Add new SentenceTransformer model

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text

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": true,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

README.md

@@ -0,0 +1,570 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:800000
+- loss:MultipleNegativesRankingLoss
+base_model: shihab17/bangla-sentence-transformer
+widget:
+- source_sentence: প্রায় পৃষ্ঠার এ গুরুত্বপূর্ণ বইটিকে পৃষ্ঠায় সংক্ষিপ্ত আকারে বাংলা
+    রূপ দিয়েছেন অধ্যাপক ড মোহাম্মদ মাসুম।
+  sentences:
+  - প্রায় পৃষ্ঠার এ গুরুত্বপূর্ণ বইটিকে পৃষ্ঠায় সংক্ষিপ্ত আকারে বাংলা রূপ দিয়েছেন
+    অধ্যাপক ড মোহাম্মদ মাসুম।
+  - পুষ্টিকর এই সালাদটি কাজের ফাঁকেও খেয়ে নেওয়া যাবে।
+  - সালের মধ্যে রাজধানীতে পাঁচটি মেট্রোরেল লাইনের কাজ শেষ হবে।বুধবার দিয়াবাড়িতে
+    মেট্রোরেলের ওভারহেড ক্যাটেনারি সিস্টেম ও রেললাইন স্থাপন কাজের উদ্বোধন অনুষ্ঠানে
+    তিনি এসব কথা বলেন।ওবায়দুল কাদের বলেন, শিগগির এমআরটি লাইন ও এর কাজ শুরু হবে।
+- source_sentence: সহিংস শ্বেতাঙ্গ জাতীয়তাবাদের হুমকির বিরুদ্ধে আমাদের সম্মিলিত প্রতিরোধ
+    দরকার বলেও তিনি জানান।
+  sentences:
+  - সহিংস শ্বেতাঙ্গ জাতীয়তাবাদের হুমকির বিরুদ্ধে আমাদের সম্মিলিত প্রতিরোধ দরকার বলেও
+    তিনি জানান।
+  - বাঙালি যে চিন্তার বহু ক্ষেত্রে গেছে, বহু বিষয়ে ভেবেছে তার লক্ষণ বাংলা ভাষায়
+    নেই।
+  - টাইম সিডিউল নবায়নের জন্য বারবার চিঠি দেয়া হলেও টালবাহানা করছেন বিআইডব্লিউটিএর
+    ট্রাফিক পোর্ট কর্তৃপক্ষ।
+- source_sentence: একজন তরুণ তিনি।
+  sentences:
+  - একজন তরুণ তিনি।
+  - প্রথম দর্শনার্থীরা কার্নিভালের রোলার কোস্টার, স্কাই ড্রপ, পাইরেট শিপ, ফোর শিপ,
+    ম্যাজিক উইন্ডমিল, ফ্লাইং ডিসকো ও টাওয়ার চ্যালেঞ্জার রাইড উপভোগ করেন।
+  - বছর এতিমের ভাগ এতিমকে দিতে পারেনি।
+- source_sentence: তার মত সংগ্রাম করেছে বাংলাদেশের বেশিরভাগ ব্যাটসম্যানই।
+  sentences:
+  - তবে সরাসরি বাবার বিরুদ্ধে যেতে পারেননি।
+  - তার মত সংগ্রাম করেছে বাংলাদেশের বেশিরভাগ ব্যাটসম্যানই।
+  - এ বছর চীনা প্রেসিডেন্ট শি জিনপিং মস্কো সফর করেছেন এবং রুশ প্রেসিডেন্ট ভ াদিমির
+    পুতিনের সঙ্গে সম্পর্ক জোরদারে নানা বিষয়ে আলোচনা করেছেন।
+- source_sentence: কারণ এ ব্যাংকগুলোর নিয়ন্ত্রণ অর্থ মন্ত্রণালয়ের ব্যাংক ও আর্থিক
+    প্রতিষ্ঠানের হাতে।
+  sentences:
+  - বক্তারা এ সময় অবিলম্বে দোষীদের শাস্তির আওতায় না আনলে সারা দেশের আলেম উলামা ও
+    মাদরাসার শিক্ষক শিক্ষার্থীরা রাজপথে নামতে বাধ্য হবে বলে হুশিয়ারি উচ্চারণ করেন।
+  - তিনি আরও বলেন, আপনাদের সবাইকে আমি আমার পাশে চাই, সামনে চাই।
+  - কারণ এ ব্যাং��গুলোর নিয়ন্ত্রণ অর্থ মন্ত্রণালয়ের ব্যাংক ও আর্থিক প্রতিষ্ঠানের
+    হাতে।
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+---
+
+# SentenceTransformer based on shihab17/bangla-sentence-transformer
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [shihab17/bangla-sentence-transformer](https://huggingface.co/shihab17/bangla-sentence-transformer). It maps sentences & paragraphs to a 1536-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:** [shihab17/bangla-sentence-transformer](https://huggingface.co/shihab17/bangla-sentence-transformer) <!-- at revision ab250a2c767638562cd3caa8c0017b106a481755 -->
+- **Maximum Sequence Length:** 128 tokens
+- **Output Dimensionality:** 1536 dimensions
+- **Similarity Function:** Cosine Similarity
+<!-- - **Training Dataset:** Unknown -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
+- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
+
+### Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
+  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': True, '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("farhana1996/unsupervised-simcse-bangla-sbert-800k")
+# Run inference
+sentences = [
+    'কারণ এ ব্যাংকগুলোর নিয়ন্ত্রণ অর্থ মন্ত্রণালয়ের ব্যাংক ও আর্থিক প্রতিষ্ঠানের হাতে।',
+    'কারণ এ ব্যাংকগুলোর নিয়ন্ত্রণ অর্থ মন্ত্রণালয়ের ব্যাংক ও আর্থিক প্রতিষ্ঠানের হাতে।',
+    'বক্তারা এ সময় অবিলম্বে দোষীদের শাস্তির আওতায় না আনলে সারা দেশের আলেম উলামা ও মাদরাসার শিক্ষক শিক্ষার্থীরা রাজপথে নামতে বাধ্য হবে বলে হুশিয়ারি উচ্চারণ করেন।',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 1536]
+
+# 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.*
+-->
+
+<!--
+## 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: 800,000 training samples
+* Columns: <code>sentence_0</code> and <code>sentence_1</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence_0                                                                         | sentence_1                                                                         |
+  |:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
+  | type    | string                                                                             | string                                                                             |
+  | details | <ul><li>min: 6 tokens</li><li>mean: 29.09 tokens</li><li>max: 128 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 29.09 tokens</li><li>max: 128 tokens</li></ul> |
+* Samples:
+  | sentence_0                                                                                                                                                 | sentence_1                                                                                                                                                 |
+  |:-----------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>এরই মধ্যে এ বিষয়ে পরীক্ষা নিরীক্ষা শুরু করেছে বিশ্ববিদ্যালয় কর্তৃপক্ষ।</code>                                                                      | <code>এরই মধ্যে এ বিষয়ে পরীক্ষা নিরীক্ষা শুরু করেছে বিশ্ববিদ্যালয় কর্তৃপক্ষ।</code>                                                                      |
+  | <code>এরপর থেকেই যেন দেশের বিজ্ঞাপনে ভারতীয় শিল্পীদের নিয়ে আসার পরিমাণ বেড়ে গেছে।</code>                                                                | <code>এরপর থেকেই যেন দেশের বিজ্ঞাপনে ভারতীয় শিল্পীদের নিয়ে আসার পরিমাণ বেড়ে গেছে।</code>                                                                |
+  | <code>ইন্টারন্যাশনাল ইউনিভার্সিটি অব বিজনেস এগ্রিকালচার অ্যান্ড টেকনোলজির আইইউবিএটি গ্রীষ্ম সেমিস্টারের নতুন শিক্ষার্থীদের পরিচিতি সেশন শেষ হয়েছে।</code> | <code>ইন্টারন্যাশনাল ইউনিভার্সিটি অব বিজনেস এগ্রিকালচার অ্যান্ড টেকনোলজির আইইউবিএটি গ্রীষ্ম সেমিস্টারের নতুন শিক্ষার্থীদের পরিচিতি সেশন শেষ হয়েছে।</code> |
+* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
+  ```json
+  {
+      "scale": 20.0,
+      "similarity_fct": "cos_sim"
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `per_device_train_batch_size`: 16
+- `per_device_eval_batch_size`: 16
+- `num_train_epochs`: 2
+- `fp16`: True
+- `multi_dataset_batch_sampler`: round_robin
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: no
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 16
+- `per_device_eval_batch_size`: 16
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 1
+- `eval_accumulation_steps`: None
+- `torch_empty_cache_steps`: None
+- `learning_rate`: 5e-05
+- `weight_decay`: 0.0
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `max_grad_norm`: 1.0
+- `num_train_epochs`: 2
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.0
+- `warmup_steps`: 0
+- `log_level`: passive
+- `log_level_replica`: warning
+- `log_on_each_node`: True
+- `logging_nan_inf_filter`: True
+- `save_safetensors`: True
+- `save_on_each_node`: False
+- `save_only_model`: False
+- `restore_callback_states_from_checkpoint`: False
+- `no_cuda`: False
+- `use_cpu`: False
+- `use_mps_device`: False
+- `seed`: 42
+- `data_seed`: None
+- `jit_mode_eval`: False
+- `use_ipex`: False
+- `bf16`: False
+- `fp16`: 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`: False
+- `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}
+- `tp_size`: 0
+- `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`: None
+- `hub_always_push`: False
+- `gradient_checkpointing`: False
+- `gradient_checkpointing_kwargs`: None
+- `include_inputs_for_metrics`: False
+- `include_for_metrics`: []
+- `eval_do_concat_batches`: True
+- `fp16_backend`: auto
+- `push_to_hub_model_id`: None
+- `push_to_hub_organization`: None
+- `mp_parameters`: 
+- `auto_find_batch_size`: False
+- `full_determinism`: False
+- `torchdynamo`: None
+- `ray_scope`: last
+- `ddp_timeout`: 1800
+- `torch_compile`: False
+- `torch_compile_backend`: None
+- `torch_compile_mode`: None
+- `include_tokens_per_second`: False
+- `include_num_input_tokens_seen`: False
+- `neftune_noise_alpha`: None
+- `optim_target_modules`: None
+- `batch_eval_metrics`: False
+- `eval_on_start`: False
+- `use_liger_kernel`: False
+- `eval_use_gather_object`: False
+- `average_tokens_across_devices`: False
+- `prompts`: None
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: round_robin
+
+</details>
+
+### Training Logs
+<details><summary>Click to expand</summary>
+
+| Epoch  | Step   | Training Loss |
+|:------:|:------:|:-------------:|
+| 0.01   | 500    | 0.0128        |
+| 0.02   | 1000   | 0.0006        |
+| 0.03   | 1500   | 0.0003        |
+| 0.04   | 2000   | 0.0002        |
+| 0.05   | 2500   | 0.0002        |
+| 0.06   | 3000   | 0.0001        |
+| 0.07   | 3500   | 0.0001        |
+| 0.08   | 4000   | 0.0002        |
+| 0.09   | 4500   | 0.0001        |
+| 0.1    | 5000   | 0.0001        |
+| 0.11   | 5500   | 0.0001        |
+| 0.12   | 6000   | 0.0           |
+| 0.13   | 6500   | 0.0001        |
+| 0.14   | 7000   | 0.0001        |
+| 0.15   | 7500   | 0.0001        |
+| 0.16   | 8000   | 0.0           |
+| 0.17   | 8500   | 0.0           |
+| 0.18   | 9000   | 0.0           |
+| 0.19   | 9500   | 0.0           |
+| 0.2    | 10000  | 0.0           |
+| 0.21   | 10500  | 0.0001        |
+| 0.22   | 11000  | 0.0001        |
+| 0.23   | 11500  | 0.0001        |
+| 0.24   | 12000  | 0.0           |
+| 0.25   | 12500  | 0.0002        |
+| 0.26   | 13000  | 0.0           |
+| 0.27   | 13500  | 0.0           |
+| 0.28   | 14000  | 0.0           |
+| 0.29   | 14500  | 0.0           |
+| 0.3    | 15000  | 0.0002        |
+| 0.31   | 15500  | 0.0           |
+| 0.32   | 16000  | 0.0           |
+| 0.33   | 16500  | 0.0           |
+| 0.34   | 17000  | 0.0           |
+| 0.35   | 17500  | 0.0           |
+| 0.36   | 18000  | 0.0           |
+| 0.37   | 18500  | 0.0           |
+| 0.38   | 19000  | 0.0           |
+| 0.39   | 19500  | 0.0           |
+| 0.4    | 20000  | 0.0           |
+| 0.41   | 20500  | 0.0           |
+| 0.42   | 21000  | 0.0           |
+| 0.43   | 21500  | 0.0           |
+| 0.44   | 22000  | 0.0           |
+| 0.45   | 22500  | 0.0           |
+| 0.46   | 23000  | 0.0           |
+| 0.47   | 23500  | 0.0           |
+| 0.48   | 24000  | 0.0           |
+| 0.49   | 24500  | 0.0           |
+| 0.5    | 25000  | 0.0           |
+| 0.51   | 25500  | 0.0           |
+| 0.52   | 26000  | 0.0           |
+| 0.53   | 26500  | 0.0           |
+| 0.54   | 27000  | 0.0           |
+| 0.55   | 27500  | 0.0           |
+| 0.56   | 28000  | 0.0           |
+| 0.57   | 28500  | 0.0           |
+| 0.58   | 29000  | 0.0           |
+| 0.59   | 29500  | 0.0           |
+| 0.6    | 30000  | 0.0           |
+| 0.61   | 30500  | 0.0           |
+| 0.62   | 31000  | 0.0           |
+| 0.63   | 31500  | 0.0           |
+| 0.64   | 32000  | 0.0           |
+| 0.65   | 32500  | 0.0           |
+| 0.66   | 33000  | 0.0           |
+| 0.67   | 33500  | 0.0           |
+| 0.68   | 34000  | 0.0           |
+| 0.69   | 34500  | 0.0           |
+| 0.7    | 35000  | 0.0           |
+| 0.71   | 35500  | 0.0           |
+| 0.72   | 36000  | 0.0           |
+| 0.73   | 36500  | 0.0           |
+| 0.74   | 37000  | 0.0           |
+| 0.75   | 37500  | 0.0           |
+| 0.76   | 38000  | 0.0           |
+| 0.77   | 38500  | 0.0           |
+| 0.78   | 39000  | 0.0           |
+| 0.79   | 39500  | 0.0           |
+| 0.8    | 40000  | 0.0           |
+| 0.81   | 40500  | 0.0           |
+| 0.82   | 41000  | 0.0           |
+| 0.83   | 41500  | 0.0           |
+| 0.84   | 42000  | 0.0           |
+| 0.85   | 42500  | 0.0           |
+| 0.86   | 43000  | 0.0           |
+| 0.87   | 43500  | 0.0           |
+| 0.88   | 44000  | 0.0           |
+| 0.89   | 44500  | 0.0           |
+| 0.9    | 45000  | 0.0           |
+| 0.91   | 45500  | 0.0           |
+| 0.92   | 46000  | 0.0           |
+| 0.93   | 46500  | 0.0           |
+| 0.94   | 47000  | 0.0           |
+| 0.95   | 47500  | 0.0           |
+| 0.96   | 48000  | 0.0           |
+| 0.97   | 48500  | 0.0           |
+| 0.98   | 49000  | 0.0           |
+| 0.99   | 49500  | 0.0           |
+| 1.0    | 50000  | 0.0           |
+| 1.01   | 50500  | 0.0           |
+| 1.02   | 51000  | 0.0           |
+| 1.03   | 51500  | 0.0           |
+| 1.04   | 52000  | 0.0           |
+| 1.05   | 52500  | 0.0           |
+| 1.06   | 53000  | 0.0           |
+| 1.07   | 53500  | 0.0           |
+| 1.08   | 54000  | 0.0           |
+| 1.09   | 54500  | 0.0           |
+| 1.1    | 55000  | 0.0           |
+| 1.11   | 55500  | 0.0           |
+| 1.12   | 56000  | 0.0           |
+| 1.13   | 56500  | 0.0           |
+| 1.1400 | 57000  | 0.0           |
+| 1.15   | 57500  | 0.0           |
+| 1.16   | 58000  | 0.0           |
+| 1.17   | 58500  | 0.0           |
+| 1.18   | 59000  | 0.0           |
+| 1.19   | 59500  | 0.0           |
+| 1.2    | 60000  | 0.0           |
+| 1.21   | 60500  | 0.0           |
+| 1.22   | 61000  | 0.0           |
+| 1.23   | 61500  | 0.0           |
+| 1.24   | 62000  | 0.0           |
+| 1.25   | 62500  | 0.0           |
+| 1.26   | 63000  | 0.0           |
+| 1.27   | 63500  | 0.0           |
+| 1.28   | 64000  | 0.0           |
+| 1.29   | 64500  | 0.0           |
+| 1.3    | 65000  | 0.0           |
+| 1.31   | 65500  | 0.0           |
+| 1.32   | 66000  | 0.0           |
+| 1.33   | 66500  | 0.0           |
+| 1.34   | 67000  | 0.0           |
+| 1.35   | 67500  | 0.0           |
+| 1.3600 | 68000  | 0.0           |
+| 1.37   | 68500  | 0.0           |
+| 1.38   | 69000  | 0.0           |
+| 1.3900 | 69500  | 0.0           |
+| 1.4    | 70000  | 0.0           |
+| 1.41   | 70500  | 0.0           |
+| 1.42   | 71000  | 0.0           |
+| 1.43   | 71500  | 0.0           |
+| 1.44   | 72000  | 0.0           |
+| 1.45   | 72500  | 0.0           |
+| 1.46   | 73000  | 0.0           |
+| 1.47   | 73500  | 0.0           |
+| 1.48   | 74000  | 0.0           |
+| 1.49   | 74500  | 0.0           |
+| 1.5    | 75000  | 0.0           |
+| 1.51   | 75500  | 0.0           |
+| 1.52   | 76000  | 0.0           |
+| 1.53   | 76500  | 0.0           |
+| 1.54   | 77000  | 0.0           |
+| 1.55   | 77500  | 0.0           |
+| 1.56   | 78000  | 0.0           |
+| 1.5700 | 78500  | 0.0           |
+| 1.58   | 79000  | 0.0           |
+| 1.5900 | 79500  | 0.0           |
+| 1.6    | 80000  | 0.0           |
+| 1.6100 | 80500  | 0.0           |
+| 1.62   | 81000  | 0.0           |
+| 1.63   | 81500  | 0.0           |
+| 1.6400 | 82000  | 0.0           |
+| 1.65   | 82500  | 0.0           |
+| 1.6600 | 83000  | 0.0           |
+| 1.67   | 83500  | 0.0           |
+| 1.6800 | 84000  | 0.0           |
+| 1.69   | 84500  | 0.0           |
+| 1.7    | 85000  | 0.0001        |
+| 1.71   | 85500  | 0.0           |
+| 1.72   | 86000  | 0.0           |
+| 1.73   | 86500  | 0.0           |
+| 1.74   | 87000  | 0.0           |
+| 1.75   | 87500  | 0.0           |
+| 1.76   | 88000  | 0.0           |
+| 1.77   | 88500  | 0.0           |
+| 1.78   | 89000  | 0.0           |
+| 1.79   | 89500  | 0.0002        |
+| 1.8    | 90000  | 0.0           |
+| 1.81   | 90500  | 0.0           |
+| 1.8200 | 91000  | 0.0           |
+| 1.83   | 91500  | 0.0           |
+| 1.8400 | 92000  | 0.0           |
+| 1.85   | 92500  | 0.0           |
+| 1.8600 | 93000  | 0.0           |
+| 1.87   | 93500  | 0.0           |
+| 1.88   | 94000  | 0.0           |
+| 1.8900 | 94500  | 0.0           |
+| 1.9    | 95000  | 0.0           |
+| 1.9100 | 95500  | 0.0           |
+| 1.92   | 96000  | 0.0           |
+| 1.9300 | 96500  | 0.0           |
+| 1.94   | 97000  | 0.0           |
+| 1.95   | 97500  | 0.0           |
+| 1.96   | 98000  | 0.0           |
+| 1.97   | 98500  | 0.0           |
+| 1.98   | 99000  | 0.0           |
+| 1.99   | 99500  | 0.0           |
+| 2.0    | 100000 | 0.0           |
+
+</details>
+
+### Framework Versions
+- Python: 3.11.11
+- Sentence Transformers: 3.4.1
+- Transformers: 4.51.1
+- PyTorch: 2.5.1+cu124
+- Accelerate: 1.3.0
+- Datasets: 3.5.0
+- Tokenizers: 0.21.0
+
+## 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",
+}
+```
+
+#### MultipleNegativesRankingLoss
+```bibtex
+@misc{henderson2017efficient,
+    title={Efficient Natural Language Response Suggestion for Smart Reply},
+    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},
+    year={2017},
+    eprint={1705.00652},
+    archivePrefix={arXiv},
+    primaryClass={cs.CL}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,28 @@
+{
+  "architectures": [
+    "XLMRobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.3,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.3,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "xlm-roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "output_hidden_states": true,
+  "output_past": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.51.1",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.4.1",
+    "transformers": "4.51.1",
+    "pytorch": "2.5.1+cu124"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:85d27027829d28955c55c4e99c12d098e0c4249332c67e9966c0db32506d9af7
+size 1112197096

modules.json

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

sentence_bert_config.json

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

sentencepiece.bpe.model

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cfc8146abe2a0488e9e2a0c56de7952f7c11ab059eca145a0a727afce0db2865
+size 5069051

special_tokens_map.json

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

tokenizer.json

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

tokenizer_config.json

@@ -0,0 +1,62 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "250001": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": false,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "max_length": 128,
+  "model_max_length": 128,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "stride": 0,
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}