Add new SentenceTransformer model.

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 768,
+  "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 +1,567 @@
+---
+base_model: vinai/phobert-base-v2
+datasets: []
+language: []
+library_name: sentence-transformers
+metrics:
+- pearson_cosine
+- spearman_cosine
+- pearson_manhattan
+- spearman_manhattan
+- pearson_euclidean
+- spearman_euclidean
+- pearson_dot
+- spearman_dot
+- pearson_max
+- spearman_max
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:102178
+- loss:TripletLoss
+widget:
+- source_sentence: Bàn cho thấy các thiết_kế và sản_xuất kiến_thức cần_thiết để thực_hiện
+    nhiều quyết_định thông_báo hơn .
+  sentences:
+  - Nixon quyết_định rằng hồ chí minh có_thể ở lại miền nam Việt_Nam .
+  - Không có gì cần_thiết để đưa ra một quyết_định thông_tin .
+  - Bảng Hiển_thị thiết_kế và sản_xuất thông_tin cần_thiết để đưa ra quyết_định .
+- source_sentence: 95 gói nước_tiểu miễn_phí trong túi của họ .
+  sentences:
+  - Tây_ban nha trượt từ vị_trí quyền_lực của họ .
+  - Đội đã bước vào phòng thí_nghiệm mang theo tổng_cộng 99 đơn_vị trong_sạch , thử_nghiệm
+    thân_thiện .
+  - Túi được yêu_cầu cho nhà toàn_bộ 95 đơn_vị phục_vụ trong_sạch nước_tiểu giữa các
+    nhà cung_cấp các sản_phẩm .
+- source_sentence: Tuyển một chiếc xe rất đắt tiền , và những gì có để xem_thường
+    là gần những con đường chính .
+  sentences:
+  - Thuê một chiếc xe rất rẻ nhưng có_thể không đáng_giá_như những cảnh_sát ở xa con
+    đường .
+  - Có một nhà_thờ hình_tròn ở orangerie ở Paris .
+  - Thuê một chiếc xe đến với chi_phí lớn và hầu_hết các điểm đến đều gần đường .
+- source_sentence: Người da đen là 12 phần_trăm dân_số .
+  sentences:
+  - Người da đen tạo ra 50 % tổng_số dân_số .
+  - Người Mỹ Châu_Phi là một nhóm_thiểu_số .
+  - Tôi đoán là barney fife .
+- source_sentence: Báo đen đã editorialized chống lại những cuộc viếng_thăm của farrakhan
+    với các nhà độc_tài châu phi .
+  sentences:
+  - Báo đen đã viết về quá_khứ của farrakhan .
+  - Khi bạn đi đến radda , bạn nên kiểm_tra piccolo bảo del chianti .
+  - Báo đen từ_chối yểm_trợ cho farrakhan .
+model-index:
+- name: SentenceTransformer based on vinai/phobert-base-v2
+  results:
+  - task:
+      type: semantic-similarity
+      name: Semantic Similarity
+    dataset:
+      name: sts dev
+      type: sts-dev
+    metrics:
+    - type: pearson_cosine
+      value: 0.42030854811305457
+      name: Pearson Cosine
+    - type: spearman_cosine
+      value: 0.5147968030818376
+      name: Spearman Cosine
+    - type: pearson_manhattan
+      value: 0.5605026901702432
+      name: Pearson Manhattan
+    - type: spearman_manhattan
+      value: 0.5792048311109484
+      name: Spearman Manhattan
+    - type: pearson_euclidean
+      value: 0.4710386131519505
+      name: Pearson Euclidean
+    - type: spearman_euclidean
+      value: 0.5087153254455983
+      name: Spearman Euclidean
+    - type: pearson_dot
+      value: 0.3923969498466928
+      name: Pearson Dot
+    - type: spearman_dot
+      value: 0.4338097270757405
+      name: Spearman Dot
+    - type: pearson_max
+      value: 0.5605026901702432
+      name: Pearson Max
+    - type: spearman_max
+      value: 0.5792048311109484
+      name: Spearman Max
+---
+
+# SentenceTransformer based on vinai/phobert-base-v2
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2). 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.
+
+## Model Details
+
+### Model Description
+- **Model Type:** Sentence Transformer
+- **Base model:** [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2) <!-- at revision 2b51e367d92093c9688112098510e6a58bab67cd -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 768 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': 512, 'do_lower_case': False}) with Transformer model: RobertaModel 
+  (1): Pooling({'word_embedding_dimension': 768, '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("huudan123/stage1")
+# Run inference
+sentences = [
+    'Báo đen đã editorialized chống lại những cuộc viếng_thăm của farrakhan với các nhà độc_tài châu phi .',
+    'Báo đen đã viết về quá_khứ của farrakhan .',
+    'Báo đen từ_chối yểm_trợ cho farrakhan .',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 768]
+
+# 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
+
+#### Semantic Similarity
+* Dataset: `sts-dev`
+* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| pearson_cosine      | 0.4203     |
+| **spearman_cosine** | **0.5148** |
+| pearson_manhattan   | 0.5605     |
+| spearman_manhattan  | 0.5792     |
+| pearson_euclidean   | 0.471      |
+| spearman_euclidean  | 0.5087     |
+| pearson_dot         | 0.3924     |
+| spearman_dot        | 0.4338     |
+| pearson_max         | 0.5605     |
+| spearman_max        | 0.5792     |
+
+<!--
+## 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: 102,178 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: 4 tokens</li><li>mean: 27.28 tokens</li><li>max: 147 tokens</li></ul> | <ul><li>min: 4 tokens</li><li>mean: 14.99 tokens</li><li>max: 44 tokens</li></ul> | <ul><li>min: 4 tokens</li><li>mean: 14.34 tokens</li><li>max: 34 tokens</li></ul> |
+* Samples:
+  | anchor                                                                                                                                                        | positive                                                                                                                                                                 | negative                                                                                                                                                  |
+  |:--------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>Tem đầy màu_sắc của madeira , cũng như tiền xu , ghi_chép ngân_hàng , và các mặt_hàng khác như bưu_thiếp là mối quan_tâm đến nhiều nhà sưu_tập .</code> | <code>Các nhà sưu_tập sẽ thích ghé thăm madeira bởi_vì những phân_chia lớn của tem , ghi_chép ngân_hàng , bưu_thiếp , và nhiều mặt_hàng khác họ có_thể đọc được .</code> | <code>Mọi người quan_tâm đến việc bắt_đầu bộ sưu_tập mới nên thoát madeira và đi du_lịch phía bắc , nơi họ có khả_năng tìm thấy các cửa_hàng tốt .</code> |
+  | <code>Cẩn_thận đấy , ông inglethorp . Poirot bị bồn_chồn .</code>                                                                                             | <code>Hãy chăm_sóc ông inglethorp .</code>                                                                                                                               | <code>Không cần phải cẩn_thận với anh ta .</code>                                                                                                         |
+  | <code>Phải có một_chút hoài_nghi về trải nghiệm cá_nhân của sperling với trò_chơi .</code>                                                                    | <code>Hãy suy_nghĩ về những tác_động khi nhìn vào kinh_nghiệm của anh ấy .</code>                                                                                        | <code>Một người có_thể lấy trải nghiệm cá_nhân của sperling với giá_trị mặt .</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
+  }
+  ```
+
+### Evaluation Dataset
+
+#### Unnamed Dataset
+
+
+* Size: 12,772 evaluation 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: 4 tokens</li><li>mean: 27.81 tokens</li><li>max: 164 tokens</li></ul> | <ul><li>min: 3 tokens</li><li>mean: 14.94 tokens</li><li>max: 42 tokens</li></ul> | <ul><li>min: 4 tokens</li><li>mean: 14.4 tokens</li><li>max: 39 tokens</li></ul> |
+* Samples:
+  | anchor                                                                                                                                                                                                                | positive                                                                                     | negative                                                                                                                     |
+  |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------|
+  | <code>Tình_yêu , anh có muốn em trở_thành kassandra lubbock của anh không ?</code>                                                                                                                                    | <code>Tôi có_thể là kassandra lubbock của anh .</code>                                       | <code>Tôi từ_chối trở_thành kassandra lubbock của anh .</code>                                                               |
+  | <code>Ví_dụ , trong mùa thu năm 1997 , ủy ban điều_trị hạt_nhân ( nrc ) văn_phòng thanh_tra tướng liệu nrc để có được quan_điểm của họ trên văn_hóa an_toàn của đại_lý .</code>                                       | <code>Nhân_viên nrc đã được hỏi về quan_điểm của họ trên văn_hóa an_toàn của đại_lý .</code> | <code>Các nhân_viên không bao_giờ quan_sát về quan_điểm của họ về văn_hóa an_toàn của đại_lý trong mùa thu năm 1997 .</code> |
+  | <code>Mỗi năm kem của trẻ nghệ và comedic tài_năng làm cho nó đường đến edinburgh , và fringe đã lớn lên trong việc huấn_luyện lớn nhất trong khung_cảnh lớn nhất cho các diễn_viên phát_triển trên thế_giới .</code> | <code>Tài_năng mới đến edinburgh .</code>                                                    | <code>Tài_năng mới đến dublin .</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
+
+- `overwrite_output_dir`: True
+- `eval_strategy`: epoch
+- `per_device_train_batch_size`: 128
+- `per_device_eval_batch_size`: 128
+- `num_train_epochs`: 20
+- `lr_scheduler_type`: cosine
+- `warmup_ratio`: 0.05
+- `fp16`: True
+- `load_best_model_at_end`: True
+- `gradient_checkpointing`: True
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: True
+- `do_predict`: False
+- `eval_strategy`: epoch
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 128
+- `per_device_eval_batch_size`: 128
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 1
+- `eval_accumulation_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`: 20
+- `max_steps`: -1
+- `lr_scheduler_type`: cosine
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.05
+- `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`: True
+- `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`: True
+- `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
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+<details><summary>Click to expand</summary>
+
+| Epoch   | Step     | Training Loss | loss       | sts-dev_spearman_cosine |
+|:-------:|:--------:|:-------------:|:----------:|:-----------------------:|
+| 0       | 0        | -             | -          | 0.6643                  |
+| 0.0626  | 50       | 4.6946        | -          | -                       |
+| 0.1252  | 100      | 4.031         | -          | -                       |
+| 0.1877  | 150      | 2.7654        | -          | -                       |
+| 0.2503  | 200      | 2.4176        | -          | -                       |
+| 0.3129  | 250      | 2.1111        | -          | -                       |
+| 0.3755  | 300      | 2.0263        | -          | -                       |
+| 0.4380  | 350      | 1.9296        | -          | -                       |
+| 0.5006  | 400      | 1.7793        | -          | -                       |
+| 0.5632  | 450      | 1.7903        | -          | -                       |
+| 0.6258  | 500      | 1.7638        | -          | -                       |
+| 0.6884  | 550      | 1.7042        | -          | -                       |
+| 0.7509  | 600      | 1.7038        | -          | -                       |
+| 0.8135  | 650      | 1.6221        | -          | -                       |
+| 0.8761  | 700      | 1.6172        | -          | -                       |
+| 0.9387  | 750      | 1.6227        | -          | -                       |
+| 1.0     | 799      | -             | 1.5275     | 0.5219                  |
+| 1.0013  | 800      | 1.6264        | -          | -                       |
+| 1.0638  | 850      | 1.364         | -          | -                       |
+| 1.1264  | 900      | 1.4447        | -          | -                       |
+| 1.1890  | 950      | 1.4161        | -          | -                       |
+| 1.2516  | 1000     | 1.3575        | -          | -                       |
+| 1.3141  | 1050     | 1.3554        | -          | -                       |
+| 1.3767  | 1100     | 1.378         | -          | -                       |
+| 1.4393  | 1150     | 1.3806        | -          | -                       |
+| 1.5019  | 1200     | 1.3089        | -          | -                       |
+| 1.5645  | 1250     | 1.4314        | -          | -                       |
+| 1.6270  | 1300     | 1.3672        | -          | -                       |
+| 1.6896  | 1350     | 1.3777        | -          | -                       |
+| 1.7522  | 1400     | 1.3282        | -          | -                       |
+| 1.8148  | 1450     | 1.3432        | -          | -                       |
+| 1.8773  | 1500     | 1.3101        | -          | -                       |
+| 1.9399  | 1550     | 1.2919        | -          | -                       |
+| 2.0     | 1598     | -             | 1.3643     | 0.5667                  |
+| 2.0025  | 1600     | 1.2969        | -          | -                       |
+| 2.0651  | 1650     | 0.9629        | -          | -                       |
+| 2.1277  | 1700     | 0.9878        | -          | -                       |
+| 2.1902  | 1750     | 0.9437        | -          | -                       |
+| 2.2528  | 1800     | 0.9832        | -          | -                       |
+| 2.3154  | 1850     | 0.9584        | -          | -                       |
+| 2.3780  | 1900     | 1.0689        | -          | -                       |
+| 2.4406  | 1950     | 1.0579        | -          | -                       |
+| 2.5031  | 2000     | 0.9888        | -          | -                       |
+| 2.5657  | 2050     | 0.9452        | -          | -                       |
+| 2.6283  | 2100     | 0.9378        | -          | -                       |
+| 2.6909  | 2150     | 0.9553        | -          | -                       |
+| 2.7534  | 2200     | 0.9337        | -          | -                       |
+| 2.8160  | 2250     | 1.0184        | -          | -                       |
+| 2.8786  | 2300     | 0.9663        | -          | -                       |
+| 2.9412  | 2350     | 0.9686        | -          | -                       |
+| 3.0     | 2397     | -             | 1.3488     | 0.5442                  |
+| 3.0038  | 2400     | 0.9618        | -          | -                       |
+| 3.0663  | 2450     | 0.6878        | -          | -                       |
+| 3.1289  | 2500     | 0.6883        | -          | -                       |
+| 3.1915  | 2550     | 0.6498        | -          | -                       |
+| 3.2541  | 2600     | 0.6651        | -          | -                       |
+| 3.3166  | 2650     | 0.6554        | -          | -                       |
+| 3.3792  | 2700     | 0.7033        | -          | -                       |
+| 3.4418  | 2750     | 0.6416        | -          | -                       |
+| 3.5044  | 2800     | 0.7068        | -          | -                       |
+| 3.5670  | 2850     | 0.6834        | -          | -                       |
+| 3.6295  | 2900     | 0.7099        | -          | -                       |
+| 3.6921  | 2950     | 0.7306        | -          | -                       |
+| 3.7547  | 3000     | 0.7105        | -          | -                       |
+| 3.8173  | 3050     | 0.7072        | -          | -                       |
+| 3.8798  | 3100     | 0.7248        | -          | -                       |
+| 3.9424  | 3150     | 0.7216        | -          | -                       |
+| **4.0** | **3196** | **-**         | **1.3358** | **0.5307**              |
+| 4.0050  | 3200     | 0.693         | -          | -                       |
+| 4.0676  | 3250     | 0.4741        | -          | -                       |
+| 4.1302  | 3300     | 0.4593        | -          | -                       |
+| 4.1927  | 3350     | 0.449         | -          | -                       |
+| 4.2553  | 3400     | 0.4326        | -          | -                       |
+| 4.3179  | 3450     | 0.4488        | -          | -                       |
+| 4.3805  | 3500     | 0.4762        | -          | -                       |
+| 4.4431  | 3550     | 0.4723        | -          | -                       |
+| 4.5056  | 3600     | 0.4713        | -          | -                       |
+| 4.5682  | 3650     | 0.4612        | -          | -                       |
+| 4.6308  | 3700     | 0.4537        | -          | -                       |
+| 4.6934  | 3750     | 0.4928        | -          | -                       |
+| 4.7559  | 3800     | 0.4568        | -          | -                       |
+| 4.8185  | 3850     | 0.4771        | -          | -                       |
+| 4.8811  | 3900     | 0.4688        | -          | -                       |
+| 4.9437  | 3950     | 0.4549        | -          | -                       |
+| 5.0     | 3995     | -             | 1.4027     | 0.5360                  |
+| 5.0063  | 4000     | 0.5048        | -          | -                       |
+| 5.0688  | 4050     | 0.2822        | -          | -                       |
+| 5.1314  | 4100     | 0.3069        | -          | -                       |
+| 5.1940  | 4150     | 0.2971        | -          | -                       |
+| 5.2566  | 4200     | 0.3191        | -          | -                       |
+| 5.3191  | 4250     | 0.3023        | -          | -                       |
+| 5.3817  | 4300     | 0.3224        | -          | -                       |
+| 5.4443  | 4350     | 0.3114        | -          | -                       |
+| 5.5069  | 4400     | 0.3098        | -          | -                       |
+| 5.5695  | 4450     | 0.3071        | -          | -                       |
+| 5.6320  | 4500     | 0.3478        | -          | -                       |
+| 5.6946  | 4550     | 0.3288        | -          | -                       |
+| 5.7572  | 4600     | 0.3373        | -          | -                       |
+| 5.8198  | 4650     | 0.3577        | -          | -                       |
+| 5.8824  | 4700     | 0.331         | -          | -                       |
+| 5.9449  | 4750     | 0.3132        | -          | -                       |
+| 6.0     | 4794     | -             | 1.4036     | 0.5148                  |
+
+* The bold row denotes the saved checkpoint.
+</details>
+
+### Framework Versions
+- Python: 3.10.12
+- Sentence Transformers: 3.0.1
+- Transformers: 4.42.4
+- PyTorch: 2.3.1+cu121
+- Accelerate: 0.32.1
+- Datasets: 2.20.0
+- 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.*
+-->

added_tokens.json

@@ -0,0 +1,3 @@
+{
+  "<mask>": 64000
+}

config.json

@@ -0,0 +1,28 @@
+{
+  "_name_or_path": "./output/final_model",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 258,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "PhobertTokenizer",
+  "torch_dtype": "float32",
+  "transformers_version": "4.42.4",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 64001
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.0.1",
+    "transformers": "4.42.4",
+    "pytorch": "2.3.1+cu121"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:0f92ba052740e275797fe236e0746b886268222b27eeb0855d9e3375f6aac118
+size 540015464

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": 512,
+  "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": false,
+    "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_config.json

@@ -0,0 +1,54 @@
+{
+  "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
+    },
+    "64000": {
+      "content": "<mask>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "model_max_length": 512,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "PhobertTokenizer",
+  "unk_token": "<unk>"
+}