Add new SentenceTransformer model.

.gitattributes

@@ -33,3 +33,5 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text
+unigram.json filter=lfs diff=lfs merge=lfs -text

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 384,
+  "pooling_mode_cls_token": false,
+  "pooling_mode_mean_tokens": true,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

README.md

@@ -0,0 +1,511 @@
+---
+base_model: WpythonW/paraphrase-multLing-L12-v2_custom
+datasets: []
+language: []
+library_name: sentence-transformers
+metrics:
+- cosine_accuracy@1
+- cosine_accuracy@3
+- cosine_precision@1
+- cosine_precision@3
+- cosine_recall@1
+- cosine_recall@3
+- cosine_ndcg@10
+- cosine_mrr@10
+- cosine_map@100
+- dot_accuracy@1
+- dot_accuracy@3
+- dot_precision@1
+- dot_precision@3
+- dot_recall@1
+- dot_recall@3
+- dot_ndcg@10
+- dot_mrr@10
+- dot_map@100
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:72039
+- loss:TripletLoss
+widget:
+- source_sentence: как оформить бир?
+  sentences:
+  - Вам необходимо открыть сервис "Удаленная работа", далее выбрать "График УР". Заявка
+    находится в статусе "Ожидание подписание". Нажмите на нее. Откроется заявка и
+    будет активна кнопка "Подписать".
+  - Сотрудник может продолжить работу во время больничного по беременности и родам,
+    при этом ему будет выплачиваться заработная плата. Пособие по беременности и родам
+    будет рассчитано с фактической даты ухода в отпуск по беременности и родам (соответственно,
+    будет оплачено меньшее кол-во дней БИРа).
+  - Пожалуйста, обратитесь к непосредственному руководителю, чтобы он создал заявку
+    в Личном кабинете https://company-x5.ru или приложении "Моя работа" в разделе
+    "Декрет", "Администрирование отпуска БИР".
+- source_sentence: Как оформить больничный по беременности и родам?
+  sentences:
+  - Перерасчет пособий возможно произвести не более чем за 3 года до дня подачи заявления
+    работником.
+  - Пожалуйста, обратитесь к непосредственному руководителю, чтобы он создал заявку
+    в Личном кабинете https://company-x5.ru или приложении "Моя работа" в разделе
+    "Декрет", "Администрирование отпуска БИР".
+  - Сотруднику следует обратиться к непосредственному руководителю, чтобы он создал
+    заявку в Личном кабинете https://company-x5.ru или приложении "Моя работа" в разделе
+    "Декрет", "Администрирование отпуска БИР".
+- source_sentence: Что сделать, чтобы досрочно выйти из отпуска по беременности и
+    родам
+  sentences:
+  - Обратитесь к HRBP для создания заявки "Администрирование БиР"
+  - В рамках нового сервисного подхода сотрудники оформляют командировку на едином
+    портале trip.
+  - Выплата пособия по беременности и родам (БИР) производится за счет средств СФР.
+    Пособие выплачивается единовременно в полном объеме. Если Вы решите выйти из отпуска
+    по беременности и родам досрочно, то необходимо будет вернуть сумму пособия по
+    беременности и родам за период с даты выхода на работу по дату окончания отпуска
+    БИР, так как выплата пособия по беременности и родам и заработной платы одновременно
+    не предусмотрена законодательством. Излишне выплаченные денежные средства подлежат
+    возврату единовременным платежом и в полном объеме. Для досрочного выхода из отпуска
+    по БиР создайте, пожалуйста, обратитесь к непосредственному руководителю, чтобы
+    он создал заявку по процессу 1101 – Досрочный выход из отпуска по уходу за ребенком.
+    В заявке необходимо указать, чтобы Вам вложили заявление – согласие об удержании
+    изл��шне выплаченных денежных средств, сумму переплаты и реквизиты для возврата
+    платежа.
+- source_sentence: как оформить бир?
+  sentences:
+  - НДФЛ - налог на доходы физических лиц.
+  - Пожалуйста, обратитесь к непосредственному руководителю, чтобы он создал заявку
+    в Личном кабинете https://company-x5.ru или приложении "Моя работа" в разделе
+    "Декрет", "Администрирование отпуска БИР".
+  - Если ребенок зарегистрирован в ЗАГС 11.10.2023 или после 11.10.2023, и получателем
+    пособия является мама ребенка, создавать заявку не нужно, необходимые данные работодателю
+    будет направлять Социальный фонд России. Если ребенок зарегистрирован в ЗАГС до
+    11.10.2023 или получателем пособия является отец ребенка (независимо от даты регистрации),
+    требуется создать заявку для передачи сведений в Социальный фонд России в Личном
+    кабинете https://company-x5.ru или приложении "Моя работа" в разделе "Декрет",
+    тема "Выплата единовременного пособия по рождению ребенка".
+- source_sentence: хочу оформить единовременную выплату
+  sentences:
+  - Если ребенок зарегистрирован в ЗАГС 11.10.2023 или после 11.10.2023, и получателем
+    пособия является мама ребенка, создавать заявку не нужно, необходимые данные работодателю
+    будет направлять Социальный фонд России. Если ребенок зарегистрирован в ЗАГС до
+    11.10.2023 или получателем пособия является отец ребенка (независимо от даты регистрации),
+    требуется создать заявку для передачи сведений в Социальный фонд России в Личном
+    кабинете https://company-x5.ru или приложении "Моя работа" в разделе "Декрет",
+    тема "Выплата единовременного пособия по рождению ребенка".
+  - Создайте заявку по теме "перевод" в списке заявок в ЛК.
+  - Сотруднику следует обратиться к непосредственному руководителю, чтобы он создал
+    заявку в Личном кабинете https://company-x5.ru или приложении "Моя работа" в разделе
+    "Декрет", "Администрирование отпуска БИР".
+model-index:
+- name: SentenceTransformer based on WpythonW/paraphrase-multLing-L12-v2_custom
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: single answer eval
+      type: single_answer_eval
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.7814207650273224
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.9058894960534305
+      name: Cosine Accuracy@3
+    - type: cosine_precision@1
+      value: 0.7814207650273224
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.30297510625379476
+      name: Cosine Precision@3
+    - type: cosine_recall@1
+      value: 0.07216487890440533
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.08419777618320423
+      name: Cosine Recall@3
+    - type: cosine_ndcg@10
+      value: 0.19719127291067684
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.8525204556625317
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.08324300058374653
+      name: Cosine Map@100
+    - type: dot_accuracy@1
+      value: 0.7741347905282332
+      name: Dot Accuracy@1
+    - type: dot_accuracy@3
+      value: 0.9034608378870674
+      name: Dot Accuracy@3
+    - type: dot_precision@1
+      value: 0.7741347905282332
+      name: Dot Precision@1
+    - type: dot_precision@3
+      value: 0.30196316535114354
+      name: Dot Precision@3
+    - type: dot_recall@1
+      value: 0.0714332149669126
+      name: Dot Recall@1
+    - type: dot_recall@3
+      value: 0.08387088860677204
+      name: Dot Recall@3
+    - type: dot_ndcg@10
+      value: 0.19635484910850196
+      name: Dot Ndcg@10
+    - type: dot_mrr@10
+      value: 0.8483307793872454
+      name: Dot Mrr@10
+    - type: dot_map@100
+      value: 0.08271733240623867
+      name: Dot Map@100
+---
+
+# SentenceTransformer based on WpythonW/paraphrase-multLing-L12-v2_custom
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [WpythonW/paraphrase-multLing-L12-v2_custom](https://huggingface.co/WpythonW/paraphrase-multLing-L12-v2_custom). It maps sentences & paragraphs to a 384-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:** [WpythonW/paraphrase-multLing-L12-v2_custom](https://huggingface.co/WpythonW/paraphrase-multLing-L12-v2_custom) <!-- at revision 9f3f27e2abba078759d8e0a039591d17013cdea6 -->
+- **Maximum Sequence Length:** 128 tokens
+- **Output Dimensionality:** 384 tokens
+- **Similarity Function:** Cosine Similarity
+<!-- - **Training Dataset:** Unknown -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
+- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
+
+### Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: BertModel 
+  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
+)
+```
+
+## Usage
+
+### Direct Usage (Sentence Transformers)
+
+First install the Sentence Transformers library:
+
+```bash
+pip install -U sentence-transformers
+```
+
+Then you can load this model and run inference.
+```python
+from sentence_transformers import SentenceTransformer
+
+# Download from the 🤗 Hub
+model = SentenceTransformer("WpythonW/paraphrase-multLing-L12-v2_custom")
+# Run inference
+sentences = [
+    'хочу оформить единовременную выплату',
+    'Если ребенок зарегистрирован в ЗАГС 11.10.2023 или после 11.10.2023, и получателем пособия является мама ребенка, создавать заявку не нужно, необходимые данные работодателю будет направлять Социальный фонд России. Если ребенок зарегистрирован в ЗАГС до 11.10.2023 или получателем пособия является отец ребенка (независимо от даты регистрации), требуется создать заявку для передачи сведений в Социальный фонд России в Личном кабинете https://company-x5.ru или приложении "Моя работа" в разделе "Декрет", тема "Выплата единовременного пособия по рождению ребенка".',
+    'Создайте заявку по теме "перевод" в списке заявок в ЛК.',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 384]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities.shape)
+# [3, 3]
+```
+
+<!--
+### Direct Usage (Transformers)
+
+<details><summary>Click to see the direct usage in Transformers</summary>
+
+</details>
+-->
+
+<!--
+### Downstream Usage (Sentence Transformers)
+
+You can finetune this model on your own dataset.
+
+<details><summary>Click to expand</summary>
+
+</details>
+-->
+
+<!--
+### Out-of-Scope Use
+
+*List how the model may foreseeably be misused and address what users ought not to do with the model.*
+-->
+
+## Evaluation
+
+### Metrics
+
+#### Information Retrieval
+* Dataset: `single_answer_eval`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
+
+| Metric             | Value      |
+|:-------------------|:-----------|
+| cosine_accuracy@1  | 0.7814     |
+| cosine_accuracy@3  | 0.9059     |
+| cosine_precision@1 | 0.7814     |
+| cosine_precision@3 | 0.303      |
+| cosine_recall@1    | 0.0722     |
+| cosine_recall@3    | 0.0842     |
+| cosine_ndcg@10     | 0.1972     |
+| cosine_mrr@10      | 0.8525     |
+| **cosine_map@100** | **0.0832** |
+| dot_accuracy@1     | 0.7741     |
+| dot_accuracy@3     | 0.9035     |
+| dot_precision@1    | 0.7741     |
+| dot_precision@3    | 0.302      |
+| dot_recall@1       | 0.0714     |
+| dot_recall@3       | 0.0839     |
+| dot_ndcg@10        | 0.1964     |
+| dot_mrr@10         | 0.8483     |
+| dot_map@100        | 0.0827     |
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
+-->
+
+## Training Details
+
+### Training Dataset
+
+#### Unnamed Dataset
+
+
+* Size: 72,039 training samples
+* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | anchor                                                                            | positive                                                                            | negative                                                                           |
+  |:--------|:----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                              | string                                                                             |
+  | details | <ul><li>min: 6 tokens</li><li>mean: 16.65 tokens</li><li>max: 30 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 60.12 tokens</li><li>max: 128 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 59.72 tokens</li><li>max: 128 tokens</li></ul> |
+* Samples:
+  | anchor                                                        | positive                                                                                                                                  | negative                                                                                                                                                                                                                                                                                                                 |
+  |:--------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>Можно ли выгрузить копию доверенности через SED?</code> | <code>Копию доверенности можно выгрузить через раздел Отчеты в SED. Также там можно посмотреть номер и срок действия доверенности.</code> | <code>По вопросам, связанных с ДМС, Вы всегда можете обратиться на адрес медицинской поддержки Х5 mdnonpdi@testtest.ru.</code>                                                                                                                                                                                           |
+  | <code>Можно ли выгрузить копию доверенности через SED?</code> | <code>Копию доверенности можно выгрузить через раздел Отчеты в SED. Также там можно посмотреть номер и срок действия доверенности.</code> | <code>Для проведения отпуска по уходу за ребенком до 1,5 лет и до 3 лет обратитесь, пожалуйста, к директору магазина для создания заявки по теме "Декрет", подтема "Администрирование отпуска БиР". <br> Перечень необходимых документов размещен в «База знаний» https://company-x5.ru/knowledge-base/folder/39/</code> |
+  | <code>Можно ли выгрузить копию доверенности через SED?</code> | <code>Копию доверенности можно выгрузить через раздел Отчеты в SED. Также там можно посмотреть номер и срок действия доверенности.</code> | <code>Создайте, пожалуйста, обращение в ИТ поддержку на портале support</code>                                                                                                                                                                                                                                           |
+* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
+      "triplet_margin": 5
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 32
+- `num_train_epochs`: 2
+- `load_best_model_at_end`: True
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: steps
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 32
+- `per_device_eval_batch_size`: 8
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 1
+- `eval_accumulation_steps`: None
+- `torch_empty_cache_steps`: None
+- `learning_rate`: 5e-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`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.0
+- `warmup_steps`: 0
+- `log_level`: passive
+- `log_level_replica`: warning
+- `log_on_each_node`: True
+- `logging_nan_inf_filter`: True
+- `save_safetensors`: True
+- `save_on_each_node`: False
+- `save_only_model`: False
+- `restore_callback_states_from_checkpoint`: False
+- `no_cuda`: False
+- `use_cpu`: False
+- `use_mps_device`: False
+- `seed`: 42
+- `data_seed`: None
+- `jit_mode_eval`: False
+- `use_ipex`: False
+- `bf16`: False
+- `fp16`: False
+- `fp16_opt_level`: O1
+- `half_precision_backend`: auto
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: None
+- `local_rank`: 0
+- `ddp_backend`: None
+- `tpu_num_cores`: None
+- `tpu_metrics_debug`: False
+- `debug`: []
+- `dataloader_drop_last`: False
+- `dataloader_num_workers`: 0
+- `dataloader_prefetch_factor`: None
+- `past_index`: -1
+- `disable_tqdm`: False
+- `remove_unused_columns`: True
+- `label_names`: None
+- `load_best_model_at_end`: True
+- `ignore_data_skip`: False
+- `fsdp`: []
+- `fsdp_min_num_params`: 0
+- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
+- `fsdp_transformer_layer_cls_to_wrap`: None
+- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
+- `deepspeed`: None
+- `label_smoothing_factor`: 0.0
+- `optim`: adamw_torch
+- `optim_args`: None
+- `adafactor`: False
+- `group_by_length`: False
+- `length_column_name`: length
+- `ddp_find_unused_parameters`: None
+- `ddp_bucket_cap_mb`: None
+- `ddp_broadcast_buffers`: False
+- `dataloader_pin_memory`: True
+- `dataloader_persistent_workers`: False
+- `skip_memory_metrics`: True
+- `use_legacy_prediction_loop`: False
+- `push_to_hub`: False
+- `resume_from_checkpoint`: None
+- `hub_model_id`: None
+- `hub_strategy`: every_save
+- `hub_private_repo`: False
+- `hub_always_push`: False
+- `gradient_checkpointing`: False
+- `gradient_checkpointing_kwargs`: None
+- `include_inputs_for_metrics`: False
+- `eval_do_concat_batches`: True
+- `fp16_backend`: auto
+- `push_to_hub_model_id`: None
+- `push_to_hub_organization`: None
+- `mp_parameters`: 
+- `auto_find_batch_size`: False
+- `full_determinism`: False
+- `torchdynamo`: None
+- `ray_scope`: last
+- `ddp_timeout`: 1800
+- `torch_compile`: False
+- `torch_compile_backend`: None
+- `torch_compile_mode`: None
+- `dispatch_batches`: None
+- `split_batches`: None
+- `include_tokens_per_second`: False
+- `include_num_input_tokens_seen`: False
+- `neftune_noise_alpha`: None
+- `optim_target_modules`: None
+- `batch_eval_metrics`: False
+- `eval_on_start`: False
+- `eval_use_gather_object`: False
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch      | Step     | Training Loss | single_answer_eval_cosine_map@100 |
+|:----------:|:--------:|:-------------:|:---------------------------------:|
+| 0.4440     | 500      | 0.0138        | 0.0829                            |
+| 0.8881     | 1000     | 0.013         | 0.0839                            |
+| **1.3321** | **1500** | **0.0075**    | **0.0844**                        |
+| 1.7762     | 2000     | 0.0072        | 0.0832                            |
+
+* The bold row denotes the saved checkpoint.
+
+### Framework Versions
+- Python: 3.10.14
+- Sentence Transformers: 3.0.1
+- Transformers: 4.44.0
+- PyTorch: 2.4.0
+- Accelerate: 0.34.2
+- Datasets: 2.21.0
+- Tokenizers: 0.19.1
+
+## Citation
+
+### BibTeX
+
+#### Sentence Transformers
+```bibtex
+@inproceedings{reimers-2019-sentence-bert,
+    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
+    author = "Reimers, Nils and Gurevych, Iryna",
+    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
+    month = "11",
+    year = "2019",
+    publisher = "Association for Computational Linguistics",
+    url = "https://arxiv.org/abs/1908.10084",
+}
+```
+
+#### TripletLoss
+```bibtex
+@misc{hermans2017defense,
+    title={In Defense of the Triplet Loss for Person Re-Identification}, 
+    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
+    year={2017},
+    eprint={1703.07737},
+    archivePrefix={arXiv},
+    primaryClass={cs.CV}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,26 @@
+{
+  "_name_or_path": "WpythonW/paraphrase-multLing-L12-v2_custom",
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "classifier_dropout": null,
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 384,
+  "initializer_range": 0.02,
+  "intermediate_size": 1536,
+  "layer_norm_eps": 1e-12,
+  "max_position_embeddings": 512,
+  "model_type": "bert",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 0,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.44.0",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 250037
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.0.1",
+    "transformers": "4.44.0",
+    "pytorch": "2.4.0"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c14fbecb904256786937497b4f36dde5acb4a20f0ae86c8776bac5a402b10cb6
+size 470637416

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 128,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "<mask>",
+    "lstrip": true,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "<pad>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "<unk>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cad551d5600a84242d0973327029452a1e3672ba6313c2a3c3d69c4310e12719
+size 17082987

tokenizer_config.json

@@ -0,0 +1,64 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "250001": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "do_lower_case": true,
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "max_length": 128,
+  "model_max_length": 128,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}

unigram.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:da145b5e7700ae40f16691ec32a0b1fdc1ee3298db22a31ea55f57a966c4a65d
+size 14763260