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": 1024,
+  "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 +1,565 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:1413
+- loss:GISTEmbedLoss
+base_model: intfloat/multilingual-e5-large-instruct
+widget:
+- source_sentence: '1. проверить , запущен ли процесс fox. Если запущен, закрыть
+
+    2. открыть страницу в браузере. Адрес: avito.ru. Если будут напоминания для пользователя
+    — согласится на все.
+
+    3. навести мышь на меню Каталоги, дождаться появления подменю и навести мышь на
+    меню «каталог автомобилей». Кликнуть мышкой
+
+    4. найти все слова, которые выделены тэгом <h3>. Из списка сделать словарь, ключ
+    - текст, значение — другие параметры в тэге.
+
+    5. преобразовать словарь в датафрейм
+
+    6. сгруппировать данные датафрейма. Если есть повторы в ключах, сделать один ключ,
+    но с объединенным значением
+
+    7. выгрузить датафрем обратно в словарь.
+
+    8. Отправить сообщение в whatsapp об удачном завершении процесса'
+  sentences:
+  - 'Уведомление пользователя. describe: Выводит на экран всплывающее окно с указанным
+    текстом. Приостанавливает работу алгаритма до нажатия ''ok''. Окно закрывается
+    по нажатию кнопки ''ok''..Блок выводит на экран всплывающее окно с указанным текстом.
+    Окно закрывается по нажатию кнопки ‘Закрыть’. Выполнение алгоритма приостанавливается
+    во время отображения уведомления. Чтобы скопировать содержимое уведомления, необходимо
+    нажать кнопку “Скопировать”..Показать сообщений пользователю. Показывает в отдельном
+    окне.'
+  - "Добавить строку в DataFrame. describe: Добавляет строку в dataframe по номеру..Блок\
+    \ позволяет добавить, перезаписать и удалить строку в DataFrame. При этом необходимо\
+    \ указать сам DataFrame, строку для добавления/перезаписи и номер позиции..поскольку\
+    \  DataFrame (датафрейм) это таблица, к ней можно добавить строчку, удалить строчку\
+    \ или изменить строчку\nПри добавлении строки в датафрейм, нужно указать в какое\
+    \ место ее нужно поместить. \nПри удалении строки тоже нужно указать номер удаляемой\
+    \ строки.\nИ при изменении строки тоже указывается номер строки\nПри добавлении\
+    \ или изменении строки указывается список значений всех колонок\nПример\nДобавить\
+    \ строку в датафрейм dataframe\nУдалить строку из таблицы\nИзменить строку в датафрейме"
+  - 'Запущен ли процесс. describe: Проверяет, запущен ли указанный процесс. Если хотя
+    бы один экземпляр процесса запущен, то вернет True, иначе - False..Блок проверяет,
+    запущен ли указанный процесс. Если хотя бы один экземпляр процесса запущен, то
+    вернет “истина”, иначе вернет “ложь”.."Запущен ли процесс" — это вопрос, касающийся
+    текущего состояния процесса в операционной системе, обозначающий его активность
+    или присутствие в системе. Процесс считается запущенным, если он был инициирован
+    и выполняется в данный момент времени. Для проверки, запущен ли процесс, операционная
+    система использует таблицы процессов, где каждый процесс имеет свой уни��альный
+    идентификатор (PID) и информацию о его статусе. Когда процесс находится в активном
+    состоянии, он использует ресурсы системы, такие как CPU и память, для выполнения
+    своих задач. Проверку статуса процесса можно осуществить с помощью различных инструментов,
+    например, с помощью командной строки или графических интерфейсов, отображающих
+    активные процессы.'
+- source_sentence: "1. открыть Excel\n2. перейти на страницу «Итого»\n3. переместиться\
+    \ на кнопку «Стрелка вправо»\n4. прокрутить колесико мышки ровно 4 секунды, со\
+    \ скоростью 30 пикселей в секунду\n5. дальше выбор. Если в центре экрана видна\
+    \ печать NASA (пример есть в файле nasa.logo), то в переменную param записать\
+    \ Истина\n6. если в ровно в центре экрана нет печати NASA, то в переменную param\
+    \ записать None (не путать с ложь)\n7. если в переменной param записано None,\
+    \ найти в папке dir файл Roscosmos.data.\n8. открыть , прочитать все строки. Преобразовать\
+    \ строки в таблицу. Поставить фильтр на первой колонке , равенство, Роскосомос.\
+    \ \n9. полученную таблицу распечатать на принтере Printer1"
+  sentences:
+  - 'Удалить дубликаты. describe: Удаляет повторяющиеся элементы списка. Возвращает
+    список уникальных элементов..Блок удаляет повторяющиеся элементы списка, возвращает
+    список уникальных элементов..Аналог функции  list(set()) в python. Удаляет дубли.
+    Сначала делаем множество, где одинаковые элементы объединяются, а потом из множества
+    делаем список
+
+    Примеры:
+
+    Удалить дубли
+
+    Получить уникальные значение'
+  - "Фильтровать табличные данные. describe: Фильтрует табличные данные по указанному\
+    \ столбцу и операции..Блок позволяет Фильтровать табличные данные. Необходимо\
+    \ указать:Таблицу - Путь к файлу или DataFrame источника данных;Столбец или список\
+    \ столбцов - Столбец или список столбцов для фильтрации;Операция - Операция сравнения\
+    \ для фильтрации;Значение - Значение или список значений для фильтрации;Движок\
+    \ обработки данных - Определяет способ использования ресурсов процессора при обработке\
+    \ таблиц.Для визуальной работы с данными, кликните по кнопке:Визуализация данныхФорма\
+    \ визуализации данных - встроенный инструмент Puzzle RPA, который позволяет загружать\
+    \ и просматривать различные наборы данных..датафрейм, как таблица, может быть\
+    \ использован для быстрой фильтрации. Можем наложить отбор на любую колонку и\
+    \ посмотреть что останется\nЗначение в колонке , на которую накладывается отбор\
+    \ может проверяться на:\nРавенству какому либо значению\nНе равенству\nНа меньше\n\
+    Больше\nЕсли в колонке есть пустые значение\nНаоборот, выбрать те, где заполнено\
+    \ \nВ списке значений\nПримеры\nОтфильтровать данные по колонке\nОставить только\
+    \ те строки, где..\nНаложить отбор на датафрейм"
+  - 'Изменить порядок. describe: Блок меняет порядок списка на обратный..Инвертирует
+    строку. Последний символ становится первым. А первый последним.
+
+    Например
+
+    Инвертировать строку «полисад». Ответ «дасилоп».'
+- source_sentence: Скопировать число в файле Excel в столбце "Количество в граммах".
+    Извлечь данные из буфера обмена и выполнить деление этого числа на 1000. Вызвать
+    через командную строку калькулятор и на калькуляторе возвести в квадрат результат
+    деления
+  sentences:
+  - 'Прочитать письма. describe: Считывает письма электронной почты с указанными параметрами..Блок
+    позволяет прочитать письма по IMAP.Требуется указать:Данные почтового аккаунта,
+    который будет прочитан;Адрес сервера;Папку для сохранения вложений из писем.Дополнительно
+    нажатием на “+” можно добавлять следующие параметры:Дату, с которой получать сообщения;Дату,
+    до которой получать сообщения;Отправителя;Получателя;Тему сообщения;Тело сообщения;Подстроку
+    в теме или теле сообщения;ID-сообщения;Наличие вложения;Наличие флага;Получить
+    только не прочитанные;Отметить сообщение прочитанным;Отметить сообщение флагом.Некоторые
+    почтовые сервисы не поддерживают работу всех фильтров..процесс получения и отображения
+    содержания электронного письма, отправленного через почтовую службу, в почтовом
+    клиенте или веб-интерфейсе. Он включает в себя доступ к почтовому ящику, выбор
+    конкретного письма и его открытие для просмотра. При этом письма могут содержать
+    текст, вложенные файлы, изображения и ссылки, которые пользователь может просмотреть.
+    Во время чтения письма происходит декодирование и отображение данных, полученных
+    с почтового сервера. Этот процесс может быть выполнен как на компьютере, так и
+    на мобильных устройствах через специализированные приложения или веб-сайты'
+  - 'Остановить секундомер. describe: Останавливет секундомер и сохраняет результат
+    в переменню.Блок останавливает секундомер и сохраняет результат в переменную.
+    Единица измерения времени - секунды..действие, заключающееся в прекращении отсчёта
+    времени, фиксируемого устройством, предназначенным для измерения интервалов времени.
+    Обычно, секундомер активируется нажатием кнопки, и его остановка происходит также
+    нажатием на соответствующую кнопку или команду. После остановки секундомер фиксирует
+    текущий результат в виде времени, прошедшего с начала отсчёта. Остановка может
+    быть выполнена вручную или автоматически, в зависимости от типа устройства. После
+    остановки можно записать результат или повторить отсчёт времени, начиная новый
+    цикл'
+  - 'Арифметические операции. describe: В блоке есть два паза для добавления чисел,
+    кликнув по текущему условию, можно выбрать операцию, которую требуется произвести
+    с числами. Блок имеет выпадающее меню. Клик по символу раскрывающегося списка
+    открывает следующее меню:В меню представлены следующие опции:+ -возвращает сумму
+    двух чисел;-- возвращает разность двух чисел;×- возвращает произведение двух чисел;÷
+    -возвращает частное от деления первого числа на второе;^- возвращает первое число,
+    возведенное в степень второго..Нужен для
+
+    Сложения (+)
+
+    Вычитания (-)
+
+    Умножения (*)
+
+    Деления (/)
+
+    Возведение в степень (^)
+
+    двух чисел.
+
+    Например:
+
+    Сложить два числа
+
+    Найти остаток
+
+    5*9 = 45
+
+    1-8=-7
+
+    2:2 = 1
+
+    Увеличить число на 8'
+- source_sentence: '1. подключиться к базе данных Postgres. Параметры подключение
+    взять из глобальных переменных
+
+    2. таблица Date, выбрать все даты прошлого года (list1)
+
+    3. таблица Numbers, выбрать все числа, которые не делятся на 2 (list2)
+
+    4. все даты в list1 преобразовать в строки в формате YyYy:Dd:Hhhh
+
+    5. для всех чисел list2 найти остаток от деления на 5.
+
+    6. объединить оба списка в один list3. Сохранить список в текстовый файл file.txt
+
+    7. проверить, если логин пароль для доступа на сайт my_fork.fr
+
+    8. если нет, то добавить с логином ME паролем 123dfg
+
+    9. загрузить file.txt на сайт my_fork.fr'
+  sentences:
+  - 'Сделать скриншот. describe: Сохраняет в файл скриншот всего экрана..Блок сохраняет
+    в файл скриншот всего экрана. Требуется указать путь к файлу с указанием названия
+    и расширения файла (.png). Файл будет создан автоматически по указанному пути..процесс
+    создания цифровой копии изображения или изображения и текста, отображаемых на
+    экране компьютера или другого устройства, такого как смартфон или планшет. Эта
+    операция позволяет сохранить текущее состояние дисплея в виде файла, который может
+    быть использован для различных целей, включая демонстрацию ошибок программного
+    обеспечения, сохранение важной информации или обмен изображениями через интернет.
+    Скриншоты обычно сохраняются в форматах изображений, таких как PNG, JPEG или BMP.
+    Для создания скриншота используются встроенные средства операционной системы,
+    специализированное программное обеспечение или горячие клавиши на клавиатуре.
+    Полученные скриншоты могут быть редактированы с помощью графических редакторов
+    для выделения важных элементов или добавления комментариев перед тем, как их использовать'
+  - 'Триггер по письму. describe: Ждет появления определенного сообщения в электронной
+    почте..Блок ожидает появление определенного письма в электронной почте.Требуется
+    указать:Данные почтового аккаунта, который будет прочитан;Адрес сервера;Время
+    ожидания.Дополнительно нажатием на “+” можно добавлять следующие параметры:Отправителя;Получателя;Тему
+    сообщения;Тело сообщения;Подстроку в теме или теле сообщения;Наличие вложения;Отметить
+    сообщение прочитанным;Отметить сообщение флагом.Некоторые почтовые сервисы не
+    поддерживают работу всех фильтров..автоматическое событие или условие, которое
+    активируется при получении нового письма на электронную почту. Этот триггер может
+    быть настроен для различных действий, например, отправки уведомлений, переноса
+    письма в определённую папку или запуска скрипта. Он работает на основе заданных
+    критериев, таких как отправитель, тема письма или ключевые слова в содержимом.
+    Триггер может быть реализован в почтовых клиентах или с помощью серверных автоматизаций,
+    например, через API почтовых сервисов. Основной целью является автоматизация обработки
+    входящих сообщений без необходимости вручную отслеживать каждое письмо'
+  - 'Остаток от деления. describe: Блок возвращает остаток от деления двух чисел..Математическая
+    операция , которая получает остаток от деления двух чисел
+
+    В python это операция %.
+
+    Например
+
+    Найти остаток от деления 15 на 3. Ответ 0
+
+    Найти остаток от деления 15 на 10. Ответ 5'
+- source_sentence: с помощью bash скрипта узнать все рабочие процессы. В цикле начать
+    их обходить. Если процесс начинается на цифру, то остановить его. В файле delete_processes.txt
+    дописать имя закрытого процесса
+  sentences:
+  - 'Переключиться на процесс. describe: Блок позволяет подключиться к запущенному
+    процессу «1С», для дальнейшего взаимодействия с программой..Если толстый клиент
+    1с открыт, но был свернут, этот блок может вернуть в фокус 1с предприятие. '
+  - 'Дописать в файл. describe: Дописывает текст в конец указанного текстового или
+    json-файла..Блок дописывает текст в конец указанного текстового или json-файла..В
+    конец текстового файла с расширением txt или json дописать текст
+
+    Примеры
+
+    Добавить в текстовый файл
+
+    Дописать текст в файл'
+  - 'Прочитать из Word. describe: Считывает содержимое указанного документа Word.
+    Возвращает считанные данные в виде строки..Блок считывает содержимое указанного
+    файла Word, Поддерживаемый формат файла - docx. Возвращает строку, в строке содержатся
+    данные форматирования..ворд это текстовый документ, с возможностью форматирования
+    текста. Этот текст можно прочитать в переменную и потом обрабатывать текст. Укажите
+    путь к word файлу и файл будет прочитан
+
+    Примеры
+
+    Прочитать ворд
+
+    Получить текст из word файла'
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+---
+
+# SentenceTransformer based on intfloat/multilingual-e5-large-instruct
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-large-instruct](https://huggingface.co/intfloat/multilingual-e5-large-instruct). It maps sentences & paragraphs to a 1024-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:** [intfloat/multilingual-e5-large-instruct](https://huggingface.co/intfloat/multilingual-e5-large-instruct) <!-- at revision 84344a23ee1820ac951bc365f1e91d094a911763 -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 1024 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': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
+  (1): Pooling({'word_embedding_dimension': 1024, '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})
+  (2): Normalize()
+)
+```
+
+## 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("belyakoff/puzzle-search-model")
+# Run inference
+sentences = [
+    'с помощью bash скрипта узнать все рабочие процессы. В цикле начать их обходить. Если процесс начинается на цифру, то остановить его. В файле delete_processes.txt дописать имя закрытого процесса',
+    'Дописать в файл. describe: Дописывает текст в конец указанного текстового или json-файла..Блок дописывает текст в конец указанного текстового или json-файла..В конец текстового файла с расширением txt или json дописать текст\nПримеры\nДобавить в текстовый файл\nДописать текст в файл',
+    'Переключиться на процесс. describe: Блок позволяет подключиться к запущенному процессу «1С», для дальнейшего взаимодействия с программой..Если толстый клиент 1с открыт, но был свернут, этот блок может вернуть в фокус 1с предприятие. ',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 1024]
+
+# 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: 1,413 training samples
+* Columns: <code>anchor</code> and <code>positive</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | anchor                                                                              | positive                                                                             |
+  |:--------|:------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
+  | type    | string                                                                              | string                                                                               |
+  | details | <ul><li>min: 15 tokens</li><li>mean: 82.45 tokens</li><li>max: 326 tokens</li></ul> | <ul><li>min: 42 tokens</li><li>mean: 216.75 tokens</li><li>max: 512 tokens</li></ul> |
+* Samples:
+  | anchor                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   |
+  |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>1. Авторизация в 1С-веб<br>2. Переключиться на страницу Файлы. Перейти в раздел документации.<br>3. Скачивание файла, сохранение на диск с проверкой SSL-сертификата, если это предусмотрено параметром `ssl_verify`.<br>4. Применение алгоритма сжатия к PDF-файлу, с конвертацией в оттенки серого и сохранением текстового слоя.<br>5. Сохранения сжатого файла в заданную директорию по пути `directory_path`.<br>6. уведомление об успешном скачивании, сжатии PDF-файла и сохранении с указанием размеров файлов до и после операции сжатия.</code> | <code>Добавить фильтр 1С-веб. describe: Позволяет выбрать один или несколько вариантов для открытия страницы/переключения на страницу..Блок “Добавить фильтр 1С-веб” позволяет выбрать один или несколько вариантов для открытия страницы/переключения на страницу:Ссылка на страницу;Название страницы равно;Название страницы содержит;Название страницы не содержит.В разъем следует поместить текстовый блок с искомым названием/ссылкой..Открыть документ, справочник, отчет или любую другую форму в 1с предприятии в браузере. Нужно указать или навигационную ссылку или название формы<br></code> |
+  | <code>1. открыть 1с<br>2. авторизоваться в 1с<br>3. открыть пункт меню Инструкции 2025 с помощью блока поиска. В поле имя указать «содержит» «Инструкции + currentYear()»<br>4. Нажать кнопку открыть и скачать последний файл<br>5. Открыть файл<br>6. Перевернуть страницу, если ориентация не равна 0 градусов<br>7. если файл был изменен, сохранить его в 1с как новую версию.</code>                                                                                                                                                                      | <code>Добавить фильтр 1С-веб. describe: Позволяет выбрать один или несколько вариантов для открытия страницы/переключения на страницу..Блок “Добавить фильтр 1С-веб” позволяет выбрать один или несколько вариантов для открытия страницы/переключения на страницу:Ссылка на страницу;Название страницы равно;Название страницы содержит;Название страницы не содержит.В разъем следует поместить текстовый блок с искомым названием/ссылкой..Открыть документ, справочник, отчет или любую другую форму в 1с предприятии в браузере. Нужно указать или навигационную ссылку или название формы<br></code> |
+  | <code>1. открыть 1с. Авторизоваться<br>2. открыть раздел «Пользователи» установив фильтр по равенству страница = Пользователи<br>3. открыть список пользователей отдела Консолидированной отчетности<br>4. выгрузить справочник в виде таблицы — колонки: имя пользователя, СНИЛС<br>5. преобразовать снилс из строки в число, и получить сумму цифр<br>6. запустить процесс airflow, который будет раз в час искать в базе данных postgres, в таблице Emploers, все записи, с фильтром снилс, взятый из п5. Если записей не будет , вызвать исключение</code>  | <code>Добавить фильтр 1С-веб. describe: Позволяет выбрать один или несколько вариантов для открытия страницы/переключения на страницу..Блок “Добавить фильтр 1С-веб” позволяет выбрать один или несколько вариантов для открытия страницы/переключения на страницу:Ссылка на страницу;Название страницы равно;Название страницы содержит;Название страницы не содержит.В разъем следует поместить текстовый блок с искомым названием/ссылкой..Открыть документ, справочник, отчет или любую другую форму в 1с предприятии в браузере. Нужно указать или навигационную ссылку или название формы<br></code> |
+* Loss: [<code>GISTEmbedLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#gistembedloss) with these parameters:
+  ```json
+  {'guide': SentenceTransformer(
+    (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
+    (1): Pooling({'word_embedding_dimension': 1024, '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})
+    (2): Normalize()
+  ), 'temperature': 0.03}
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `per_device_train_batch_size`: 4
+- `learning_rate`: 1e-05
+- `num_train_epochs`: 50
+- `dataloader_drop_last`: True
+- `batch_sampler`: no_duplicates
+
+#### 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`: 4
+- `per_device_eval_batch_size`: 8
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 1
+- `eval_accumulation_steps`: None
+- `torch_empty_cache_steps`: None
+- `learning_rate`: 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`: 50
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.0
+- `warmup_steps`: 0
+- `log_level`: passive
+- `log_level_replica`: warning
+- `log_on_each_node`: True
+- `logging_nan_inf_filter`: True
+- `save_safetensors`: True
+- `save_on_each_node`: False
+- `save_only_model`: False
+- `restore_callback_states_from_checkpoint`: False
+- `no_cuda`: False
+- `use_cpu`: False
+- `use_mps_device`: False
+- `seed`: 42
+- `data_seed`: None
+- `jit_mode_eval`: False
+- `use_ipex`: False
+- `bf16`: False
+- `fp16`: False
+- `fp16_opt_level`: O1
+- `half_precision_backend`: auto
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: None
+- `local_rank`: 0
+- `ddp_backend`: None
+- `tpu_num_cores`: None
+- `tpu_metrics_debug`: False
+- `debug`: []
+- `dataloader_drop_last`: True
+- `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}
+- `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
+- `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
+- `use_liger_kernel`: False
+- `eval_use_gather_object`: False
+- `average_tokens_across_devices`: False
+- `prompts`: None
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Framework Versions
+- Python: 3.10.16
+- Sentence Transformers: 4.0.1
+- Transformers: 4.49.0
+- PyTorch: 2.6.0+cu124
+- Accelerate: 1.4.0
+- Datasets: 3.3.2
+- 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",
+}
+```
+
+#### GISTEmbedLoss
+```bibtex
+@misc{solatorio2024gistembed,
+    title={GISTEmbed: Guided In-sample Selection of Training Negatives for Text Embedding Fine-tuning},
+    author={Aivin V. Solatorio},
+    year={2024},
+    eprint={2402.16829},
+    archivePrefix={arXiv},
+    primaryClass={cs.LG}
+}
+```
+
+<!--
+## 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 +1,27 @@
+{
+  "architectures": [
+    "XLMRobertaModel"
+  ],
+  "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": 1024,
+  "initializer_range": 0.02,
+  "intermediate_size": 4096,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "xlm-roberta",
+  "num_attention_heads": 16,
+  "num_hidden_layers": 24,
+  "output_past": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.51.3",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "4.1.0",
+    "transformers": "4.51.3",
+    "pytorch": "2.7.0+cpu"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5af0730d3f6e7fdb42364f72ba055a87ee2533d63b9ec57ca86c3e40e52bc9fe
+size 2239607176

modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.models.Normalize"
+  }
+]

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": 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 sha256:883b037111086fd4dfebbbc9b7cee11e1517b5e0c0514879478661440f137085
+size 17082987

tokenizer_config.json

@@ -0,0 +1,63 @@
+{
+  "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
+    }
+  },
+  "additional_special_tokens": [],
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "max_length": 512,
+  "model_max_length": 512,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "stride": 0,
+  "tokenizer_class": "XLMRobertaTokenizerFast",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}