Hugging Face's logo

tintnguyen
/
bert-base-vi-uncased-st

Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:631587
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Inference Endpoints
Model card Files Community
tintnguyen commited on
Commit
26d7b26
·
verified ·
1 Parent(s): d9fc049

Add new SentenceTransformer model

Browse files
Files changed (11) hide show
  1. 1_Pooling/config.json +10 -0
  2. README.md +1260 -0
  3. config.json +31 -0
  4. config_sentence_transformers.json +10 -0
  5. model.safetensors +3 -0
  6. modules.json +14 -0
  7. sentence_bert_config.json +4 -0
  8. special_tokens_map.json +37 -0
  9. tokenizer.json +0 -0
  10. tokenizer_config.json +62 -0
  11. vocab.txt +0 -0
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": false,
4
+ "pooling_mode_mean_tokens": true,
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 +1,1260 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ tags:
3
+ - sentence-transformers
4
+ - sentence-similarity
5
+ - feature-extraction
6
+ - generated_from_trainer
7
+ - dataset_size:631587
8
+ - loss:MultipleNegativesRankingLoss
9
+ base_model: tintnguyen/bert-base-vi-uncased
10
+ widget:
11
+ - source_sentence: thành phố bất động sản đắt nhất
12
+ sentences:
13
+ - 'Đồng hồ: 18.066 đô la. Paris, kinh đô thời trang của thế giới và thủ đô thực
14
+ tế của đất nước Pháp hiện được công nhận là một trong những thành phố đắt đỏ nhất
15
+ để mua bất động sản, khi thị trường bất động sản tiếp tục phát triển mạnh với
16
+ nền kinh tế Pháp ổn định.'
17
+ - Hầu hết các cô gái và chàng trai đeo chiếc nhẫn thuần khiết của họ trên ngón áp
18
+ út của họ. Một số cô gái thích đeo nó trên ngón áp út của bàn tay trái, và thay
19
+ thế nó bằng chiếc nhẫn cưới của họ. Nhẫn tinh khiết không dành riêng cho ngón
20
+ tay đeo nhẫn; bạn có thể mặc nó bất cứ nơi nào thoải mái nhất cho bạn. Một số
21
+ thậm chí đeo nhẫn của họ trên một chuỗi như một chiếc vòng cổ. Một.
22
+ - 'Michaela Kennedy Cuomo, con gái út của Andrew Cuomo, phải nhập viện một thời
23
+ gian ngắn sau khi bất tỉnh: báo cáo. Theo các báo cáo, Michaela Kennedy Cuomo
24
+ (bên phải, trong ảnh với cha Thống đốc Cuomo), 17 tuổi, đã phải nhập viện một
25
+ thời gian ngắn sau khi được tìm thấy trong tình trạng bất tỉnh trong ngôi nhà
26
+ ở Westchester mà cô ở cùng mẹ, Kerry Kennedy, theo báo cáo. (Hình ảnh Spencer
27
+ Platt / Getty)'
28
+ - source_sentence: núi đọ ở tỉnh nào
29
+ sentences:
30
+ - Việc phát hiện một số di tích mà tiêu biểu là Núi Đọ vào cuối năm 1960, đã xuất
31
+ lộ những công cụ đá thô sơ đầu tiên của con người. Các nhà Khảo cổ học Việt Nam
32
+ cùng với Giáo sư Boriskovski đã nghiên cứu và chứng minh rằng ở Núi Đọ từng tồn
33
+ tại một nền văn hóa sơ kỳ thời đại đá cũ. Di tích Núi Đọ thuộc địa phận hai xã
34
+ Thiệu Tân và Thiệu Khánh, huyện Đông Sơn, Thanh Hóa. Núi Đọ là một quả núi thấp,
35
+ sườn núi dốc thoai thoải từ 20 độ đến 25 độ, cao 158 m so với mặt nước biển, nằm
36
+ ngay bên bờ hữu ngạn sông Chu; chỗ hợp lưu của hai dòng sông Mã và sông Chu cách
37
+ Thành phố Thanh Hóa 7 km về phía bắc - tây bắc.
38
+ - 'Virus Zika có thể lây truyền qua muỗi hoặc qua đường tình dục. Hầu hết mọi người
39
+ có thể phục hồi hoàn toàn và các triệu chứng virus zika tự hết trong khoảng một
40
+ tuần. Đa số các trường hợp không có triệu chứng nhiễm virus Zika. Tuy nhiên, nếu
41
+ có thì các biểu hiện virus zika thông thường gồm: Sốt, phát ban, đau khớp, đau
42
+ đầu, kết mạc mắt đỏ, đau cơ, cảm giác đau ở lưng. Bệnh virus Zika đặc biệt nguy
43
+ hiểm nếu đi từ mẹ sang con. Bà bầu bị nhiễm virus Zika khi mang thai có thể khiến
44
+ thai nhi mắc chứng đầu nhỏ. Khi lớn hơn, bé có thể bị suy giảm thị giác, thính
45
+ giác, tăng trưởng kém và thậm chí co giật.'
46
+ - Ý nghĩa hoa Alstroemeria Astroemeria cứng cáp là một bông hoa tuyệt đẹp kết hợp
47
+ nhiều màu sắc khác nhau thành một vẻ đẹp gắn kết. Loài hoa tươi sáng này tượng
48
+ trưng cho tình bạn, vẻ đẹp bền lâu của sự cam kết và chăm sóc.
49
+ - source_sentence: giáo của người đông sơn có hình gì
50
+ sentences:
51
+ - Chủ nhân của Văn hóa Đông Sơn đã chế tạo nhiều loại vũ khí từ đồng dùng để đánh
52
+ xa, gồm có lao, đầu mũi tên. Để bắn tên tất phải có cung, nỏ bằng gỗ hoặc tre.
53
+ Việc phát hiện bộ lẫy nỏ có hộp, có rãnh đặt mũi tên, có nấc để giữ dây nỏ, có
54
+ lẫy cong đùng để bóp cò, không còn nguyên vẹn ở làng Vạc, cho thấy việc dùng cung
55
+ nỏ của người Đông Sơn rất lợi hại khi săn bắn, chiến tranh là điều có thể tin
56
+ được. Giáo hình búp da, hình lá mía. Lao cũng giống như giáo nhưng kích cỡ nhỏ
57
+ hơn. Vũ khí đánh gần có dao găm. Dao găm có nhiều kiểu phân biệt dựa vào phần
58
+ cán và đốc chắn. Nhiều chiếc dao găm được đúc rất công phu. Chuôi dao đúc hình
59
+ tượng người nam hoặc nữ, y phục hoa văn trang sức đẹp đẽ, sống động. Phần cán
60
+ dao găm có những chiếc được chạm trổ rất độc đáo với hình tượng động vật như rắn
61
+ ngậm chân hổ, hổ ngậm chân voi, hay rắn ngậm chân voi...
62
+ - 'Xét nghiệm máu FSH kiểm tra mức độ hormone kích thích nang trứng trong máu. Mức
63
+ độ FHS có thể xác định xem các cơ quan sinh dục ở cả nam và nữ có hoạt động bình
64
+ thường hay không. Mức độ FHS cũng có thể được kiểm tra để phát hiện các vấn đề
65
+ với tuyến yên. Số lượng: * Chỉ số nguyên. Hormone kích thích nang trứng, hoặc
66
+ FSH, được sản xuất bởi tuyến yên để kích thích sản xuất và phát triển trứng ở
67
+ nữ và tinh trùng ở nam. FSH cũng kích thích sản xuất các hormone khác, bao gồm
68
+ testosterone và estrogen.'
69
+ - White Lightning là một tàu lượn siêu tốc bằng gỗ tại Fun Spot America ở Orlando,
70
+ Florida. Chuyến xe được thiết kế riêng do Great Coasters International sản xuất.
71
+ Chuyến đi là tàu lượn bằng gỗ đầu tiên của Orlando.
72
+ - source_sentence: bước đầu tiên trong quá trình tổng hợp protein là gì
73
+ sentences:
74
+ - 'Sáu bước đơn giản để trồng hoa nhài: 1 Hoa nhài phát triển mạnh trong môi trường
75
+ ban ngày nóng ẩm. 2 Chọn nơi trồng hoa nhài của bạn. 3 Chuẩn bị đất để trồng bằng
76
+ cách làm việc với một lượng lớn vật liệu hữu cơ, chẳng hạn như rêu than bùn hoặc
77
+ phân trộn. Bón phân đa dụng mỗi tháng một lần từ tháng 3 đến tháng 11.'
78
+ - 'PHẦN A. Đọc phần sau và ghi chú vào giấy của bạn: Tổng hợp protein là quá trình
79
+ cơ thể sử dụng để tạo ra protein. Bước đầu tiên của quá trình tổng hợp protein
80
+ được gọi là Phiên mã. Nó xảy ra trong nhân. Trong quá trình phiên mã, mRNA phiên
81
+ mã (bản sao) DNA. DNA là ࢠ€Š“được giải nénࢠ€Â và sợi mRNA
82
+ sao chép một sợi DNA. Một khi nó làm được điều này, mRNA sẽ rời khỏi nhân và đi
83
+ vào tế bào chất. mRNA sau đó sẽ tự gắn vào ribosome.'
84
+ - LIÊN KẾT / TRANG WEB THÊM VÀO DANH SÁCH CÔNG VIỆC. danh từ. Skinny jeans là loại
85
+ quần denim bó sát với da thường được làm bằng vải co giãn. Một ví dụ về quần jean
86
+ bó là những chiếc quần jean bó sát từ eo đến mắt cá chân.
87
+ - source_sentence: phương pháp lóc ối bác sĩ sẽ làm gì
88
+ sentences:
89
+ - Gương mặt thân quen mùa 1 được phát sóng trên kênh VTV3 từ ngày 5 tháng 1 năm
90
+ 2013 đến 23 tháng 3 năm 2013 với các thí sinh gồm Khởi My, Đại Nghĩa, Thúy Uyên,
91
+ Kyo York, Phương Thanh và Chí Thiện. Bộ ba giám khảo chính là nhạc sĩ Đức Huy,
92
+ ca sĩ Mỹ Linh và NSƯT Hoài Linh. Người dẫn chương trình mùa này là nghệ sĩ Thanh
93
+ Bạch. Sau 10 tuần thi, kết quả chung cuộc giải nhất thuộc về thí sinh Khởi My.
94
+ - 'Khi thai phụ đã quá ngày dự sinh, các phương pháp sau đây có thể được bác sĩ
95
+ cân nhắc lựa chọn để gây khởi phát chuyển dạ:
96
+
97
+ Lóc ối: Với biện pháp này, bác sĩ sẽ đeo găng và dùng ngón tay để tách màng ối
98
+ ra khỏi thành tử cung.
99
+
100
+ Phá vỡ túi nước ối: Bác sĩ sẽ tạo một lỗ nhỏ trên túi nước ối để làm vỡ ối, qua
101
+ đó kích thích sự chuyển dạ.
102
+
103
+ Oxytocin: Là một loại thuốc giúp tạo ra các cơn co thắt chuyển dạ, được tiêm theo
104
+ đường tĩnh mạch vào cánh tay của thai phụ. Liều lượng có thể được tăng dần theo
105
+ thời gian nhưng phải theo dõi cẩn thận.
106
+
107
+ Các chất tương tự Prostaglandin: Đây là những loại thuốc được đặt trong âm đạo
108
+ để làm chín muồi cổ tử cung.
109
+
110
+ Làm giãn nở cổ tử cung: Bác sĩ có thể đặt ống thông có gắn một quả bong bóng rất
111
+ nhỏ vào cuối cổ tử cung của thai phụ. Sau đó, nước sẽ được bơm vào quả bóng. Khi
112
+ bóng đã được bơm căng, nó sẽ gây ra tác động áp lực, giúp cổ tử cung mở ra và
113
+ quá trình chuyển dạ sẽ bắt đầu.'
114
+ - 'Nghĩa quân Tây Sơn ở vào thế bất lợi: phía bắc có quân Trịnh, phía nam còn quân
115
+ Nguyễn. Nguyễn Nhạc phải tạm hoà hoãn với quân Trịnh để dồn sức đánh Nguyễn. Từ
116
+ năm 1776 đến năm 1783, nghĩa quân Tây Sơn đã bốn lần đánh vào Gia Định.Trong lần
117
+ tiến quân năm 1777, Tây Sơn bắt giết được chúa Nguyễn, chỉ còn Nguyễn Ánh chạy
118
+ thoát. Chính quyền họ Nguyễn ở Đàng Trong đến đây bị lật đổ.'
119
+ pipeline_tag: sentence-similarity
120
+ library_name: sentence-transformers
121
+ ---
122
+
123
+ # SentenceTransformer based on tintnguyen/bert-base-vi-uncased
124
+
125
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [tintnguyen/bert-base-vi-uncased](https://huggingface.co/tintnguyen/bert-base-vi-uncased). 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.
126
+
127
+ ## Model Details
128
+
129
+ ### Model Description
130
+ - **Model Type:** Sentence Transformer
131
+ - **Base model:** [tintnguyen/bert-base-vi-uncased](https://huggingface.co/tintnguyen/bert-base-vi-uncased) <!-- at revision 4e50493f19bb3d6599ec112044d6c84f65b733bb -->
132
+ - **Maximum Sequence Length:** 512 tokens
133
+ - **Output Dimensionality:** 768 dimensions
134
+ - **Similarity Function:** Cosine Similarity
135
+ <!-- - **Training Dataset:** Unknown -->
136
+ <!-- - **Language:** Unknown -->
137
+ <!-- - **License:** Unknown -->
138
+
139
+ ### Model Sources
140
+
141
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
142
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
143
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
144
+
145
+ ### Full Model Architecture
146
+
147
+ ```
148
+ SentenceTransformer(
149
+ (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel
150
+ (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})
151
+ )
152
+ ```
153
+
154
+ ## Usage
155
+
156
+ ### Direct Usage (Sentence Transformers)
157
+
158
+ First install the Sentence Transformers library:
159
+
160
+ ```bash
161
+ pip install -U sentence-transformers
162
+ ```
163
+
164
+ Then you can load this model and run inference.
165
+ ```python
166
+ from sentence_transformers import SentenceTransformer
167
+
168
+ # Download from the 🤗 Hub
169
+ model = SentenceTransformer("tintnguyen/bert-base-vi-uncased-st")
170
+ # Run inference
171
+ sentences = [
172
+ 'phương pháp lóc ối bác sĩ sẽ làm gì',
173
+ 'Khi thai phụ đã quá ngày dự sinh, các phương pháp sau đây có thể được bác sĩ cân nhắc lựa chọn để gây khởi phát chuyển dạ:\nLóc ối: Với biện pháp này, bác sĩ sẽ đeo găng và dùng ngón tay để tách màng ối ra khỏi thành tử cung.\nPhá vỡ túi nước ối: Bác sĩ sẽ tạo một lỗ nhỏ trên túi nước ối để làm vỡ ối, qua đó kích thích sự chuyển dạ.\nOxytocin: Là một loại thuốc giúp tạo ra các cơn co thắt chuyển dạ, được tiêm theo đường tĩnh mạch vào cánh tay của thai phụ. Liều lượng có thể được tăng dần theo thời gian nhưng phải theo dõi cẩn thận.\nCác chất tương tự Prostaglandin: Đây là những loại thuốc được đặt trong âm đạo để làm chín muồi cổ tử cung.\nLàm giãn nở cổ tử cung: Bác sĩ có thể đặt ống thông có gắn một quả bong bóng rất nhỏ vào cuối cổ tử cung của thai phụ. Sau đó, nước sẽ được bơm vào quả bóng. Khi bóng đã được bơm căng, nó sẽ gây ra tác động áp lực, giúp cổ tử cung mở ra và quá trình chuyển dạ sẽ bắt đầu.',
174
+ 'Nghĩa quân Tây Sơn ở vào thế bất lợi: phía bắc có quân Trịnh, phía nam còn quân Nguyễn. Nguyễn Nhạc phải tạm hoà hoãn với quân Trịnh để dồn sức đánh Nguyễn. Từ năm 1776 đến năm 1783, nghĩa quân Tây Sơn đã bốn lần đánh vào Gia Định.Trong lần tiến quân năm 1777, Tây Sơn bắt giết được chúa Nguyễn, chỉ còn Nguyễn Ánh chạy thoát. Chính quyền họ Nguyễn ở Đàng Trong đến đây bị lật đổ.',
175
+ ]
176
+ embeddings = model.encode(sentences)
177
+ print(embeddings.shape)
178
+ # [3, 768]
179
+
180
+ # Get the similarity scores for the embeddings
181
+ similarities = model.similarity(embeddings, embeddings)
182
+ print(similarities.shape)
183
+ # [3, 3]
184
+ ```
185
+
186
+ <!--
187
+ ### Direct Usage (Transformers)
188
+
189
+ <details><summary>Click to see the direct usage in Transformers</summary>
190
+
191
+ </details>
192
+ -->
193
+
194
+ <!--
195
+ ### Downstream Usage (Sentence Transformers)
196
+
197
+ You can finetune this model on your own dataset.
198
+
199
+ <details><summary>Click to expand</summary>
200
+
201
+ </details>
202
+ -->
203
+
204
+ <!--
205
+ ### Out-of-Scope Use
206
+
207
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
208
+ -->
209
+
210
+ <!--
211
+ ## Bias, Risks and Limitations
212
+
213
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
214
+ -->
215
+
216
+ <!--
217
+ ### Recommendations
218
+
219
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
220
+ -->
221
+
222
+ ## Training Details
223
+
224
+ ### Training Dataset
225
+
226
+ #### Unnamed Dataset
227
+
228
+
229
+ * Size: 631,587 training samples
230
+ * Columns: <code>anchor</code> and <code>positive</code>
231
+ * Approximate statistics based on the first 1000 samples:
232
+ | | anchor | positive |
233
+ |:--------|:----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
234
+ | type | string | string |
235
+ | details | <ul><li>min: 5 tokens</li><li>mean: 10.92 tokens</li><li>max: 41 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 106.79 tokens</li><li>max: 512 tokens</li></ul> |
236
+ * Samples:
237
+ | anchor | positive |
238
+ |:---------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
239
+ | <code>bạn có thể lấy hộ chiếu ở dmv không</code> | <code>Nộp đơn xin Hộ chiếu Hoa Kỳ tại Văn phòng DMV. Xuất bản 27/09/2001 01:53 PM | Cập nhật 24/08/2011 11:05 AM. Bạn có thể nộp đơn xin Hộ chiếu Hoa Kỳ tại một số văn phòng xe cơ giới do các nhân viên quận điều hành. Bạn có thể nộp đơn xin Hộ chiếu Hoa Kỳ tại một số Bưu điện Hoa Kỳ. NYSDMV không cấp hộ chiếu và không thể cung cấp cho bạn thông tin về cách xin hộ chiếu. Liên hệ với Bưu điện Hoa Kỳ hoặc văn phòng thư ký quận được liệt kê trong các trang màu xanh trong danh bạ điện thoại của bạn. NYSDMV không cấp hộ chiếu và không thể cung cấp cho bạn thông tin về cách nộp đơn xin hộ chiếu. Liên hệ với Bưu điện Hoa Kỳ hoặc văn phòng lục sự quận được liệt kê trong các trang màu xanh lam của danh bạ điện thoại của bạn.</code> |
240
+ | <code>tổng số người mỹ thiệt mạng trong tất cả các cuộc chiến tranh</code> | <code>1 Con số chính thức của người Mỹ thiệt mạng trong Chiến tranh Cách mạng (4.435) chỉ bằng khoảng 2/3 con số mà các nhà sử học đưa ra. Tổng số người Mỹ thiệt mạng trong Nội chiến được đưa ra là 140.414 - cao hơn khoảng 30.000 so với hầu hết các nhà sử học ước tính. Tôi nghi ngờ (nhưng không biết chắc chắn) rằng sự gia tăng có thể đến từ việc DoD tính số người chết trong tù binh là chiến đấu hơn là bệnh tật.</code> |
241
+ | <code>lý thuyết vụ nổ lớn được quay ở đâu</code> | <code>Thuyết Vụ nổ lớn được ghi hình tại Warner Bros. Studios ở Burbank, California. Bạn phải từ mười tám tuổi trở lên để tham gia buổi ghi hình Thuyết Vụ nổ lớn. Số lượng vé có hạn và nhu cầu rất cao. Vé được bán miễn phí trên TVTickets.com. Phần thứ 10 của Big Bang Theory hiện đang được sản xuất.</code> |
242
+ * Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
243
+ ```json
244
+ {
245
+ "scale": 20.0,
246
+ "similarity_fct": "cos_sim"
247
+ }
248
+ ```
249
+
250
+ ### Evaluation Dataset
251
+
252
+ #### Unnamed Dataset
253
+
254
+
255
+ * Size: 300 evaluation samples
256
+ * Columns: <code>anchor</code> and <code>positive</code>
257
+ * Approximate statistics based on the first 300 samples:
258
+ | | anchor | positive |
259
+ |:--------|:----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
260
+ | type | string | string |
261
+ | details | <ul><li>min: 5 tokens</li><li>mean: 11.02 tokens</li><li>max: 43 tokens</li></ul> | <ul><li>min: 4 tokens</li><li>mean: 108.76 tokens</li><li>max: 512 tokens</li></ul> |
262
+ * Samples:
263
+ | anchor | positive |
264
+ |:--------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
265
+ | <code>lúa mạch đen được dùng làm gì và ăn ở pháp</code> | <code>Tiêu dùng và sử dụng của con người. Như đã nói trước đó, hầu hết lúa mạch đen được trồng ở châu Âu là để làm bánh mì. Canada có một số lượng hạn chế hạt lúa mạch đen được sử dụng để chưng cất và sử dụng thực phẩm, và ở Mỹ khoảng một nửa lúa mạch đen làm ngũ cốc được sử dụng cho những mục đích này (7, 8). Hạt lúa mạch đen được sử dụng để làm bột mì, thức ăn gia súc, hoặc bia. Nó cũng có thể được ăn toàn bộ, dưới dạng quả mọng lúa mạch đen luộc, hoặc bằng cách cuộn lại, tương tự như yến mạch cán (10).</code> |
266
+ | <code>kỳ hạm của hải quân chúng tôi là gì</code> | <code>USS Hiến pháp là kỳ hạm truyền thống của Hải quân Hoa Kỳ. Và nó vẫn đang được thực hiện và được điều khiển bởi một thủy thủ đoàn Hải quân Hoa Kỳ. USS Constellation CVN-64 được Tổng thống Ronald Reagan đặt cho biệt danh là Chiến hạm của Hoa Kỳ. Nó hiện đã ngừng hoạt động và được thay thế trong hạm đội bằng tàu sân bay USS Ronald Reagan CVN-76.</code> |
267
+ | <code>cửa sổ kính lớn nhất</code> | <code>Cửa sổ kính màu lớn nhất thế giới. Cửa sổ kính màu lớn nhất thế giới thực sự nằm trong lăng mộ tại Nghĩa trang Phục sinh ở Công lý. Nó chứa 2.448 tấm và rộng 22.381 feet vuông. Cũng cần lưu ý thêm, nó chỉ cách nhà máy cải tạo nước Stickney, cơ sở xử lý nước thải lớn nhất (vào tháng 7 và cả tháng 8, là cơ sở xử lý nước thải bốc mùi nhất trên thế giới, vài dặm ngắn) chỉ vài dặm ngắn.</code> |
268
+ * Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
269
+ ```json
270
+ {
271
+ "scale": 20.0,
272
+ "similarity_fct": "cos_sim"
273
+ }
274
+ ```
275
+
276
+ ### Training Hyperparameters
277
+ #### Non-Default Hyperparameters
278
+
279
+ - `eval_strategy`: steps
280
+ - `per_device_train_batch_size`: 16
281
+ - `per_device_eval_batch_size`: 16
282
+ - `learning_rate`: 2e-05
283
+ - `num_train_epochs`: 2
284
+ - `warmup_ratio`: 0.1
285
+ - `fp16`: True
286
+ - `batch_sampler`: no_duplicates
287
+
288
+ #### All Hyperparameters
289
+ <details><summary>Click to expand</summary>
290
+
291
+ - `overwrite_output_dir`: False
292
+ - `do_predict`: False
293
+ - `eval_strategy`: steps
294
+ - `prediction_loss_only`: True
295
+ - `per_device_train_batch_size`: 16
296
+ - `per_device_eval_batch_size`: 16
297
+ - `per_gpu_train_batch_size`: None
298
+ - `per_gpu_eval_batch_size`: None
299
+ - `gradient_accumulation_steps`: 1
300
+ - `eval_accumulation_steps`: None
301
+ - `torch_empty_cache_steps`: None
302
+ - `learning_rate`: 2e-05
303
+ - `weight_decay`: 0.0
304
+ - `adam_beta1`: 0.9
305
+ - `adam_beta2`: 0.999
306
+ - `adam_epsilon`: 1e-08
307
+ - `max_grad_norm`: 1.0
308
+ - `num_train_epochs`: 2
309
+ - `max_steps`: -1
310
+ - `lr_scheduler_type`: linear
311
+ - `lr_scheduler_kwargs`: {}
312
+ - `warmup_ratio`: 0.1
313
+ - `warmup_steps`: 0
314
+ - `log_level`: passive
315
+ - `log_level_replica`: warning
316
+ - `log_on_each_node`: True
317
+ - `logging_nan_inf_filter`: True
318
+ - `save_safetensors`: True
319
+ - `save_on_each_node`: False
320
+ - `save_only_model`: False
321
+ - `restore_callback_states_from_checkpoint`: False
322
+ - `no_cuda`: False
323
+ - `use_cpu`: False
324
+ - `use_mps_device`: False
325
+ - `seed`: 42
326
+ - `data_seed`: None
327
+ - `jit_mode_eval`: False
328
+ - `use_ipex`: False
329
+ - `bf16`: False
330
+ - `fp16`: True
331
+ - `fp16_opt_level`: O1
332
+ - `half_precision_backend`: auto
333
+ - `bf16_full_eval`: False
334
+ - `fp16_full_eval`: False
335
+ - `tf32`: None
336
+ - `local_rank`: 0
337
+ - `ddp_backend`: None
338
+ - `tpu_num_cores`: None
339
+ - `tpu_metrics_debug`: False
340
+ - `debug`: []
341
+ - `dataloader_drop_last`: False
342
+ - `dataloader_num_workers`: 0
343
+ - `dataloader_prefetch_factor`: None
344
+ - `past_index`: -1
345
+ - `disable_tqdm`: False
346
+ - `remove_unused_columns`: True
347
+ - `label_names`: None
348
+ - `load_best_model_at_end`: False
349
+ - `ignore_data_skip`: False
350
+ - `fsdp`: []
351
+ - `fsdp_min_num_params`: 0
352
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
353
+ - `fsdp_transformer_layer_cls_to_wrap`: None
354
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
355
+ - `deepspeed`: None
356
+ - `label_smoothing_factor`: 0.0
357
+ - `optim`: adamw_torch
358
+ - `optim_args`: None
359
+ - `adafactor`: False
360
+ - `group_by_length`: False
361
+ - `length_column_name`: length
362
+ - `ddp_find_unused_parameters`: None
363
+ - `ddp_bucket_cap_mb`: None
364
+ - `ddp_broadcast_buffers`: False
365
+ - `dataloader_pin_memory`: True
366
+ - `dataloader_persistent_workers`: False
367
+ - `skip_memory_metrics`: True
368
+ - `use_legacy_prediction_loop`: False
369
+ - `push_to_hub`: False
370
+ - `resume_from_checkpoint`: None
371
+ - `hub_model_id`: None
372
+ - `hub_strategy`: every_save
373
+ - `hub_private_repo`: False
374
+ - `hub_always_push`: False
375
+ - `gradient_checkpointing`: False
376
+ - `gradient_checkpointing_kwargs`: None
377
+ - `include_inputs_for_metrics`: False
378
+ - `include_for_metrics`: []
379
+ - `eval_do_concat_batches`: True
380
+ - `fp16_backend`: auto
381
+ - `push_to_hub_model_id`: None
382
+ - `push_to_hub_organization`: None
383
+ - `mp_parameters`:
384
+ - `auto_find_batch_size`: False
385
+ - `full_determinism`: False
386
+ - `torchdynamo`: None
387
+ - `ray_scope`: last
388
+ - `ddp_timeout`: 1800
389
+ - `torch_compile`: False
390
+ - `torch_compile_backend`: None
391
+ - `torch_compile_mode`: None
392
+ - `dispatch_batches`: None
393
+ - `split_batches`: None
394
+ - `include_tokens_per_second`: False
395
+ - `include_num_input_tokens_seen`: False
396
+ - `neftune_noise_alpha`: None
397
+ - `optim_target_modules`: None
398
+ - `batch_eval_metrics`: False
399
+ - `eval_on_start`: False
400
+ - `use_liger_kernel`: False
401
+ - `eval_use_gather_object`: False
402
+ - `average_tokens_across_devices`: False
403
+ - `prompts`: None
404
+ - `batch_sampler`: no_duplicates
405
+ - `multi_dataset_batch_sampler`: proportional
406
+
407
+ </details>
408
+
409
+ ### Training Logs
410
+ <details><summary>Click to expand</summary>
411
+
412
+ | Epoch | Step | Training Loss | Validation Loss |
413
+ |:------:|:-----:|:-------------:|:---------------:|
414
+ | 0.0025 | 100 | 1.6877 | - |
415
+ | 0.0051 | 200 | 1.259 | - |
416
+ | 0.0076 | 300 | 0.6289 | - |
417
+ | 0.0101 | 400 | 0.3623 | - |
418
+ | 0.0127 | 500 | 0.3353 | - |
419
+ | 0.0152 | 600 | 0.2671 | - |
420
+ | 0.0177 | 700 | 0.1881 | - |
421
+ | 0.0203 | 800 | 0.179 | - |
422
+ | 0.0228 | 900 | 0.1611 | - |
423
+ | 0.0253 | 1000 | 0.1587 | 0.1468 |
424
+ | 0.0279 | 1100 | 0.141 | - |
425
+ | 0.0304 | 1200 | 0.13 | - |
426
+ | 0.0329 | 1300 | 0.1257 | - |
427
+ | 0.0355 | 1400 | 0.1153 | - |
428
+ | 0.0380 | 1500 | 0.1341 | - |
429
+ | 0.0405 | 1600 | 0.1227 | - |
430
+ | 0.0431 | 1700 | 0.1024 | - |
431
+ | 0.0456 | 1800 | 0.0818 | - |
432
+ | 0.0481 | 1900 | 0.1069 | - |
433
+ | 0.0507 | 2000 | 0.0831 | 0.0978 |
434
+ | 0.0532 | 2100 | 0.1035 | - |
435
+ | 0.0557 | 2200 | 0.0949 | - |
436
+ | 0.0583 | 2300 | 0.1037 | - |
437
+ | 0.0608 | 2400 | 0.0894 | - |
438
+ | 0.0633 | 2500 | 0.0831 | - |
439
+ | 0.0659 | 2600 | 0.1085 | - |
440
+ | 0.0684 | 2700 | 0.0815 | - |
441
+ | 0.0709 | 2800 | 0.071 | - |
442
+ | 0.0735 | 2900 | 0.0889 | - |
443
+ | 0.0760 | 3000 | 0.0832 | 0.0704 |
444
+ | 0.0785 | 3100 | 0.0992 | - |
445
+ | 0.0811 | 3200 | 0.0733 | - |
446
+ | 0.0836 | 3300 | 0.0878 | - |
447
+ | 0.0861 | 3400 | 0.0757 | - |
448
+ | 0.0887 | 3500 | 0.0476 | - |
449
+ | 0.0912 | 3600 | 0.0741 | - |
450
+ | 0.0937 | 3700 | 0.0766 | - |
451
+ | 0.0963 | 3800 | 0.0736 | - |
452
+ | 0.0988 | 3900 | 0.0673 | - |
453
+ | 0.1013 | 4000 | 0.0718 | 0.0566 |
454
+ | 0.1039 | 4100 | 0.0649 | - |
455
+ | 0.1064 | 4200 | 0.0767 | - |
456
+ | 0.1089 | 4300 | 0.073 | - |
457
+ | 0.1115 | 4400 | 0.0745 | - |
458
+ | 0.1140 | 4500 | 0.0692 | - |
459
+ | 0.1165 | 4600 | 0.0652 | - |
460
+ | 0.1191 | 4700 | 0.077 | - |
461
+ | 0.1216 | 4800 | 0.0749 | - |
462
+ | 0.1241 | 4900 | 0.0493 | - |
463
+ | 0.1267 | 5000 | 0.0653 | 0.0533 |
464
+ | 0.1292 | 5100 | 0.073 | - |
465
+ | 0.1317 | 5200 | 0.0652 | - |
466
+ | 0.1343 | 5300 | 0.0639 | - |
467
+ | 0.1368 | 5400 | 0.0549 | - |
468
+ | 0.1393 | 5500 | 0.0731 | - |
469
+ | 0.1419 | 5600 | 0.0832 | - |
470
+ | 0.1444 | 5700 | 0.0687 | - |
471
+ | 0.1469 | 5800 | 0.0711 | - |
472
+ | 0.1495 | 5900 | 0.0709 | - |
473
+ | 0.1520 | 6000 | 0.0547 | 0.0626 |
474
+ | 0.1545 | 6100 | 0.084 | - |
475
+ | 0.1571 | 6200 | 0.0743 | - |
476
+ | 0.1596 | 6300 | 0.0706 | - |
477
+ | 0.1621 | 6400 | 0.0664 | - |
478
+ | 0.1647 | 6500 | 0.0682 | - |
479
+ | 0.1672 | 6600 | 0.0534 | - |
480
+ | 0.1697 | 6700 | 0.0642 | - |
481
+ | 0.1723 | 6800 | 0.0624 | - |
482
+ | 0.1748 | 6900 | 0.0648 | - |
483
+ | 0.1773 | 7000 | 0.0697 | 0.0509 |
484
+ | 0.1799 | 7100 | 0.0784 | - |
485
+ | 0.1824 | 7200 | 0.0871 | - |
486
+ | 0.1849 | 7300 | 0.0711 | - |
487
+ | 0.1875 | 7400 | 0.0718 | - |
488
+ | 0.1900 | 7500 | 0.0543 | - |
489
+ | 0.1925 | 7600 | 0.0676 | - |
490
+ | 0.1951 | 7700 | 0.0724 | - |
491
+ | 0.1976 | 7800 | 0.0579 | - |
492
+ | 0.2001 | 7900 | 0.0781 | - |
493
+ | 0.2027 | 8000 | 0.0909 | 0.0736 |
494
+ | 0.2052 | 8100 | 0.0653 | - |
495
+ | 0.2077 | 8200 | 0.0535 | - |
496
+ | 0.2103 | 8300 | 0.0801 | - |
497
+ | 0.2128 | 8400 | 0.0794 | - |
498
+ | 0.2153 | 8500 | 0.0615 | - |
499
+ | 0.2179 | 8600 | 0.0646 | - |
500
+ | 0.2204 | 8700 | 0.0497 | - |
501
+ | 0.2229 | 8800 | 0.06 | - |
502
+ | 0.2255 | 8900 | 0.0495 | - |
503
+ | 0.2280 | 9000 | 0.0685 | 0.0450 |
504
+ | 0.2305 | 9100 | 0.0606 | - |
505
+ | 0.2331 | 9200 | 0.0577 | - |
506
+ | 0.2356 | 9300 | 0.0464 | - |
507
+ | 0.2381 | 9400 | 0.0622 | - |
508
+ | 0.2407 | 9500 | 0.0567 | - |
509
+ | 0.2432 | 9600 | 0.0545 | - |
510
+ | 0.2457 | 9700 | 0.0455 | - |
511
+ | 0.2483 | 9800 | 0.0642 | - |
512
+ | 0.2508 | 9900 | 0.0612 | - |
513
+ | 0.2533 | 10000 | 0.0658 | 0.0310 |
514
+ | 0.2559 | 10100 | 0.0618 | - |
515
+ | 0.2584 | 10200 | 0.052 | - |
516
+ | 0.2609 | 10300 | 0.0504 | - |
517
+ | 0.2635 | 10400 | 0.0593 | - |
518
+ | 0.2660 | 10500 | 0.0534 | - |
519
+ | 0.2685 | 10600 | 0.0555 | - |
520
+ | 0.2711 | 10700 | 0.0583 | - |
521
+ | 0.2736 | 10800 | 0.0472 | - |
522
+ | 0.2761 | 10900 | 0.0591 | - |
523
+ | 0.2787 | 11000 | 0.039 | 0.0300 |
524
+ | 0.2812 | 11100 | 0.0446 | - |
525
+ | 0.2837 | 11200 | 0.0375 | - |
526
+ | 0.2863 | 11300 | 0.0515 | - |
527
+ | 0.2888 | 11400 | 0.0577 | - |
528
+ | 0.2913 | 11500 | 0.046 | - |
529
+ | 0.2939 | 11600 | 0.0518 | - |
530
+ | 0.2964 | 11700 | 0.055 | - |
531
+ | 0.2989 | 11800 | 0.0492 | - |
532
+ | 0.3015 | 11900 | 0.0513 | - |
533
+ | 0.3040 | 12000 | 0.0442 | 0.0278 |
534
+ | 0.3065 | 12100 | 0.0675 | - |
535
+ | 0.3091 | 12200 | 0.0526 | - |
536
+ | 0.3116 | 12300 | 0.0688 | - |
537
+ | 0.3141 | 12400 | 0.0589 | - |
538
+ | 0.3167 | 12500 | 0.0602 | - |
539
+ | 0.3192 | 12600 | 0.0551 | - |
540
+ | 0.3217 | 12700 | 0.0681 | - |
541
+ | 0.3243 | 12800 | 0.0522 | - |
542
+ | 0.3268 | 12900 | 0.047 | - |
543
+ | 0.3293 | 13000 | 0.0376 | 0.0282 |
544
+ | 0.3319 | 13100 | 0.0396 | - |
545
+ | 0.3344 | 13200 | 0.0467 | - |
546
+ | 0.3369 | 13300 | 0.0498 | - |
547
+ | 0.3395 | 13400 | 0.0402 | - |
548
+ | 0.3420 | 13500 | 0.0398 | - |
549
+ | 0.3445 | 13600 | 0.041 | - |
550
+ | 0.3471 | 13700 | 0.0516 | - |
551
+ | 0.3496 | 13800 | 0.0518 | - |
552
+ | 0.3521 | 13900 | 0.0413 | - |
553
+ | 0.3547 | 14000 | 0.0463 | 0.0199 |
554
+ | 0.3572 | 14100 | 0.0442 | - |
555
+ | 0.3597 | 14200 | 0.0695 | - |
556
+ | 0.3623 | 14300 | 0.0595 | - |
557
+ | 0.3648 | 14400 | 0.0435 | - |
558
+ | 0.3673 | 14500 | 0.0372 | - |
559
+ | 0.3699 | 14600 | 0.0398 | - |
560
+ | 0.3724 | 14700 | 0.0357 | - |
561
+ | 0.3749 | 14800 | 0.0467 | - |
562
+ | 0.3775 | 14900 | 0.0611 | - |
563
+ | 0.3800 | 15000 | 0.054 | 0.0233 |
564
+ | 0.3825 | 15100 | 0.0411 | - |
565
+ | 0.3851 | 15200 | 0.0485 | - |
566
+ | 0.3876 | 15300 | 0.0388 | - |
567
+ | 0.3901 | 15400 | 0.0474 | - |
568
+ | 0.3927 | 15500 | 0.0525 | - |
569
+ | 0.3952 | 15600 | 0.0568 | - |
570
+ | 0.3977 | 15700 | 0.0414 | - |
571
+ | 0.4003 | 15800 | 0.0375 | - |
572
+ | 0.4028 | 15900 | 0.0606 | - |
573
+ | 0.4053 | 16000 | 0.0495 | 0.0238 |
574
+ | 0.4079 | 16100 | 0.0407 | - |
575
+ | 0.4104 | 16200 | 0.0383 | - |
576
+ | 0.4129 | 16300 | 0.0318 | - |
577
+ | 0.4155 | 16400 | 0.0503 | - |
578
+ | 0.4180 | 16500 | 0.0386 | - |
579
+ | 0.4205 | 16600 | 0.0397 | - |
580
+ | 0.4231 | 16700 | 0.0409 | - |
581
+ | 0.4256 | 16800 | 0.0484 | - |
582
+ | 0.4281 | 16900 | 0.0514 | - |
583
+ | 0.4307 | 17000 | 0.0359 | 0.0216 |
584
+ | 0.4332 | 17100 | 0.0411 | - |
585
+ | 0.4357 | 17200 | 0.0372 | - |
586
+ | 0.4383 | 17300 | 0.0489 | - |
587
+ | 0.4408 | 17400 | 0.0364 | - |
588
+ | 0.4433 | 17500 | 0.0517 | - |
589
+ | 0.4459 | 17600 | 0.0422 | - |
590
+ | 0.4484 | 17700 | 0.0334 | - |
591
+ | 0.4509 | 17800 | 0.0532 | - |
592
+ | 0.4535 | 17900 | 0.0384 | - |
593
+ | 0.4560 | 18000 | 0.03 | 0.0200 |
594
+ | 0.4585 | 18100 | 0.034 | - |
595
+ | 0.4611 | 18200 | 0.0429 | - |
596
+ | 0.4636 | 18300 | 0.0448 | - |
597
+ | 0.4661 | 18400 | 0.03 | - |
598
+ | 0.4687 | 18500 | 0.0338 | - |
599
+ | 0.4712 | 18600 | 0.0436 | - |
600
+ | 0.4737 | 18700 | 0.0271 | - |
601
+ | 0.4763 | 18800 | 0.0516 | - |
602
+ | 0.4788 | 18900 | 0.0358 | - |
603
+ | 0.4813 | 19000 | 0.046 | 0.0255 |
604
+ | 0.4839 | 19100 | 0.0367 | - |
605
+ | 0.4864 | 19200 | 0.032 | - |
606
+ | 0.4889 | 19300 | 0.0363 | - |
607
+ | 0.4915 | 19400 | 0.0352 | - |
608
+ | 0.4940 | 19500 | 0.041 | - |
609
+ | 0.4965 | 19600 | 0.0508 | - |
610
+ | 0.4991 | 19700 | 0.0454 | - |
611
+ | 0.5016 | 19800 | 0.0459 | - |
612
+ | 0.5041 | 19900 | 0.0295 | - |
613
+ | 0.5066 | 20000 | 0.0415 | 0.0228 |
614
+ | 0.5092 | 20100 | 0.0422 | - |
615
+ | 0.5117 | 20200 | 0.0317 | - |
616
+ | 0.5142 | 20300 | 0.0263 | - |
617
+ | 0.5168 | 20400 | 0.0568 | - |
618
+ | 0.5193 | 20500 | 0.0339 | - |
619
+ | 0.5218 | 20600 | 0.0295 | - |
620
+ | 0.5244 | 20700 | 0.042 | - |
621
+ | 0.5269 | 20800 | 0.0343 | - |
622
+ | 0.5294 | 20900 | 0.0322 | - |
623
+ | 0.5320 | 21000 | 0.0328 | 0.0204 |
624
+ | 0.5345 | 21100 | 0.0407 | - |
625
+ | 0.5370 | 21200 | 0.0306 | - |
626
+ | 0.5396 | 21300 | 0.0295 | - |
627
+ | 0.5421 | 21400 | 0.0329 | - |
628
+ | 0.5446 | 21500 | 0.0297 | - |
629
+ | 0.5472 | 21600 | 0.0298 | - |
630
+ | 0.5497 | 21700 | 0.0261 | - |
631
+ | 0.5522 | 21800 | 0.0429 | - |
632
+ | 0.5548 | 21900 | 0.039 | - |
633
+ | 0.5573 | 22000 | 0.0336 | 0.0151 |
634
+ | 0.5598 | 22100 | 0.0417 | - |
635
+ | 0.5624 | 22200 | 0.0424 | - |
636
+ | 0.5649 | 22300 | 0.0447 | - |
637
+ | 0.5674 | 22400 | 0.0482 | - |
638
+ | 0.5700 | 22500 | 0.0253 | - |
639
+ | 0.5725 | 22600 | 0.0412 | - |
640
+ | 0.5750 | 22700 | 0.0425 | - |
641
+ | 0.5776 | 22800 | 0.0304 | - |
642
+ | 0.5801 | 22900 | 0.0302 | - |
643
+ | 0.5826 | 23000 | 0.0275 | 0.0144 |
644
+ | 0.5852 | 23100 | 0.0255 | - |
645
+ | 0.5877 | 23200 | 0.0266 | - |
646
+ | 0.5902 | 23300 | 0.038 | - |
647
+ | 0.5928 | 23400 | 0.0254 | - |
648
+ | 0.5953 | 23500 | 0.0486 | - |
649
+ | 0.5978 | 23600 | 0.0325 | - |
650
+ | 0.6004 | 23700 | 0.041 | - |
651
+ | 0.6029 | 23800 | 0.0307 | - |
652
+ | 0.6054 | 23900 | 0.037 | - |
653
+ | 0.6080 | 24000 | 0.0377 | 0.0194 |
654
+ | 0.6105 | 24100 | 0.0331 | - |
655
+ | 0.6130 | 24200 | 0.0386 | - |
656
+ | 0.6156 | 24300 | 0.0184 | - |
657
+ | 0.6181 | 24400 | 0.0244 | - |
658
+ | 0.6206 | 24500 | 0.0279 | - |
659
+ | 0.6232 | 24600 | 0.0351 | - |
660
+ | 0.6257 | 24700 | 0.0577 | - |
661
+ | 0.6282 | 24800 | 0.0434 | - |
662
+ | 0.6308 | 24900 | 0.0223 | - |
663
+ | 0.6333 | 25000 | 0.0264 | 0.0151 |
664
+ | 0.6358 | 25100 | 0.0378 | - |
665
+ | 0.6384 | 25200 | 0.0212 | - |
666
+ | 0.6409 | 25300 | 0.0245 | - |
667
+ | 0.6434 | 25400 | 0.0321 | - |
668
+ | 0.6460 | 25500 | 0.0391 | - |
669
+ | 0.6485 | 25600 | 0.0276 | - |
670
+ | 0.6510 | 25700 | 0.0253 | - |
671
+ | 0.6536 | 25800 | 0.0295 | - |
672
+ | 0.6561 | 25900 | 0.0225 | - |
673
+ | 0.6586 | 26000 | 0.0312 | 0.0133 |
674
+ | 0.6612 | 26100 | 0.0367 | - |
675
+ | 0.6637 | 26200 | 0.029 | - |
676
+ | 0.6662 | 26300 | 0.0311 | - |
677
+ | 0.6688 | 26400 | 0.0383 | - |
678
+ | 0.6713 | 26500 | 0.0357 | - |
679
+ | 0.6738 | 26600 | 0.0259 | - |
680
+ | 0.6764 | 26700 | 0.0277 | - |
681
+ | 0.6789 | 26800 | 0.0278 | - |
682
+ | 0.6814 | 26900 | 0.0242 | - |
683
+ | 0.6840 | 27000 | 0.0288 | 0.0183 |
684
+ | 0.6865 | 27100 | 0.0352 | - |
685
+ | 0.6890 | 27200 | 0.0298 | - |
686
+ | 0.6916 | 27300 | 0.0448 | - |
687
+ | 0.6941 | 27400 | 0.0299 | - |
688
+ | 0.6966 | 27500 | 0.0385 | - |
689
+ | 0.6992 | 27600 | 0.0365 | - |
690
+ | 0.7017 | 27700 | 0.022 | - |
691
+ | 0.7042 | 27800 | 0.0339 | - |
692
+ | 0.7068 | 27900 | 0.0371 | - |
693
+ | 0.7093 | 28000 | 0.0322 | 0.0183 |
694
+ | 0.7118 | 28100 | 0.0365 | - |
695
+ | 0.7144 | 28200 | 0.0271 | - |
696
+ | 0.7169 | 28300 | 0.0238 | - |
697
+ | 0.7194 | 28400 | 0.033 | - |
698
+ | 0.7220 | 28500 | 0.0225 | - |
699
+ | 0.7245 | 28600 | 0.022 | - |
700
+ | 0.7270 | 28700 | 0.0132 | - |
701
+ | 0.7296 | 28800 | 0.0304 | - |
702
+ | 0.7321 | 28900 | 0.0357 | - |
703
+ | 0.7346 | 29000 | 0.025 | 0.0149 |
704
+ | 0.7372 | 29100 | 0.0251 | - |
705
+ | 0.7397 | 29200 | 0.0238 | - |
706
+ | 0.7422 | 29300 | 0.0337 | - |
707
+ | 0.7448 | 29400 | 0.0277 | - |
708
+ | 0.7473 | 29500 | 0.02 | - |
709
+ | 0.7498 | 29600 | 0.0216 | - |
710
+ | 0.7524 | 29700 | 0.0203 | - |
711
+ | 0.7549 | 29800 | 0.0216 | - |
712
+ | 0.7574 | 29900 | 0.0317 | - |
713
+ | 0.7600 | 30000 | 0.0274 | 0.0116 |
714
+ | 0.7625 | 30100 | 0.0284 | - |
715
+ | 0.7650 | 30200 | 0.0407 | - |
716
+ | 0.7676 | 30300 | 0.0326 | - |
717
+ | 0.7701 | 30400 | 0.0207 | - |
718
+ | 0.7726 | 30500 | 0.0284 | - |
719
+ | 0.7752 | 30600 | 0.0386 | - |
720
+ | 0.7777 | 30700 | 0.031 | - |
721
+ | 0.7802 | 30800 | 0.0215 | - |
722
+ | 0.7828 | 30900 | 0.0243 | - |
723
+ | 0.7853 | 31000 | 0.0248 | 0.0132 |
724
+ | 0.7878 | 31100 | 0.0366 | - |
725
+ | 0.7904 | 31200 | 0.0248 | - |
726
+ | 0.7929 | 31300 | 0.0336 | - |
727
+ | 0.7954 | 31400 | 0.0316 | - |
728
+ | 0.7980 | 31500 | 0.0252 | - |
729
+ | 0.8005 | 31600 | 0.0236 | - |
730
+ | 0.8030 | 31700 | 0.0277 | - |
731
+ | 0.8056 | 31800 | 0.0256 | - |
732
+ | 0.8081 | 31900 | 0.0462 | - |
733
+ | 0.8106 | 32000 | 0.0322 | 0.0155 |
734
+ | 0.8132 | 32100 | 0.0159 | - |
735
+ | 0.8157 | 32200 | 0.0216 | - |
736
+ | 0.8182 | 32300 | 0.018 | - |
737
+ | 0.8208 | 32400 | 0.0232 | - |
738
+ | 0.8233 | 32500 | 0.024 | - |
739
+ | 0.8258 | 32600 | 0.0254 | - |
740
+ | 0.8284 | 32700 | 0.0334 | - |
741
+ | 0.8309 | 32800 | 0.0204 | - |
742
+ | 0.8334 | 32900 | 0.0352 | - |
743
+ | 0.8360 | 33000 | 0.024 | 0.0180 |
744
+ | 0.8385 | 33100 | 0.0368 | - |
745
+ | 0.8410 | 33200 | 0.0243 | - |
746
+ | 0.8436 | 33300 | 0.0196 | - |
747
+ | 0.8461 | 33400 | 0.0264 | - |
748
+ | 0.8486 | 33500 | 0.026 | - |
749
+ | 0.8512 | 33600 | 0.0201 | - |
750
+ | 0.8537 | 33700 | 0.0245 | - |
751
+ | 0.8562 | 33800 | 0.0205 | - |
752
+ | 0.8588 | 33900 | 0.0244 | - |
753
+ | 0.8613 | 34000 | 0.0174 | 0.0211 |
754
+ | 0.8638 | 34100 | 0.019 | - |
755
+ | 0.8664 | 34200 | 0.031 | - |
756
+ | 0.8689 | 34300 | 0.0257 | - |
757
+ | 0.8714 | 34400 | 0.0195 | - |
758
+ | 0.8740 | 34500 | 0.0274 | - |
759
+ | 0.8765 | 34600 | 0.0197 | - |
760
+ | 0.8790 | 34700 | 0.0154 | - |
761
+ | 0.8816 | 34800 | 0.0233 | - |
762
+ | 0.8841 | 34900 | 0.0314 | - |
763
+ | 0.8866 | 35000 | 0.0223 | 0.0172 |
764
+ | 0.8892 | 35100 | 0.0264 | - |
765
+ | 0.8917 | 35200 | 0.0214 | - |
766
+ | 0.8942 | 35300 | 0.0264 | - |
767
+ | 0.8968 | 35400 | 0.0194 | - |
768
+ | 0.8993 | 35500 | 0.0221 | - |
769
+ | 0.9018 | 35600 | 0.0185 | - |
770
+ | 0.9044 | 35700 | 0.029 | - |
771
+ | 0.9069 | 35800 | 0.0188 | - |
772
+ | 0.9094 | 35900 | 0.0407 | - |
773
+ | 0.9120 | 36000 | 0.0251 | 0.0188 |
774
+ | 0.9145 | 36100 | 0.0295 | - |
775
+ | 0.9170 | 36200 | 0.0233 | - |
776
+ | 0.9196 | 36300 | 0.0265 | - |
777
+ | 0.9221 | 36400 | 0.027 | - |
778
+ | 0.9246 | 36500 | 0.022 | - |
779
+ | 0.9272 | 36600 | 0.0174 | - |
780
+ | 0.9297 | 36700 | 0.0204 | - |
781
+ | 0.9322 | 36800 | 0.0314 | - |
782
+ | 0.9348 | 36900 | 0.0256 | - |
783
+ | 0.9373 | 37000 | 0.0139 | 0.0129 |
784
+ | 0.9398 | 37100 | 0.0237 | - |
785
+ | 0.9424 | 37200 | 0.0235 | - |
786
+ | 0.9449 | 37300 | 0.0202 | - |
787
+ | 0.9474 | 37400 | 0.0178 | - |
788
+ | 0.9500 | 37500 | 0.0225 | - |
789
+ | 0.9525 | 37600 | 0.0224 | - |
790
+ | 0.9550 | 37700 | 0.0259 | - |
791
+ | 0.9576 | 37800 | 0.0215 | - |
792
+ | 0.9601 | 37900 | 0.0197 | - |
793
+ | 0.9626 | 38000 | 0.0208 | 0.0108 |
794
+ | 0.9652 | 38100 | 0.0296 | - |
795
+ | 0.9677 | 38200 | 0.019 | - |
796
+ | 0.9702 | 38300 | 0.0185 | - |
797
+ | 0.9728 | 38400 | 0.0271 | - |
798
+ | 0.9753 | 38500 | 0.0336 | - |
799
+ | 0.9778 | 38600 | 0.0209 | - |
800
+ | 0.9804 | 38700 | 0.0321 | - |
801
+ | 0.9829 | 38800 | 0.0138 | - |
802
+ | 0.9854 | 38900 | 0.0185 | - |
803
+ | 0.9880 | 39000 | 0.0226 | 0.0119 |
804
+ | 0.9905 | 39100 | 0.0201 | - |
805
+ | 0.9930 | 39200 | 0.0183 | - |
806
+ | 0.9956 | 39300 | 0.0253 | - |
807
+ | 0.9981 | 39400 | 0.0304 | - |
808
+ | 1.0006 | 39500 | 0.0163 | - |
809
+ | 1.0032 | 39600 | 0.0291 | - |
810
+ | 1.0057 | 39700 | 0.0202 | - |
811
+ | 1.0082 | 39800 | 0.0125 | - |
812
+ | 1.0108 | 39900 | 0.0171 | - |
813
+ | 1.0133 | 40000 | 0.0159 | 0.0169 |
814
+ | 1.0158 | 40100 | 0.0188 | - |
815
+ | 1.0184 | 40200 | 0.024 | - |
816
+ | 1.0209 | 40300 | 0.0269 | - |
817
+ | 1.0234 | 40400 | 0.0286 | - |
818
+ | 1.0260 | 40500 | 0.0194 | - |
819
+ | 1.0285 | 40600 | 0.0174 | - |
820
+ | 1.0310 | 40700 | 0.0241 | - |
821
+ | 1.0336 | 40800 | 0.0198 | - |
822
+ | 1.0361 | 40900 | 0.0214 | - |
823
+ | 1.0386 | 41000 | 0.0182 | 0.0138 |
824
+ | 1.0412 | 41100 | 0.0148 | - |
825
+ | 1.0437 | 41200 | 0.0161 | - |
826
+ | 1.0462 | 41300 | 0.0234 | - |
827
+ | 1.0488 | 41400 | 0.0177 | - |
828
+ | 1.0513 | 41500 | 0.0105 | - |
829
+ | 1.0538 | 41600 | 0.0201 | - |
830
+ | 1.0564 | 41700 | 0.0211 | - |
831
+ | 1.0589 | 41800 | 0.0157 | - |
832
+ | 1.0614 | 41900 | 0.0164 | - |
833
+ | 1.0640 | 42000 | 0.0146 | 0.0080 |
834
+ | 1.0665 | 42100 | 0.0223 | - |
835
+ | 1.0690 | 42200 | 0.0269 | - |
836
+ | 1.0716 | 42300 | 0.0218 | - |
837
+ | 1.0741 | 42400 | 0.0294 | - |
838
+ | 1.0766 | 42500 | 0.0166 | - |
839
+ | 1.0792 | 42600 | 0.0173 | - |
840
+ | 1.0817 | 42700 | 0.015 | - |
841
+ | 1.0842 | 42800 | 0.015 | - |
842
+ | 1.0868 | 42900 | 0.0166 | - |
843
+ | 1.0893 | 43000 | 0.0123 | 0.0088 |
844
+ | 1.0918 | 43100 | 0.0137 | - |
845
+ | 1.0944 | 43200 | 0.01 | - |
846
+ | 1.0969 | 43300 | 0.0156 | - |
847
+ | 1.0994 | 43400 | 0.0126 | - |
848
+ | 1.1020 | 43500 | 0.0197 | - |
849
+ | 1.1045 | 43600 | 0.014 | - |
850
+ | 1.1070 | 43700 | 0.0154 | - |
851
+ | 1.1096 | 43800 | 0.0214 | - |
852
+ | 1.1121 | 43900 | 0.0157 | - |
853
+ | 1.1146 | 44000 | 0.0151 | 0.0093 |
854
+ | 1.1172 | 44100 | 0.014 | - |
855
+ | 1.1197 | 44200 | 0.0138 | - |
856
+ | 1.1222 | 44300 | 0.0126 | - |
857
+ | 1.1248 | 44400 | 0.0084 | - |
858
+ | 1.1273 | 44500 | 0.0124 | - |
859
+ | 1.1298 | 44600 | 0.0117 | - |
860
+ | 1.1324 | 44700 | 0.0098 | - |
861
+ | 1.1349 | 44800 | 0.0099 | - |
862
+ | 1.1374 | 44900 | 0.0115 | - |
863
+ | 1.1400 | 45000 | 0.0188 | 0.0051 |
864
+ | 1.1425 | 45100 | 0.0129 | - |
865
+ | 1.1450 | 45200 | 0.0128 | - |
866
+ | 1.1476 | 45300 | 0.015 | - |
867
+ | 1.1501 | 45400 | 0.0106 | - |
868
+ | 1.1526 | 45500 | 0.0115 | - |
869
+ | 1.1552 | 45600 | 0.0144 | - |
870
+ | 1.1577 | 45700 | 0.0144 | - |
871
+ | 1.1602 | 45800 | 0.0078 | - |
872
+ | 1.1628 | 45900 | 0.0143 | - |
873
+ | 1.1653 | 46000 | 0.0122 | 0.0089 |
874
+ | 1.1678 | 46100 | 0.0059 | - |
875
+ | 1.1704 | 46200 | 0.0119 | - |
876
+ | 1.1729 | 46300 | 0.0103 | - |
877
+ | 1.1754 | 46400 | 0.0083 | - |
878
+ | 1.1780 | 46500 | 0.0148 | - |
879
+ | 1.1805 | 46600 | 0.0097 | - |
880
+ | 1.1830 | 46700 | 0.0067 | - |
881
+ | 1.1856 | 46800 | 0.0116 | - |
882
+ | 1.1881 | 46900 | 0.0124 | - |
883
+ | 1.1906 | 47000 | 0.0063 | 0.0125 |
884
+ | 1.1932 | 47100 | 0.007 | - |
885
+ | 1.1957 | 47200 | 0.0095 | - |
886
+ | 1.1982 | 47300 | 0.0072 | - |
887
+ | 1.2008 | 47400 | 0.0124 | - |
888
+ | 1.2033 | 47500 | 0.0109 | - |
889
+ | 1.2058 | 47600 | 0.0108 | - |
890
+ | 1.2084 | 47700 | 0.0057 | - |
891
+ | 1.2109 | 47800 | 0.0133 | - |
892
+ | 1.2134 | 47900 | 0.0095 | - |
893
+ | 1.2160 | 48000 | 0.0057 | 0.0107 |
894
+ | 1.2185 | 48100 | 0.0085 | - |
895
+ | 1.2210 | 48200 | 0.0037 | - |
896
+ | 1.2236 | 48300 | 0.0077 | - |
897
+ | 1.2261 | 48400 | 0.0128 | - |
898
+ | 1.2286 | 48500 | 0.0124 | - |
899
+ | 1.2312 | 48600 | 0.0081 | - |
900
+ | 1.2337 | 48700 | 0.008 | - |
901
+ | 1.2362 | 48800 | 0.0051 | - |
902
+ | 1.2388 | 48900 | 0.0101 | - |
903
+ | 1.2413 | 49000 | 0.0059 | 0.0124 |
904
+ | 1.2438 | 49100 | 0.0063 | - |
905
+ | 1.2464 | 49200 | 0.0075 | - |
906
+ | 1.2489 | 49300 | 0.0064 | - |
907
+ | 1.2514 | 49400 | 0.0065 | - |
908
+ | 1.2540 | 49500 | 0.0056 | - |
909
+ | 1.2565 | 49600 | 0.0098 | - |
910
+ | 1.2590 | 49700 | 0.0062 | - |
911
+ | 1.2616 | 49800 | 0.0067 | - |
912
+ | 1.2641 | 49900 | 0.0046 | - |
913
+ | 1.2666 | 50000 | 0.0088 | 0.0114 |
914
+ | 1.2692 | 50100 | 0.005 | - |
915
+ | 1.2717 | 50200 | 0.0083 | - |
916
+ | 1.2742 | 50300 | 0.0073 | - |
917
+ | 1.2768 | 50400 | 0.0084 | - |
918
+ | 1.2793 | 50500 | 0.0044 | - |
919
+ | 1.2818 | 50600 | 0.0052 | - |
920
+ | 1.2844 | 50700 | 0.0045 | - |
921
+ | 1.2869 | 50800 | 0.0085 | - |
922
+ | 1.2894 | 50900 | 0.0057 | - |
923
+ | 1.2920 | 51000 | 0.0048 | 0.0111 |
924
+ | 1.2945 | 51100 | 0.0059 | - |
925
+ | 1.2970 | 51200 | 0.0065 | - |
926
+ | 1.2996 | 51300 | 0.0057 | - |
927
+ | 1.3021 | 51400 | 0.0059 | - |
928
+ | 1.3046 | 51500 | 0.0056 | - |
929
+ | 1.3072 | 51600 | 0.0124 | - |
930
+ | 1.3097 | 51700 | 0.0067 | - |
931
+ | 1.3122 | 51800 | 0.011 | - |
932
+ | 1.3148 | 51900 | 0.0078 | - |
933
+ | 1.3173 | 52000 | 0.0068 | 0.0110 |
934
+ | 1.3198 | 52100 | 0.006 | - |
935
+ | 1.3224 | 52200 | 0.0084 | - |
936
+ | 1.3249 | 52300 | 0.0064 | - |
937
+ | 1.3274 | 52400 | 0.0055 | - |
938
+ | 1.3300 | 52500 | 0.0032 | - |
939
+ | 1.3325 | 52600 | 0.0049 | - |
940
+ | 1.3350 | 52700 | 0.0068 | - |
941
+ | 1.3376 | 52800 | 0.0067 | - |
942
+ | 1.3401 | 52900 | 0.006 | - |
943
+ | 1.3426 | 53000 | 0.0058 | 0.0098 |
944
+ | 1.3452 | 53100 | 0.0046 | - |
945
+ | 1.3477 | 53200 | 0.0055 | - |
946
+ | 1.3502 | 53300 | 0.0074 | - |
947
+ | 1.3528 | 53400 | 0.0029 | - |
948
+ | 1.3553 | 53500 | 0.0071 | - |
949
+ | 1.3578 | 53600 | 0.0074 | - |
950
+ | 1.3604 | 53700 | 0.0068 | - |
951
+ | 1.3629 | 53800 | 0.0066 | - |
952
+ | 1.3654 | 53900 | 0.0077 | - |
953
+ | 1.3680 | 54000 | 0.0069 | 0.0107 |
954
+ | 1.3705 | 54100 | 0.0039 | - |
955
+ | 1.3730 | 54200 | 0.0051 | - |
956
+ | 1.3756 | 54300 | 0.0038 | - |
957
+ | 1.3781 | 54400 | 0.0073 | - |
958
+ | 1.3806 | 54500 | 0.0087 | - |
959
+ | 1.3832 | 54600 | 0.0053 | - |
960
+ | 1.3857 | 54700 | 0.0054 | - |
961
+ | 1.3882 | 54800 | 0.0091 | - |
962
+ | 1.3908 | 54900 | 0.0067 | - |
963
+ | 1.3933 | 55000 | 0.0071 | 0.0094 |
964
+ | 1.3958 | 55100 | 0.0056 | - |
965
+ | 1.3984 | 55200 | 0.0043 | - |
966
+ | 1.4009 | 55300 | 0.0059 | - |
967
+ | 1.4034 | 55400 | 0.007 | - |
968
+ | 1.4060 | 55500 | 0.0064 | - |
969
+ | 1.4085 | 55600 | 0.006 | - |
970
+ | 1.4110 | 55700 | 0.0031 | - |
971
+ | 1.4136 | 55800 | 0.0058 | - |
972
+ | 1.4161 | 55900 | 0.0056 | - |
973
+ | 1.4186 | 56000 | 0.0052 | 0.0096 |
974
+ | 1.4212 | 56100 | 0.0045 | - |
975
+ | 1.4237 | 56200 | 0.0046 | - |
976
+ | 1.4262 | 56300 | 0.0044 | - |
977
+ | 1.4288 | 56400 | 0.0076 | - |
978
+ | 1.4313 | 56500 | 0.0029 | - |
979
+ | 1.4338 | 56600 | 0.005 | - |
980
+ | 1.4364 | 56700 | 0.0042 | - |
981
+ | 1.4389 | 56800 | 0.0066 | - |
982
+ | 1.4414 | 56900 | 0.0119 | - |
983
+ | 1.4440 | 57000 | 0.0033 | 0.0076 |
984
+ | 1.4465 | 57100 | 0.0076 | - |
985
+ | 1.4490 | 57200 | 0.0058 | - |
986
+ | 1.4516 | 57300 | 0.0054 | - |
987
+ | 1.4541 | 57400 | 0.0039 | - |
988
+ | 1.4566 | 57500 | 0.0057 | - |
989
+ | 1.4592 | 57600 | 0.008 | - |
990
+ | 1.4617 | 57700 | 0.0082 | - |
991
+ | 1.4642 | 57800 | 0.0041 | - |
992
+ | 1.4668 | 57900 | 0.0037 | - |
993
+ | 1.4693 | 58000 | 0.0048 | 0.0078 |
994
+ | 1.4718 | 58100 | 0.0041 | - |
995
+ | 1.4744 | 58200 | 0.0049 | - |
996
+ | 1.4769 | 58300 | 0.0085 | - |
997
+ | 1.4794 | 58400 | 0.0036 | - |
998
+ | 1.4820 | 58500 | 0.0061 | - |
999
+ | 1.4845 | 58600 | 0.0039 | - |
1000
+ | 1.4870 | 58700 | 0.0049 | - |
1001
+ | 1.4896 | 58800 | 0.0027 | - |
1002
+ | 1.4921 | 58900 | 0.003 | - |
1003
+ | 1.4946 | 59000 | 0.006 | 0.0097 |
1004
+ | 1.4972 | 59100 | 0.0068 | - |
1005
+ | 1.4997 | 59200 | 0.0083 | - |
1006
+ | 1.5022 | 59300 | 0.0066 | - |
1007
+ | 1.5047 | 59400 | 0.0049 | - |
1008
+ | 1.5073 | 59500 | 0.0034 | - |
1009
+ | 1.5098 | 59600 | 0.0044 | - |
1010
+ | 1.5123 | 59700 | 0.0036 | - |
1011
+ | 1.5149 | 59800 | 0.0041 | - |
1012
+ | 1.5174 | 59900 | 0.006 | - |
1013
+ | 1.5199 | 60000 | 0.0063 | 0.0099 |
1014
+ | 1.5225 | 60100 | 0.0028 | - |
1015
+ | 1.5250 | 60200 | 0.0045 | - |
1016
+ | 1.5275 | 60300 | 0.0056 | - |
1017
+ | 1.5301 | 60400 | 0.0046 | - |
1018
+ | 1.5326 | 60500 | 0.0053 | - |
1019
+ | 1.5351 | 60600 | 0.0044 | - |
1020
+ | 1.5377 | 60700 | 0.0053 | - |
1021
+ | 1.5402 | 60800 | 0.0044 | - |
1022
+ | 1.5427 | 60900 | 0.0034 | - |
1023
+ | 1.5453 | 61000 | 0.0033 | 0.0073 |
1024
+ | 1.5478 | 61100 | 0.005 | - |
1025
+ | 1.5503 | 61200 | 0.0027 | - |
1026
+ | 1.5529 | 61300 | 0.0049 | - |
1027
+ | 1.5554 | 61400 | 0.0048 | - |
1028
+ | 1.5579 | 61500 | 0.0032 | - |
1029
+ | 1.5605 | 61600 | 0.0043 | - |
1030
+ | 1.5630 | 61700 | 0.0049 | - |
1031
+ | 1.5655 | 61800 | 0.0062 | - |
1032
+ | 1.5681 | 61900 | 0.0076 | - |
1033
+ | 1.5706 | 62000 | 0.006 | 0.0053 |
1034
+ | 1.5731 | 62100 | 0.0078 | - |
1035
+ | 1.5757 | 62200 | 0.0033 | - |
1036
+ | 1.5782 | 62300 | 0.0031 | - |
1037
+ | 1.5807 | 62400 | 0.0038 | - |
1038
+ | 1.5833 | 62500 | 0.0026 | - |
1039
+ | 1.5858 | 62600 | 0.0036 | - |
1040
+ | 1.5883 | 62700 | 0.0034 | - |
1041
+ | 1.5909 | 62800 | 0.0076 | - |
1042
+ | 1.5934 | 62900 | 0.0039 | - |
1043
+ | 1.5959 | 63000 | 0.006 | 0.0073 |
1044
+ | 1.5985 | 63100 | 0.0055 | - |
1045
+ | 1.6010 | 63200 | 0.0046 | - |
1046
+ | 1.6035 | 63300 | 0.0042 | - |
1047
+ | 1.6061 | 63400 | 0.0061 | - |
1048
+ | 1.6086 | 63500 | 0.003 | - |
1049
+ | 1.6111 | 63600 | 0.0034 | - |
1050
+ | 1.6137 | 63700 | 0.0058 | - |
1051
+ | 1.6162 | 63800 | 0.0036 | - |
1052
+ | 1.6187 | 63900 | 0.0015 | - |
1053
+ | 1.6213 | 64000 | 0.0052 | 0.0076 |
1054
+ | 1.6238 | 64100 | 0.0047 | - |
1055
+ | 1.6263 | 64200 | 0.0083 | - |
1056
+ | 1.6289 | 64300 | 0.0035 | - |
1057
+ | 1.6314 | 64400 | 0.0025 | - |
1058
+ | 1.6339 | 64500 | 0.0052 | - |
1059
+ | 1.6365 | 64600 | 0.0029 | - |
1060
+ | 1.6390 | 64700 | 0.0019 | - |
1061
+ | 1.6415 | 64800 | 0.0036 | - |
1062
+ | 1.6441 | 64900 | 0.002 | - |
1063
+ | 1.6466 | 65000 | 0.007 | 0.0074 |
1064
+ | 1.6491 | 65100 | 0.0038 | - |
1065
+ | 1.6517 | 65200 | 0.0051 | - |
1066
+ | 1.6542 | 65300 | 0.0027 | - |
1067
+ | 1.6567 | 65400 | 0.003 | - |
1068
+ | 1.6593 | 65500 | 0.0045 | - |
1069
+ | 1.6618 | 65600 | 0.0067 | - |
1070
+ | 1.6643 | 65700 | 0.003 | - |
1071
+ | 1.6669 | 65800 | 0.0033 | - |
1072
+ | 1.6694 | 65900 | 0.0043 | - |
1073
+ | 1.6719 | 66000 | 0.0025 | 0.0071 |
1074
+ | 1.6745 | 66100 | 0.0025 | - |
1075
+ | 1.6770 | 66200 | 0.0057 | - |
1076
+ | 1.6795 | 66300 | 0.0029 | - |
1077
+ | 1.6821 | 66400 | 0.0016 | - |
1078
+ | 1.6846 | 66500 | 0.0055 | - |
1079
+ | 1.6871 | 66600 | 0.0029 | - |
1080
+ | 1.6897 | 66700 | 0.0031 | - |
1081
+ | 1.6922 | 66800 | 0.006 | - |
1082
+ | 1.6947 | 66900 | 0.003 | - |
1083
+ | 1.6973 | 67000 | 0.0042 | 0.0072 |
1084
+ | 1.6998 | 67100 | 0.0049 | - |
1085
+ | 1.7023 | 67200 | 0.0018 | - |
1086
+ | 1.7049 | 67300 | 0.0043 | - |
1087
+ | 1.7074 | 67400 | 0.007 | - |
1088
+ | 1.7099 | 67500 | 0.0025 | - |
1089
+ | 1.7125 | 67600 | 0.0051 | - |
1090
+ | 1.7150 | 67700 | 0.0056 | - |
1091
+ | 1.7175 | 67800 | 0.003 | - |
1092
+ | 1.7201 | 67900 | 0.0041 | - |
1093
+ | 1.7226 | 68000 | 0.0025 | 0.0082 |
1094
+ | 1.7251 | 68100 | 0.0018 | - |
1095
+ | 1.7277 | 68200 | 0.0034 | - |
1096
+ | 1.7302 | 68300 | 0.0065 | - |
1097
+ | 1.7327 | 68400 | 0.0047 | - |
1098
+ | 1.7353 | 68500 | 0.0052 | - |
1099
+ | 1.7378 | 68600 | 0.0013 | - |
1100
+ | 1.7403 | 68700 | 0.0063 | - |
1101
+ | 1.7429 | 68800 | 0.0047 | - |
1102
+ | 1.7454 | 68900 | 0.004 | - |
1103
+ | 1.7479 | 69000 | 0.0026 | 0.0077 |
1104
+ | 1.7505 | 69100 | 0.0032 | - |
1105
+ | 1.7530 | 69200 | 0.0031 | - |
1106
+ | 1.7555 | 69300 | 0.0024 | - |
1107
+ | 1.7581 | 69400 | 0.0022 | - |
1108
+ | 1.7606 | 69500 | 0.0029 | - |
1109
+ | 1.7631 | 69600 | 0.0055 | - |
1110
+ | 1.7657 | 69700 | 0.0031 | - |
1111
+ | 1.7682 | 69800 | 0.004 | - |
1112
+ | 1.7707 | 69900 | 0.0032 | - |
1113
+ | 1.7733 | 70000 | 0.0034 | 0.0067 |
1114
+ | 1.7758 | 70100 | 0.007 | - |
1115
+ | 1.7783 | 70200 | 0.0049 | - |
1116
+ | 1.7809 | 70300 | 0.0023 | - |
1117
+ | 1.7834 | 70400 | 0.0028 | - |
1118
+ | 1.7859 | 70500 | 0.0048 | - |
1119
+ | 1.7885 | 70600 | 0.0042 | - |
1120
+ | 1.7910 | 70700 | 0.006 | - |
1121
+ | 1.7935 | 70800 | 0.006 | - |
1122
+ | 1.7961 | 70900 | 0.0044 | - |
1123
+ | 1.7986 | 71000 | 0.0036 | 0.0063 |
1124
+ | 1.8011 | 71100 | 0.0025 | - |
1125
+ | 1.8037 | 71200 | 0.0027 | - |
1126
+ | 1.8062 | 71300 | 0.0033 | - |
1127
+ | 1.8087 | 71400 | 0.0045 | - |
1128
+ | 1.8113 | 71500 | 0.0037 | - |
1129
+ | 1.8138 | 71600 | 0.0023 | - |
1130
+ | 1.8163 | 71700 | 0.0021 | - |
1131
+ | 1.8189 | 71800 | 0.0019 | - |
1132
+ | 1.8214 | 71900 | 0.0046 | - |
1133
+ | 1.8239 | 72000 | 0.0029 | 0.0065 |
1134
+ | 1.8265 | 72100 | 0.0061 | - |
1135
+ | 1.8290 | 72200 | 0.005 | - |
1136
+ | 1.8315 | 72300 | 0.0036 | - |
1137
+ | 1.8341 | 72400 | 0.0057 | - |
1138
+ | 1.8366 | 72500 | 0.0049 | - |
1139
+ | 1.8391 | 72600 | 0.0068 | - |
1140
+ | 1.8417 | 72700 | 0.0026 | - |
1141
+ | 1.8442 | 72800 | 0.0032 | - |
1142
+ | 1.8467 | 72900 | 0.0036 | - |
1143
+ | 1.8493 | 73000 | 0.0026 | 0.0066 |
1144
+ | 1.8518 | 73100 | 0.0024 | - |
1145
+ | 1.8543 | 73200 | 0.0014 | - |
1146
+ | 1.8569 | 73300 | 0.0022 | - |
1147
+ | 1.8594 | 73400 | 0.0039 | - |
1148
+ | 1.8619 | 73500 | 0.0019 | - |
1149
+ | 1.8645 | 73600 | 0.0016 | - |
1150
+ | 1.8670 | 73700 | 0.0034 | - |
1151
+ | 1.8695 | 73800 | 0.004 | - |
1152
+ | 1.8721 | 73900 | 0.0014 | - |
1153
+ | 1.8746 | 74000 | 0.004 | 0.0062 |
1154
+ | 1.8771 | 74100 | 0.0014 | - |
1155
+ | 1.8797 | 74200 | 0.0025 | - |
1156
+ | 1.8822 | 74300 | 0.0025 | - |
1157
+ | 1.8847 | 74400 | 0.0037 | - |
1158
+ | 1.8873 | 74500 | 0.0038 | - |
1159
+ | 1.8898 | 74600 | 0.0029 | - |
1160
+ | 1.8923 | 74700 | 0.0037 | - |
1161
+ | 1.8949 | 74800 | 0.0026 | - |
1162
+ | 1.8974 | 74900 | 0.0019 | - |
1163
+ | 1.8999 | 75000 | 0.0013 | 0.0062 |
1164
+ | 1.9025 | 75100 | 0.0027 | - |
1165
+ | 1.9050 | 75200 | 0.0028 | - |
1166
+ | 1.9075 | 75300 | 0.0014 | - |
1167
+ | 1.9101 | 75400 | 0.0067 | - |
1168
+ | 1.9126 | 75500 | 0.0023 | - |
1169
+ | 1.9151 | 75600 | 0.0024 | - |
1170
+ | 1.9177 | 75700 | 0.0021 | - |
1171
+ | 1.9202 | 75800 | 0.0062 | - |
1172
+ | 1.9227 | 75900 | 0.0104 | - |
1173
+ | 1.9253 | 76000 | 0.0021 | 0.0064 |
1174
+ | 1.9278 | 76100 | 0.0023 | - |
1175
+ | 1.9303 | 76200 | 0.0059 | - |
1176
+ | 1.9329 | 76300 | 0.0055 | - |
1177
+ | 1.9354 | 76400 | 0.002 | - |
1178
+ | 1.9379 | 76500 | 0.0029 | - |
1179
+ | 1.9405 | 76600 | 0.0028 | - |
1180
+ | 1.9430 | 76700 | 0.0021 | - |
1181
+ | 1.9455 | 76800 | 0.0037 | - |
1182
+ | 1.9481 | 76900 | 0.0019 | - |
1183
+ | 1.9506 | 77000 | 0.0027 | 0.0062 |
1184
+ | 1.9531 | 77100 | 0.0039 | - |
1185
+ | 1.9557 | 77200 | 0.0027 | - |
1186
+ | 1.9582 | 77300 | 0.0034 | - |
1187
+ | 1.9607 | 77400 | 0.005 | - |
1188
+ | 1.9633 | 77500 | 0.0022 | - |
1189
+ | 1.9658 | 77600 | 0.0072 | - |
1190
+ | 1.9683 | 77700 | 0.0025 | - |
1191
+ | 1.9709 | 77800 | 0.0019 | - |
1192
+ | 1.9734 | 77900 | 0.0034 | - |
1193
+ | 1.9759 | 78000 | 0.0068 | 0.0060 |
1194
+ | 1.9785 | 78100 | 0.0042 | - |
1195
+ | 1.9810 | 78200 | 0.0041 | - |
1196
+ | 1.9835 | 78300 | 0.0018 | - |
1197
+ | 1.9861 | 78400 | 0.0019 | - |
1198
+ | 1.9886 | 78500 | 0.0029 | - |
1199
+ | 1.9911 | 78600 | 0.0039 | - |
1200
+ | 1.9937 | 78700 | 0.0023 | - |
1201
+ | 1.9962 | 78800 | 0.0092 | - |
1202
+ | 1.9987 | 78900 | 0.0018 | - |
1203
+
1204
+ </details>
1205
+
1206
+ ### Framework Versions
1207
+ - Python: 3.11.10
1208
+ - Sentence Transformers: 3.3.1
1209
+ - Transformers: 4.46.3
1210
+ - PyTorch: 2.5.1+cu124
1211
+ - Accelerate: 1.1.1
1212
+ - Datasets: 3.1.0
1213
+ - Tokenizers: 0.20.3
1214
+
1215
+ ## Citation
1216
+
1217
+ ### BibTeX
1218
+
1219
+ #### Sentence Transformers
1220
+ ```bibtex
1221
+ @inproceedings{reimers-2019-sentence-bert,
1222
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
1223
+ author = "Reimers, Nils and Gurevych, Iryna",
1224
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
1225
+ month = "11",
1226
+ year = "2019",
1227
+ publisher = "Association for Computational Linguistics",
1228
+ url = "https://arxiv.org/abs/1908.10084",
1229
+ }
1230
+ ```
1231
+
1232
+ #### MultipleNegativesRankingLoss
1233
+ ```bibtex
1234
+ @misc{henderson2017efficient,
1235
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
1236
+ 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},
1237
+ year={2017},
1238
+ eprint={1705.00652},
1239
+ archivePrefix={arXiv},
1240
+ primaryClass={cs.CL}
1241
+ }
1242
+ ```
1243
+
1244
+ <!--
1245
+ ## Glossary
1246
+
1247
+ *Clearly define terms in order to be accessible across audiences.*
1248
+ -->
1249
+
1250
+ <!--
1251
+ ## Model Card Authors
1252
+
1253
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
1254
+ -->
1255
+
1256
+ <!--
1257
+ ## Model Card Contact
1258
+
1259
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
1260
+ -->
config.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "models/phobert-base-v2-st",
3
+ "architectures": [
4
+ "BertModel"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "classifier_dropout": null,
8
+ "directionality": "bidi",
9
+ "hidden_act": "gelu",
10
+ "hidden_dropout_prob": 0.1,
11
+ "hidden_size": 768,
12
+ "initializer_range": 0.02,
13
+ "intermediate_size": 3072,
14
+ "layer_norm_eps": 1e-12,
15
+ "max_position_embeddings": 512,
16
+ "model_type": "bert",
17
+ "num_attention_heads": 12,
18
+ "num_hidden_layers": 12,
19
+ "pad_token_id": 0,
20
+ "pooler_fc_size": 768,
21
+ "pooler_num_attention_heads": 12,
22
+ "pooler_num_fc_layers": 3,
23
+ "pooler_size_per_head": 128,
24
+ "pooler_type": "first_token_transform",
25
+ "position_embedding_type": "absolute",
26
+ "torch_dtype": "float32",
27
+ "transformers_version": "4.46.3",
28
+ "type_vocab_size": 2,
29
+ "use_cache": true,
30
+ "vocab_size": 75000
31
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "3.3.1",
4
+ "transformers": "4.46.3",
5
+ "pytorch": "2.5.1+cu124"
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 sha256:80ecacab504a0625779cbe2dee9aea00f3e17383a7d5068ae8ccd8d573d6e9fe
3
+ size 574587752
modules.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 512,
3
+ "do_lower_case": false
4
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,37 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "cls_token": {
3
+ "content": "[CLS]",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "mask_token": {
10
+ "content": "[MASK]",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "pad_token": {
17
+ "content": "[PAD]",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "sep_token": {
24
+ "content": "[SEP]",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "unk_token": {
31
+ "content": "[UNK]",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ }
37
+ }
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
tokenizer_config.json ADDED
@@ -0,0 +1,62 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "[UNK]",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "[CLS]",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "[SEP]",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "[PAD]",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "4": {
36
+ "content": "[MASK]",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "clean_up_tokenization_spaces": false,
45
+ "cls_token": "[CLS]",
46
+ "do_lower_case": false,
47
+ "mask_token": "[MASK]",
48
+ "max_length": 512,
49
+ "model_max_length": 512,
50
+ "pad_to_multiple_of": null,
51
+ "pad_token": "[PAD]",
52
+ "pad_token_type_id": 0,
53
+ "padding_side": "right",
54
+ "sep_token": "[SEP]",
55
+ "stride": 0,
56
+ "strip_accents": null,
57
+ "tokenize_chinese_chars": true,
58
+ "tokenizer_class": "DistilBertTokenizer",
59
+ "truncation_side": "right",
60
+ "truncation_strategy": "longest_first",
61
+ "unk_token": "[UNK]"
62
+ }
vocab.txt ADDED
The diff for this file is too large to render. See raw diff