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 +1,534 @@
+---
+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:291719
+- loss:TripletLoss
+- loss:MultipleNegativesRankingLoss
+- loss:CosineSimilarityLoss
+widget:
+- source_sentence: nếu thời_gian đến mà họ phải có một cuộc đấu_tranh johny shanon
+    có_thể là một người ngạc_nhiên
+  sentences:
+  - johny nghĩ anh ta là người giỏi nhất trong thị_trấn
+  - nếu một cuộc đấu_tranh đã xảy ra johny có_thể ngạc_nhiên đấy
+  - jay leno không phải là một diễn_viên hài
+- source_sentence: các luật_sư tại california nông_thôn hợp_pháp báo_cáo rằng giữa
+    bốn_mươi và chín_mươi phần_trăm thẻ xanh của họ đang giữ khách_hàng rời khỏi đất_nước
+    này trong suốt thời_gian đại_diện
+  sentences:
+  - Đa_số những người cầm thẻ xanh vẫn còn ở trong đất_nước trong khi luật_sư của
+    họ đại_diện cho họ .
+  - Theo báo_cáo , một phần_trăm của khách_hàng đang giữ thẻ xanh rời khỏi đất_nước
+    trong khi luật_sư của họ vẫn còn đại_diện cho họ .
+  - Những bình_luận này được thảo_luận bởi ủy_ban và được công_bố vào ngày 12 tháng
+    1996 . Năm 1996 .
+- source_sentence: một tình_huống giảm_giá loại 4 là nơi mà mailer làm giảm công_việc
+    yêu_cầu bằng cách thay_đổi hành_vi của mình trong những cách hiệu_quả mà không
+    phải là dự_đoán hoặc không có vẻ đặc_biệt liên_quan đến bản_chất của giảm_giá
+  sentences:
+  - Tôi đã tạo ra một ngành công_nghiệp bối_rối .
+  - Các bưu_phẩm không có khả_năng giảm các công_việc cần_thiết .
+  - Một giảm_giá 4 liên_quan đến việc mailer giảm các công_việc cần_thiết .
+- source_sentence: khu vườn là một sự cống_hiến mạnh_mẽ cho hàng ngàn chiến_binh ireland
+    đã chết trong chiến_tranh thế_giới tôi trong khi phục_vụ trong quân_đội anh
+  sentences:
+  - Lính Ireland không bao_giờ được phục_vụ với người anh .
+  - Hàng ngàn lính ireland đã chết trong chiến_tranh thế_giới tôi .
+  - Chúng_ta đang ở trong một thị_trấn ở bắc potomac , gần potomac .
+- source_sentence: Câu trả lời đơn giản là có, chồi hoa trên rau diếp là một dấu hiệu
+    chắc chắn của việc bắt vít.
+  sentences:
+  - Có vẻ như nó đã bắt đầu bắt đầu.
+  - Hai người đàn ông đang đợi một chuyến đi bên lề đường đất.
+  - Không có ngụ ý nào về Tom trong một câu như vậy.
+model-index:
+- name: SentenceTransformer based on vinai/phobert-base-v2
+  results:
+  - task:
+      type: semantic-similarity
+      name: Semantic Similarity
+    dataset:
+      name: sts evaluator
+      type: sts-evaluator
+    metrics:
+    - type: pearson_cosine
+      value: 0.5691955849043216
+      name: Pearson Cosine
+    - type: spearman_cosine
+      value: 0.5881976908213671
+      name: Spearman Cosine
+    - type: pearson_manhattan
+      value: 0.7067876802240736
+      name: Pearson Manhattan
+    - type: spearman_manhattan
+      value: 0.7122102245662241
+      name: Spearman Manhattan
+    - type: pearson_euclidean
+      value: 0.4671255912973266
+      name: Pearson Euclidean
+    - type: spearman_euclidean
+      value: 0.5309104174778149
+      name: Spearman Euclidean
+    - type: pearson_dot
+      value: 0.32618907028852395
+      name: Pearson Dot
+    - type: spearman_dot
+      value: 0.48017133930639955
+      name: Spearman Dot
+    - type: pearson_max
+      value: 0.7067876802240736
+      name: Pearson Max
+    - type: spearman_max
+      value: 0.7122102245662241
+      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/stag_123_cp10000")
+# Run inference
+sentences = [
+    'Câu trả lời đơn giản là có, chồi hoa trên rau diếp là một dấu hiệu chắc chắn của việc bắt vít.',
+    'Có vẻ như nó đã bắt đầu bắt đầu.',
+    'Hai người đàn ông đang đợi một chuyến đi bên lề đường đất.',
+]
+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-evaluator`
+* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
+
+| Metric             | Value      |
+|:-------------------|:-----------|
+| pearson_cosine     | 0.5692     |
+| spearman_cosine    | 0.5882     |
+| pearson_manhattan  | 0.7068     |
+| spearman_manhattan | 0.7122     |
+| pearson_euclidean  | 0.4671     |
+| spearman_euclidean | 0.5309     |
+| pearson_dot        | 0.3262     |
+| spearman_dot       | 0.4802     |
+| pearson_max        | 0.7068     |
+| **spearman_max**   | **0.7122** |
+
+<!--
+## 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 Hyperparameters
+#### Non-Default Hyperparameters
+
+- `overwrite_output_dir`: True
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 128
+- `per_device_eval_batch_size`: 128
+- `gradient_accumulation_steps`: 2
+- `learning_rate`: 1e-05
+- `num_train_epochs`: 15
+- `lr_scheduler_type`: cosine_with_restarts
+- `warmup_ratio`: 0.1
+- `fp16`: True
+- `load_best_model_at_end`: True
+- `gradient_checkpointing`: True
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: True
+- `do_predict`: False
+- `eval_strategy`: steps
+- `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`: 2
+- `eval_accumulation_steps`: None
+- `learning_rate`: 1e-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`: 15
+- `max_steps`: -1
+- `lr_scheduler_type`: cosine_with_restarts
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.1
+- `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`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+<details><summary>Click to expand</summary>
+
+| Epoch  | Step  | Training Loss | stage1 loss | stage2 loss | stage3 loss | sts-evaluator_spearman_max |
+|:------:|:-----:|:-------------:|:-----------:|:-----------:|:-----------:|:--------------------------:|
+| 0      | 0     | -             | -           | -           | -           | 0.6643                     |
+| 0.0877 | 100   | 4.3054        | -           | -           | -           | -                          |
+| 0.1754 | 200   | 3.93          | -           | -           | -           | -                          |
+| 0.2632 | 300   | 3.585         | -           | -           | -           | -                          |
+| 0.3509 | 400   | 3.4482        | -           | -           | -           | -                          |
+| 0.4386 | 500   | 3.1858        | 4.3297      | 2.6006      | 0.1494      | 0.7527                     |
+| 0.5263 | 600   | 3.141         | -           | -           | -           | -                          |
+| 0.6140 | 700   | 2.9477        | -           | -           | -           | -                          |
+| 0.7018 | 800   | 2.6271        | -           | -           | -           | -                          |
+| 0.7895 | 900   | 2.6175        | -           | -           | -           | -                          |
+| 0.8772 | 1000  | 2.4931        | 2.9001      | 2.3487      | 0.1593      | 0.6907                     |
+| 0.9649 | 1100  | 2.4516        | -           | -           | -           | -                          |
+| 1.0526 | 1200  | 2.4662        | -           | -           | -           | -                          |
+| 1.1404 | 1300  | 2.5022        | -           | -           | -           | -                          |
+| 1.2281 | 1400  | 2.4325        | -           | -           | -           | -                          |
+| 1.3158 | 1500  | 2.4058        | 2.7163      | 2.1658      | 0.1392      | 0.7121                     |
+| 1.4035 | 1600  | 2.3305        | -           | -           | -           | -                          |
+| 1.4912 | 1700  | 2.2677        | -           | -           | -           | -                          |
+| 1.5789 | 1800  | 2.2555        | -           | -           | -           | -                          |
+| 1.6667 | 1900  | 2.2275        | -           | -           | -           | -                          |
+| 1.7544 | 2000  | 2.1846        | 2.5441      | 2.1172      | 0.1293      | 0.6781                     |
+| 1.8421 | 2100  | 2.2007        | -           | -           | -           | -                          |
+| 1.9298 | 2200  | 2.192         | -           | -           | -           | -                          |
+| 2.0175 | 2300  | 2.1491        | -           | -           | -           | -                          |
+| 2.1053 | 2400  | 2.2419        | -           | -           | -           | -                          |
+| 2.1930 | 2500  | 2.1822        | 2.4765      | 2.0476      | 0.1055      | 0.6893                     |
+| 2.2807 | 2600  | 2.1384        | -           | -           | -           | -                          |
+| 2.3684 | 2700  | 2.1379        | -           | -           | -           | -                          |
+| 2.4561 | 2800  | 2.0558        | -           | -           | -           | -                          |
+| 2.5439 | 2900  | 2.057         | -           | -           | -           | -                          |
+| 2.6316 | 3000  | 2.0263        | 2.4108      | 2.0751      | 0.0904      | 0.7016                     |
+| 2.7193 | 3100  | 1.9587        | -           | -           | -           | -                          |
+| 2.8070 | 3200  | 2.0702        | -           | -           | -           | -                          |
+| 2.8947 | 3300  | 2.0058        | -           | -           | -           | -                          |
+| 2.9825 | 3400  | 2.0093        | -           | -           | -           | -                          |
+| 3.0702 | 3500  | 2.0347        | 2.3948      | 1.9958      | 0.0937      | 0.7131                     |
+| 3.1579 | 3600  | 2.0071        | -           | -           | -           | -                          |
+| 3.2456 | 3700  | 1.9708        | -           | -           | -           | -                          |
+| 3.3333 | 3800  | 2.027         | -           | -           | -           | -                          |
+| 3.4211 | 3900  | 1.9432        | -           | -           | -           | -                          |
+| 3.5088 | 4000  | 1.9245        | 2.3858      | 2.0274      | 0.0831      | 0.7197                     |
+| 3.5965 | 4100  | 1.8814        | -           | -           | -           | -                          |
+| 3.6842 | 4200  | 1.8619        | -           | -           | -           | -                          |
+| 3.7719 | 4300  | 1.8987        | -           | -           | -           | -                          |
+| 3.8596 | 4400  | 1.8764        | -           | -           | -           | -                          |
+| 3.9474 | 4500  | 1.8908        | 2.3753      | 2.0066      | 0.0872      | 0.7052                     |
+| 4.0351 | 4600  | 1.8737        | -           | -           | -           | -                          |
+| 4.1228 | 4700  | 1.9289        | -           | -           | -           | -                          |
+| 4.2105 | 4800  | 1.8755        | -           | -           | -           | -                          |
+| 4.2982 | 4900  | 1.8542        | -           | -           | -           | -                          |
+| 4.3860 | 5000  | 1.8514        | 2.3731      | 2.0023      | 0.0824      | 0.7191                     |
+| 4.4737 | 5100  | 1.7939        | -           | -           | -           | -                          |
+| 4.5614 | 5200  | 1.8126        | -           | -           | -           | -                          |
+| 4.6491 | 5300  | 1.7662        | -           | -           | -           | -                          |
+| 4.7368 | 5400  | 1.7448        | -           | -           | -           | -                          |
+| 4.8246 | 5500  | 1.7736        | 2.3703      | 2.0038      | 0.0768      | 0.7044                     |
+| 4.9123 | 5600  | 1.7993        | -           | -           | -           | -                          |
+| 5.0    | 5700  | 1.7811        | -           | -           | -           | -                          |
+| 5.0877 | 5800  | 1.7905        | -           | -           | -           | -                          |
+| 5.1754 | 5900  | 1.7539        | -           | -           | -           | -                          |
+| 5.2632 | 6000  | 1.7393        | 2.3568      | 2.0173      | 0.0853      | 0.7263                     |
+| 5.3509 | 6100  | 1.7882        | -           | -           | -           | -                          |
+| 5.4386 | 6200  | 1.682         | -           | -           | -           | -                          |
+| 5.5263 | 6300  | 1.7175        | -           | -           | -           | -                          |
+| 5.6140 | 6400  | 1.6806        | -           | -           | -           | -                          |
+| 5.7018 | 6500  | 1.6243        | 2.3715      | 2.0202      | 0.0770      | 0.7085                     |
+| 5.7895 | 6600  | 1.7079        | -           | -           | -           | -                          |
+| 5.8772 | 6700  | 1.6743        | -           | -           | -           | -                          |
+| 5.9649 | 6800  | 1.6897        | -           | -           | -           | -                          |
+| 6.0526 | 6900  | 1.668         | -           | -           | -           | -                          |
+| 6.1404 | 7000  | 1.6806        | 2.3826      | 1.9925      | 0.0943      | 0.7072                     |
+| 6.2281 | 7100  | 1.6394        | -           | -           | -           | -                          |
+| 6.3158 | 7200  | 1.6738        | -           | -           | -           | -                          |
+| 6.4035 | 7300  | 1.6382        | -           | -           | -           | -                          |
+| 6.4912 | 7400  | 1.6109        | -           | -           | -           | -                          |
+| 6.5789 | 7500  | 1.5864        | 2.3849      | 2.0064      | 0.0831      | 0.7200                     |
+| 6.6667 | 7600  | 1.5838        | -           | -           | -           | -                          |
+| 6.7544 | 7700  | 1.5776        | -           | -           | -           | -                          |
+| 6.8421 | 7800  | 1.5904        | -           | -           | -           | -                          |
+| 6.9298 | 7900  | 1.6198        | -           | -           | -           | -                          |
+| 7.0175 | 8000  | 1.5661        | 2.3917      | 2.0038      | 0.0746      | 0.7131                     |
+| 7.1053 | 8100  | 1.6253        | -           | -           | -           | -                          |
+| 7.1930 | 8200  | 1.5564        | -           | -           | -           | -                          |
+| 7.2807 | 8300  | 1.5947        | -           | -           | -           | -                          |
+| 7.3684 | 8400  | 1.5982        | -           | -           | -           | -                          |
+| 7.4561 | 8500  | 1.53          | 2.3761      | 2.0162      | 0.0775      | 0.7189                     |
+| 7.5439 | 8600  | 1.5412        | -           | -           | -           | -                          |
+| 7.6316 | 8700  | 1.5287        | -           | -           | -           | -                          |
+| 7.7193 | 8800  | 1.4652        | -           | -           | -           | -                          |
+| 7.8070 | 8900  | 1.5611        | -           | -           | -           | -                          |
+| 7.8947 | 9000  | 1.5258        | 2.3870      | 1.9896      | 0.0828      | 0.7126                     |
+| 7.9825 | 9100  | 1.552         | -           | -           | -           | -                          |
+| 8.0702 | 9200  | 1.5287        | -           | -           | -           | -                          |
+| 8.1579 | 9300  | 1.4889        | -           | -           | -           | -                          |
+| 8.2456 | 9400  | 1.4893        | -           | -           | -           | -                          |
+| 8.3333 | 9500  | 1.5538        | 2.3810      | 1.9956      | 0.0772      | 0.7181                     |
+| 8.4211 | 9600  | 1.4863        | -           | -           | -           | -                          |
+| 8.5088 | 9700  | 1.4894        | -           | -           | -           | -                          |
+| 8.5965 | 9800  | 1.4516        | -           | -           | -           | -                          |
+| 8.6842 | 9900  | 1.4399        | -           | -           | -           | -                          |
+| 8.7719 | 10000 | 1.4699        | 2.3991      | 1.9760      | 0.0894      | 0.7122                     |
+
+</details>
+
+### Framework Versions
+- Python: 3.10.12
+- Sentence Transformers: 3.0.1
+- Transformers: 4.42.4
+- PyTorch: 2.3.1+cu121
+- Accelerate: 0.33.0
+- 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}
+}
+```
+
+#### 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.*
+-->

added_tokens.json

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

config.json

@@ -0,0 +1,28 @@
+{
+  "_name_or_path": "./output/checkpoint-10000",
+  "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:a1de5005e8f2b96be6f8aacbb54565f3de342641b01453888f7f25c0535e039b
+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>"
+}