | - |
633
+ | 0.2863 | 730 | 0.0048 | - | - | - |
634
+ | 0.2902 | 740 | 0.0298 | - | - | - |
635
+ | 0.2941 | 750 | 0.0004 | - | - | - |
636
+ | 0.2980 | 760 | 0.0339 | - | - | - |
637
+ | 0.3020 | 770 | 0.2882 | - | - | - |
638
+ | 0.3059 | 780 | 0.0199 | - | - | - |
639
+ | 0.3098 | 790 | 0.006 | - | - | - |
640
+ | 0.3137 | 800 | 0.0617 | - | - | - |
641
+ | 0.3176 | 810 | 0.0442 | - | - | - |
642
+ | 0.3216 | 820 | 0.0095 | - | - | - |
643
+ | 0.3255 | 830 | 0.0045 | - | - | - |
644
+ | 0.3294 | 840 | 0.0246 | - | - | - |
645
+ | 0.3333 | 850 | 0.0005 | - | - | - |
646
+ | 0.3373 | 860 | 0.0375 | - | - | - |
647
+ | 0.3412 | 870 | 0.0414 | - | - | - |
648
+ | 0.3451 | 880 | 0.0835 | - | - | - |
649
+ | 0.3490 | 890 | 0.0505 | - | - | - |
650
+ | 0.3529 | 900 | 0.0046 | - | - | - |
651
+ | 0.3569 | 910 | 0.0889 | - | - | - |
652
+ | 0.3608 | 920 | 0.015 | - | - | - |
653
+ | 0.3647 | 930 | 0.0046 | - | - | - |
654
+ | 0.3686 | 940 | 0.0238 | - | - | - |
655
+ | 0.3725 | 950 | 0.0626 | - | - | - |
656
+ | 0.3765 | 960 | 0.018 | - | - | - |
657
+ | 0.3804 | 970 | 0.0383 | - | - | - |
658
+ | 0.3843 | 980 | 0.0555 | - | - | - |
659
+ | 0.3882 | 990 | 0.0405 | - | - | - |
660
+ | 0.3922 | 1000 | 0.0379 | - | - | - |
661
+ | 0.3961 | 1010 | 0.0019 | - | - | - |
662
+ | 0.4 | 1020 | 0.015 | - | - | - |
663
+ | 0.4039 | 1030 | 0.0462 | - | - | - |
664
+ | 0.4078 | 1040 | 0.0657 | - | - | - |
665
+ | 0.4118 | 1050 | 0.0245 | - | - | - |
666
+ | 0.4157 | 1060 | 0.0057 | - | - | - |
667
+ | 0.4196 | 1070 | 0.0316 | - | - | - |
668
+ | 0.4235 | 1080 | 0.0309 | - | - | - |
669
+ | 0.4275 | 1090 | 0.0083 | - | - | - |
670
+ | 0.4314 | 1100 | 0.0099 | - | - | - |
671
+ | 0.4353 | 1110 | 0.0051 | - | - | - |
672
+ | 0.4392 | 1120 | 0.0023 | - | - | - |
673
+ | 0.4431 | 1130 | 0.0058 | - | - | - |
674
+ | 0.4471 | 1140 | 0.027 | - | - | - |
675
+ | 0.4510 | 1150 | 0.028 | - | - | - |
676
+ | 0.4549 | 1160 | 0.0115 | - | - | - |
677
+ | 0.4588 | 1170 | 0.0649 | - | - | - |
678
+ | 0.4627 | 1180 | 0.1375 | - | - | - |
679
+ | 0.4667 | 1190 | 0.0462 | - | - | - |
680
+ | 0.4706 | 1200 | 0.0076 | - | - | - |
681
+ | 0.4745 | 1210 | 0.2884 | - | - | - |
682
+ | 0.4784 | 1220 | 0.1072 | - | - | - |
683
+ | 0.4824 | 1230 | 0.0655 | - | - | - |
684
+ | 0.4863 | 1240 | 0.003 | - | - | - |
685
+ | 0.4902 | 1250 | 0.001 | - | - | - |
686
+ | 0.4941 | 1260 | 0.0182 | - | - | - |
687
+ | 0.4980 | 1270 | 0.0782 | - | - | - |
688
+ | 0.5020 | 1280 | 0.0006 | - | - | - |
689
+ | 0.5059 | 1290 | 0.0561 | - | - | - |
690
+ | 0.5098 | 1300 | 0.019 | - | - | - |
691
+ | 0.5137 | 1310 | 0.0041 | - | - | - |
692
+ | 0.5176 | 1320 | 0.0199 | - | - | - |
693
+ | 0.5216 | 1330 | 0.0035 | - | - | - |
694
+ | 0.5255 | 1340 | 0.0388 | - | - | - |
695
+ | 0.5294 | 1350 | 0.0082 | - | - | - |
696
+ | 0.5333 | 1360 | 0.0038 | - | - | - |
697
+ | 0.5373 | 1370 | 0.0062 | - | - | - |
698
+ | 0.5412 | 1380 | 0.0143 | - | - | - |
699
+ | 0.5451 | 1390 | 0.036 | - | - | - |
700
+ | 0.5490 | 1400 | 0.0042 | - | - | - |
701
+ | 0.5529 | 1410 | 0.0927 | - | - | - |
702
+ | 0.5569 | 1420 | 0.0438 | - | - | - |
703
+ | 0.5608 | 1430 | 0.0034 | - | - | - |
704
+ | 0.5647 | 1440 | 0.0115 | - | - | - |
705
+ | 0.5686 | 1450 | 0.0076 | - | - | - |
706
+ | 0.5725 | 1460 | 0.0035 | - | - | - |
707
+ | 0.5765 | 1470 | 0.2002 | - | - | - |
708
+ | 0.5804 | 1480 | 0.0119 | - | - | - |
709
+ | 0.5843 | 1490 | 0.0144 | - | - | - |
710
+ | 0.5882 | 1500 | 0.0003 | - | - | - |
711
+ | 0.5922 | 1510 | 0.0563 | - | - | - |
712
+ | 0.5961 | 1520 | 0.0079 | - | - | - |
713
+ | 0.6 | 1530 | 0.001 | - | - | - |
714
+ | 0.6039 | 1540 | 0.0594 | - | - | - |
715
+ | 0.6078 | 1550 | 0.1215 | - | - | - |
716
+ | 0.6118 | 1560 | 0.0027 | - | - | - |
717
+ | 0.6157 | 1570 | 0.0451 | - | - | - |
718
+ | 0.6196 | 1580 | 0.0016 | - | - | - |
719
+ | 0.6235 | 1590 | 0.0021 | - | - | - |
720
+ | 0.6275 | 1600 | 0.0017 | - | - | - |
721
+ | 0.6314 | 1610 | 0.011 | - | - | - |
722
+ | 0.6353 | 1620 | 0.0069 | - | - | - |
723
+ | 0.6392 | 1630 | 0.0171 | - | - | - |
724
+ | 0.6431 | 1640 | 0.1518 | - | - | - |
725
+ | 0.6471 | 1650 | 0.095 | - | - | - |
726
+ | 0.6510 | 1660 | 0.0095 | - | - | - |
727
+ | 0.6549 | 1670 | 0.0037 | - | - | - |
728
+ | 0.6588 | 1680 | 0.001 | - | - | - |
729
+ | 0.6627 | 1690 | 0.0003 | - | - | - |
730
+ | 0.6667 | 1700 | 0.0355 | - | - | - |
731
+ | 0.6706 | 1710 | 0.0163 | - | - | - |
732
+ | 0.6745 | 1720 | 0.0131 | - | - | - |
733
+ | 0.6784 | 1730 | 0.0114 | - | - | - |
734
+ | 0.6824 | 1740 | 0.0291 | - | - | - |
735
+ | 0.6863 | 1750 | 0.0079 | - | - | - |
736
+ | 0.6902 | 1760 | 0.0075 | - | - | - |
737
+ | 0.6941 | 1770 | 0.0838 | - | - | - |
738
+ | 0.6980 | 1780 | 0.0128 | - | - | - |
739
+ | 0.7020 | 1790 | 0.1947 | - | - | - |
740
+ | 0.7059 | 1800 | 0.0219 | - | - | - |
741
+ | 0.7098 | 1810 | 0.0909 | - | - | - |
742
+ | 0.7137 | 1820 | 0.0052 | - | - | - |
743
+ | 0.7176 | 1830 | 0.0237 | - | - | - |
744
+ | 0.7216 | 1840 | 0.0028 | - | - | - |
745
+ | 0.7255 | 1850 | 0.0664 | - | - | - |
746
+ | 0.7294 | 1860 | 0.0146 | - | - | - |
747
+ | 0.7333 | 1870 | 0.0157 | - | - | - |
748
+ | 0.7373 | 1880 | 0.0654 | - | - | - |
749
+ | 0.7412 | 1890 | 0.0036 | - | - | - |
750
+ | 0.7451 | 1900 | 0.0001 | - | - | - |
751
+ | 0.7490 | 1910 | 0.0595 | - | - | - |
752
+ | 0.7529 | 1920 | 0.0432 | - | - | - |
753
+ | 0.7569 | 1930 | 0.0287 | - | - | - |
754
+ | 0.7608 | 1940 | 0.0042 | - | - | - |
755
+ | 0.7647 | 1950 | 0.0946 | - | - | - |
756
+ | 0.7686 | 1960 | 0.0064 | - | - | - |
757
+ | 0.7725 | 1970 | 0.0102 | - | - | - |
758
+ | 0.7765 | 1980 | 0.0148 | - | - | - |
759
+ | 0.7804 | 1990 | 0.0008 | - | - | - |
760
+ | 0.7843 | 2000 | 0.0019 | - | - | - |
761
+ | 0.7882 | 2010 | 0.1745 | - | - | - |
762
+ | 0.7922 | 2020 | 0.0045 | - | - | - |
763
+ | 0.7961 | 2030 | 0.1492 | - | - | - |
764
+ | 0.8 | 2040 | 0.2533 | - | - | - |
765
+ | 0.8039 | 2050 | 0.0009 | - | - | - |
766
+ | 0.8078 | 2060 | 0.0814 | - | - | - |
767
+ | 0.8118 | 2070 | 0.0005 | - | - | - |
768
+ | 0.8157 | 2080 | 0.0098 | - | - | - |
769
+ | 0.8196 | 2090 | 0.0615 | - | - | - |
770
+ | 0.8235 | 2100 | 0.0132 | - | - | - |
771
+ | 0.8275 | 2110 | 0.0006 | - | - | - |
772
+ | 0.8314 | 2120 | 0.0547 | - | - | - |
773
+ | 0.8353 | 2130 | 0.0024 | - | - | - |
774
+ | 0.8392 | 2140 | 0.0131 | - | - | - |
775
+ | 0.8431 | 2150 | 0.1234 | - | - | - |
776
+ | 0.8471 | 2160 | 0.019 | - | - | - |
777
+ | 0.8510 | 2170 | 0.0027 | - | - | - |
778
+ | 0.8549 | 2180 | 0.0035 | - | - | - |
779
+ | 0.8588 | 2190 | 0.0165 | - | - | - |
780
+ | 0.8627 | 2200 | 0.0767 | - | - | - |
781
+ | 0.8667 | 2210 | 0.076 | - | - | - |
782
+ | 0.8706 | 2220 | 0.0082 | - | - | - |
783
+ | 0.8745 | 2230 | 0.0584 | - | - | - |
784
+ | 0.8784 | 2240 | 0.0141 | - | - | - |
785
+ | 0.8824 | 2250 | 0.0042 | - | - | - |
786
+ | 0.8863 | 2260 | 0.0356 | - | - | - |
787
+ | 0.8902 | 2270 | 0.0003 | - | - | - |
788
+ | 0.8941 | 2280 | 0.0031 | - | - | - |
789
+ | 0.8980 | 2290 | 0.0171 | - | - | - |
790
+ | 0.9020 | 2300 | 0.083 | - | - | - |
791
+ | 0.9059 | 2310 | 0.0026 | - | - | - |
792
+ | 0.9098 | 2320 | 0.0127 | - | - | - |
793
+ | 0.9137 | 2330 | 0.0088 | - | - | - |
794
+ | 0.9176 | 2340 | 0.024 | - | - | - |
795
+ | 0.9216 | 2350 | 0.1174 | - | - | - |
796
+ | 0.9255 | 2360 | 0.0578 | - | - | - |
797
+ | 0.9294 | 2370 | 0.0034 | - | - | - |
798
+ | 0.9333 | 2380 | 0.0706 | - | - | - |
799
+ | 0.9373 | 2390 | 0.0261 | - | - | - |
800
+ | 0.9412 | 2400 | 0.0006 | - | - | - |
801
+ | 0.9451 | 2410 | 0.0027 | - | - | - |
802
+ | 0.9490 | 2420 | 0.0119 | - | - | - |
803
+ | 0.9529 | 2430 | 0.0075 | - | - | - |
804
+ | 0.9569 | 2440 | 0.0063 | - | - | - |
805
+ | 0.9608 | 2450 | 0.0028 | - | - | - |
806
+ | 0.9647 | 2460 | 0.0363 | - | - | - |
807
+ | 0.9686 | 2470 | 0.0004 | - | - | - |
808
+ | 0.9725 | 2480 | 0.0016 | - | - | - |
809
+ | 0.9765 | 2490 | 0.0018 | - | - | - |
810
+ | 0.9804 | 2500 | 0.1138 | - | - | - |
811
+ | 0.9843 | 2510 | 0.0046 | - | - | - |
812
+ | 0.9882 | 2520 | 0.0327 | - | - | - |
813
+ | 0.9922 | 2530 | 0.0497 | - | - | - |
814
+ | 0.9961 | 2540 | 0.0826 | - | - | - |
815
+ | **1.0** | **2550** | **0.0011** | **0.0172** | **0.6853** | **0.6844** |
816
+
817
+ * The bold row denotes the saved checkpoint.
818
+ </details>
819
+
820
+ ### Framework Versions
821
+ - Python: 3.10.14
822
+ - Sentence Transformers: 3.3.1
823
+ - Transformers: 4.41.2
824
+ - PyTorch: 2.4.0
825
+ - Accelerate: 0.29.3
826
+ - Datasets: 2.19.1
827
+ - Tokenizers: 0.19.1
828
+
829
+ ## Citation
830
+
831
+ ### BibTeX
832
+
833
+ #### Sentence Transformers
834
+ ```bibtex
835
+ @inproceedings{reimers-2019-sentence-bert,
836
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
837
+ author = "Reimers, Nils and Gurevych, Iryna",
838
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
839
+ month = "11",
840
+ year = "2019",
841
+ publisher = "Association for Computational Linguistics",
842
+ url = "https://arxiv.org/abs/1908.10084",
843
+ }
844
+ ```
845
+
846
+ #### MatryoshkaLoss
847
+ ```bibtex
848
+ @misc{kusupati2024matryoshka,
849
+ title={Matryoshka Representation Learning},
850
+ 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},
851
+ year={2024},
852
+ eprint={2205.13147},
853
+ archivePrefix={arXiv},
854
+ primaryClass={cs.LG}
855
+ }
856
+ ```
857
+
858
+ #### MultipleNegativesRankingLoss
859
+ ```bibtex
860
+ @misc{henderson2017efficient,
861
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
862
+ 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},
863
+ year={2017},
864
+ eprint={1705.00652},
865
+ archivePrefix={arXiv},
866
+ primaryClass={cs.CL}
867
+ }
868
+ ```
869
+
870
+ <!--
871
+ ## Glossary
872
+
873
+ *Clearly define terms in order to be accessible across audiences.*
874
+ -->
875
+
876
+ <!--
877
+ ## Model Card Authors
878
+
879
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
880
+ -->
881
+
882
+ <!--
883
+ ## Model Card Contact
884
+
885
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
886
+ -->
config.json ADDED
@@ -0,0 +1,50 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "Alibaba-NLP/gte-multilingual-base",
3
+ "architectures": [
4
+ "NewModel"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.0,
7
+ "auto_map": {
8
+ "AutoConfig": "Alibaba-NLP/new-impl--configuration.NewConfig",
9
+ "AutoModel": "Alibaba-NLP/new-impl--modeling.NewModel",
10
+ "AutoModelForMaskedLM": "Alibaba-NLP/new-impl--modeling.NewForMaskedLM",
11
+ "AutoModelForMultipleChoice": "Alibaba-NLP/new-impl--modeling.NewForMultipleChoice",
12
+ "AutoModelForQuestionAnswering": "Alibaba-NLP/new-impl--modeling.NewForQuestionAnswering",
13
+ "AutoModelForSequenceClassification": "Alibaba-NLP/new-impl--modeling.NewForSequenceClassification",
14
+ "AutoModelForTokenClassification": "Alibaba-NLP/new-impl--modeling.NewForTokenClassification"
15
+ },
16
+ "classifier_dropout": 0.0,
17
+ "hidden_act": "gelu",
18
+ "hidden_dropout_prob": 0.1,
19
+ "hidden_size": 768,
20
+ "id2label": {
21
+ "0": "LABEL_0"
22
+ },
23
+ "initializer_range": 0.02,
24
+ "intermediate_size": 3072,
25
+ "label2id": {
26
+ "LABEL_0": 0
27
+ },
28
+ "layer_norm_eps": 1e-12,
29
+ "layer_norm_type": "layer_norm",
30
+ "logn_attention_clip1": false,
31
+ "logn_attention_scale": false,
32
+ "max_position_embeddings": 8192,
33
+ "model_type": "new",
34
+ "num_attention_heads": 12,
35
+ "num_hidden_layers": 12,
36
+ "pack_qkv": true,
37
+ "pad_token_id": 1,
38
+ "position_embedding_type": "rope",
39
+ "rope_scaling": {
40
+ "factor": 8.0,
41
+ "type": "ntk"
42
+ },
43
+ "rope_theta": 20000,
44
+ "torch_dtype": "float32",
45
+ "transformers_version": "4.41.2",
46
+ "type_vocab_size": 1,
47
+ "unpad_inputs": false,
48
+ "use_memory_efficient_attention": false,
49
+ "vocab_size": 250048
50
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "3.3.1",
4
+ "transformers": "4.41.2",
5
+ "pytorch": "2.4.0"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": "cosine"
10
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b8f3317b0e9aa7d4ef8122765a004270eb36fdcc497b5f484402b710d785aa73
3
+ size 1221487872
modules.json ADDED
@@ -0,0 +1,20 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [
2
+ {
3
+ "idx": 0,
4
+ "name": "0",
5
+ "path": "",
6
+ "type": "sentence_transformers.models.Transformer"
7
+ },
8
+ {
9
+ "idx": 1,
10
+ "name": "1",
11
+ "path": "1_Pooling",
12
+ "type": "sentence_transformers.models.Pooling"
13
+ },
14
+ {
15
+ "idx": 2,
16
+ "name": "2",
17
+ "path": "2_Normalize",
18
+ "type": "sentence_transformers.models.Normalize"
19
+ }
20
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 8192,
3
+ "do_lower_case": false
4
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,51 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "<s>",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "cls_token": {
10
+ "content": "<s>",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "eos_token": {
17
+ "content": "</s>",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "mask_token": {
24
+ "content": "<mask>",
25
+ "lstrip": true,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "pad_token": {
31
+ "content": "<pad>",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ },
37
+ "sep_token": {
38
+ "content": "</s>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false
43
+ },
44
+ "unk_token": {
45
+ "content": "<unk>",
46
+ "lstrip": false,
47
+ "normalized": false,
48
+ "rstrip": false,
49
+ "single_word": false
50
+ }
51
+ }
tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:aa7a6ad87a7ce8fe196787355f6af7d03aee94d19c54a5eb1392ed18c8ef451a
3
+ size 17082988
tokenizer_config.json ADDED
@@ -0,0 +1,54 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "<s>",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "<pad>",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "</s>",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "<unk>",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "250001": {
36
+ "content": "<mask>",
37
+ "lstrip": true,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "bos_token": "<s>",
45
+ "clean_up_tokenization_spaces": true,
46
+ "cls_token": "<s>",
47
+ "eos_token": "</s>",
48
+ "mask_token": "<mask>",
49
+ "model_max_length": 8192,
50
+ "pad_token": "<pad>",
51
+ "sep_token": "</s>",
52
+ "tokenizer_class": "XLMRobertaTokenizer",
53
+ "unk_token": "<unk>"
54
+ }