Hugging Face's logo

Abdelkareem
/
Abjd

Sentence Similarity
sentence-transformers
Safetensors
qwen3
feature-extraction
Generated from Trainer
dataset_size:166507
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Model card Files
xet
Community
Abdelkareem commited on
Commit
97d128b
·
verified ·
1 Parent(s): 6b630f5

Add new SentenceTransformer model

Browse files
Files changed (15) hide show
  1. .gitattributes +1 -0
  2. 1_Pooling/config.json +10 -0
  3. README.md +535 -0
  4. added_tokens.json +28 -0
  5. chat_template.jinja +85 -0
  6. config.json +30 -0
  7. config_sentence_transformers.json +14 -0
  8. merges.txt +0 -0
  9. model.safetensors +3 -0
  10. modules.json +20 -0
  11. sentence_bert_config.json +4 -0
  12. special_tokens_map.json +31 -0
  13. tokenizer.json +3 -0
  14. tokenizer_config.json +246 -0
  15. vocab.json +0 -0
.gitattributes CHANGED
@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
 
 
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
36
+ tokenizer.json filter=lfs diff=lfs merge=lfs -text
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 1024,
3
+ "pooling_mode_cls_token": false,
4
+ "pooling_mode_mean_tokens": false,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": true,
9
+ "include_prompt": true
10
+ }
README.md ADDED
@@ -0,0 +1,535 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ tags:
3
+ - sentence-transformers
4
+ - sentence-similarity
5
+ - feature-extraction
6
+ - generated_from_trainer
7
+ - dataset_size:166507
8
+ - loss:MultipleNegativesRankingLoss
9
+ base_model: tomaarsen/Qwen3-Embedding-0.6B-18-layers
10
+ widget:
11
+ - source_sentence: التطبيق الثاني، النادر، هو عندما يتم التشكيك في تأكيد عام أو عالمي
12
+ للغاية، ونحن قادرون على اختباره من خلال فحص حالة واحدة.
13
+ sentences:
14
+ - هناك على الأقل تطبيقان يمكن استخدامهما.
15
+ - كلية الثالوث تأسست كمركز للتعلم البروتستانتي.
16
+ - التطبيق الثاني ليس نادرًا على الإطلاق ويتم استخدامه عادة.
17
+ - source_sentence: كيف أن ضوء نجم يسافر عبر الكون؟
18
+ sentences:
19
+ - هل يمكنك سحب حسابك المصرفي باستخدام بطاقة الخصم الخاصة بك في الصراف الآلي؟
20
+ - ما هي أفضل الأماكن للزيارة في كانغانغاد، كيرالا؟
21
+ - كيف يسافر الضوء عبر الفضاء؟
22
+ - source_sentence: أنا فخور بهم تقريباً
23
+ sentences:
24
+ - أنا فخور بهم تقريباً
25
+ - أنا أكرههم
26
+ - لقد استخدم هذا المكان لتخزين الأسلحة الكيميائية
27
+ - source_sentence: هل (كريستوفر لانجان) أذكى شخص في العالم؟
28
+ sentences:
29
+ - هل هناك أي موقع مثل Quora؟
30
+ - هل (كريس لانجان) أذكى رجل على وجه الأرض؟
31
+ - أنثى قوقازية تجمع بعض الأمثلة من الصخور
32
+ - source_sentence: إذا كنت تساوم على سجادة في البازار الكبير سوف تحصل على خلال اثنين
33
+ أو ثلاثة أكواب من كاي قبل أن يتم الاتفاق على سعر.
34
+ sentences:
35
+ - لا يمكنك المساومة على سجادة في البازار الكبير
36
+ - '|. على الصعيد الوطني ، يبلغ متوسط ​​أجر علماء الفيزياء 6970 دولارًا في الشهر
37
+ (40.23 دولارًا للساعة). يكسب نصف الفيزيائيين ما بين 5430 دولارًا و 8690 دولارًا
38
+ شهريًا (31.35 دولارًا و 50.14 دولارًا في الساعة). يمكن لمعظم الفيزيائيين توقع
39
+ فوائد مثل الإجازة مدفوعة الأجر والإجازة المرضية والتأمين الصحي وخطة التقاعد. في
40
+ مينيسوتا ، متوسط ​​أجر الفيزيائيين هو 36.88 دولارًا للساعة ، أو 6391 دولارًا شهريًا
41
+ لعامل بدوام كامل. يكسب نصف الفيزيائيين ما بين 31.78 دولارًا و 49.10 دولارًا في
42
+ الساعة ، أو ما بين 5507 دولارًا و 8509 دولارات شهريًا.'
43
+ - قبل الموافقة على السعر سوف تتناولين كوبين أو ثلاثة من الخمر
44
+ pipeline_tag: sentence-similarity
45
+ library_name: sentence-transformers
46
+ metrics:
47
+ - cosine_accuracy
48
+ model-index:
49
+ - name: SentenceTransformer based on tomaarsen/Qwen3-Embedding-0.6B-18-layers
50
+ results:
51
+ - task:
52
+ type: triplet
53
+ name: Triplet
54
+ dataset:
55
+ name: all nli dev
56
+ type: all-nli-dev
57
+ metrics:
58
+ - type: cosine_accuracy
59
+ value: 0.9200000166893005
60
+ name: Cosine Accuracy
61
+ - task:
62
+ type: triplet
63
+ name: Triplet
64
+ dataset:
65
+ name: 1million qwen 18
66
+ type: 1million-qwen-18
67
+ metrics:
68
+ - type: cosine_accuracy
69
+ value: 0.9178467392921448
70
+ name: Cosine Accuracy
71
+ ---
72
+
73
+ # SentenceTransformer based on tomaarsen/Qwen3-Embedding-0.6B-18-layers
74
+
75
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [tomaarsen/Qwen3-Embedding-0.6B-18-layers](https://huggingface.co/tomaarsen/Qwen3-Embedding-0.6B-18-layers). 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.
76
+
77
+ ## Model Details
78
+
79
+ ### Model Description
80
+ - **Model Type:** Sentence Transformer
81
+ - **Base model:** [tomaarsen/Qwen3-Embedding-0.6B-18-layers](https://huggingface.co/tomaarsen/Qwen3-Embedding-0.6B-18-layers) <!-- at revision 0bf483f51888212cc2906e88687552bc9b169a9e -->
82
+ - **Maximum Sequence Length:** 512 tokens
83
+ - **Output Dimensionality:** 1024 dimensions
84
+ - **Similarity Function:** Cosine Similarity
85
+ <!-- - **Training Dataset:** Unknown -->
86
+ <!-- - **Language:** Unknown -->
87
+ <!-- - **License:** Unknown -->
88
+
89
+ ### Model Sources
90
+
91
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
92
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
93
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
94
+
95
+ ### Full Model Architecture
96
+
97
+ ```
98
+ SentenceTransformer(
99
+ (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: Qwen3Model
100
+ (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': True, 'include_prompt': True})
101
+ (2): Normalize()
102
+ )
103
+ ```
104
+
105
+ ## Usage
106
+
107
+ ### Direct Usage (Sentence Transformers)
108
+
109
+ First install the Sentence Transformers library:
110
+
111
+ ```bash
112
+ pip install -U sentence-transformers
113
+ ```
114
+
115
+ Then you can load this model and run inference.
116
+ ```python
117
+ from sentence_transformers import SentenceTransformer
118
+
119
+ # Download from the 🤗 Hub
120
+ model = SentenceTransformer("Abdelkareem/ara-qwen3-18")
121
+ # Run inference
122
+ sentences = [
123
+ 'إذا كنت تساوم على سجادة في البازار الكبير سوف تحصل على خلال اثنين أو ثلاثة أكواب من كاي قبل أن يتم الاتفاق على سعر.',
124
+ 'قبل الموافقة على السعر سوف تتناولين كوبين أو ثلاثة من الخمر',
125
+ 'لا يمكنك المساومة على سجادة في البازار الكبير',
126
+ ]
127
+ embeddings = model.encode(sentences)
128
+ print(embeddings.shape)
129
+ # [3, 1024]
130
+
131
+ # Get the similarity scores for the embeddings
132
+ similarities = model.similarity(embeddings, embeddings)
133
+ print(similarities.shape)
134
+ # [3, 3]
135
+ ```
136
+
137
+ <!--
138
+ ### Direct Usage (Transformers)
139
+
140
+ <details><summary>Click to see the direct usage in Transformers</summary>
141
+
142
+ </details>
143
+ -->
144
+
145
+ <!--
146
+ ### Downstream Usage (Sentence Transformers)
147
+
148
+ You can finetune this model on your own dataset.
149
+
150
+ <details><summary>Click to expand</summary>
151
+
152
+ </details>
153
+ -->
154
+
155
+ <!--
156
+ ### Out-of-Scope Use
157
+
158
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
159
+ -->
160
+
161
+ ## Evaluation
162
+
163
+ ### Metrics
164
+
165
+ #### Triplet
166
+
167
+ * Datasets: `all-nli-dev` and `1million-qwen-18`
168
+ * Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
169
+
170
+ | Metric | all-nli-dev | 1million-qwen-18 |
171
+ |:--------------------|:------------|:-----------------|
172
+ | **cosine_accuracy** | **0.92** | **0.9178** |
173
+
174
+ <!--
175
+ ## Bias, Risks and Limitations
176
+
177
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
178
+ -->
179
+
180
+ <!--
181
+ ### Recommendations
182
+
183
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
184
+ -->
185
+
186
+ ## Training Details
187
+
188
+ ### Training Dataset
189
+
190
+ #### Unnamed Dataset
191
+
192
+ * Size: 166,507 training samples
193
+ * Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
194
+ * Approximate statistics based on the first 1000 samples:
195
+ | | anchor | positive | negative |
196
+ |:--------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
197
+ | type | string | string | string |
198
+ | details | <ul><li>min: 4 tokens</li><li>mean: 24.05 tokens</li><li>max: 113 tokens</li></ul> | <ul><li>min: 4 tokens</li><li>mean: 52.3 tokens</li><li>max: 310 tokens</li></ul> | <ul><li>min: 5 tokens</li><li>mean: 49.75 tokens</li><li>max: 441 tokens</li></ul> |
199
+ * Samples:
200
+ | anchor | positive | negative |
201
+ |:------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------|
202
+ | <code>الناس يقاتلون</code> | <code>رجلين يضربان بعضهما في الوجه في مباراة ملاكمة</code> | <code>رجلين يمشون على السقالة</code> |
203
+ | <code>ما هو الحد الذي يصف المسافة من مركز الدائرة إلى أي نقطة على الدائرة؟</code> | <code>مثال على مركز الدائرة. 1 المسافة الثابتة من مركز الدائرة إلى أي نقطة على الدائرة تسمى نصف قطر الدائرة. 2 قطر الدائرة هو قطعة مستقيمة تربط نقطتين على دائرة ويمر بمركز الدائرة.</code> | <code>قطر الدائرة هو المسافة من نقطة على الدائرة إلى نقطة راديان بعيدة ، وهو أقصى مسافة من نقطة على دائرة إلى أخرى.</code> |
204
+ | <code>تم تحويل مخزن الحبوب في القرن الثالث عشر ، بجانب طاحونة دقيق أقدم ، إلى متحف رائع لرؤوس الأبراج المنحوتة المعروضة على أعمدة أعيد بناؤها.</code> | <code>يمكن للزوار أن يروا العواصم المنحوتة في الدير في المتحف الذي كان يوما مخزن الحبوب.</code> | <code>مخزن الحبوب من القرن الثالث عشر تم التخلي عنه ولم يعد أحد يستخدمه لأي شيء</code> |
205
+ * Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
206
+ ```json
207
+ {
208
+ "scale": 20.0,
209
+ "similarity_fct": "cos_sim"
210
+ }
211
+ ```
212
+
213
+ ### Evaluation Dataset
214
+
215
+ #### Unnamed Dataset
216
+
217
+ * Size: 9,250 evaluation samples
218
+ * Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
219
+ * Approximate statistics based on the first 1000 samples:
220
+ | | anchor | positive | negative |
221
+ |:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
222
+ | type | string | string | string |
223
+ | details | <ul><li>min: 4 tokens</li><li>mean: 23.95 tokens</li><li>max: 113 tokens</li></ul> | <ul><li>min: 4 tokens</li><li>mean: 50.21 tokens</li><li>max: 321 tokens</li></ul> | <ul><li>min: 5 tokens</li><li>mean: 47.97 tokens</li><li>max: 353 tokens</li></ul> |
224
+ * Samples:
225
+ | anchor | positive | negative |
226
+ |:----------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
227
+ | <code>في تعريف السكان المعرضين للخطر</code> | <code>في الطبيعة المحددة للسكان المعرضين للخطر ، يشير المصطلح إلى عملية أو سلسلة من الأحداث التي يمكن التنبؤ بها والتي تضع المجموعة المعلنة في مسار بعض الضرر المستقبلي. نظرًا لأن المصطلح قد تم استبعاده من السياق ، فليس لدينا أي طريقة للتعامل مع تفاصيل عملية أو حدث المخاطرة. المجموعات السكانية الخاصة) ، والتي لها عوامل فردية أو مركبة تجعلها عرضة لنتائج سيئة. من الواضح أن العوامل تختلف باختلاف فئة الخطر.</code> | <code>تعتمد الممارسة الإحصائية الناجحة على تعريف المشكلة المركّز. في أخذ العينات ، يتضمن ذلك تحديد المجتمع الذي يتم أخذ العينة منه. يمكن تعريف المجتمع على أنه يشمل جميع الأشخاص أو العناصر التي لها الصفة المميزة التي يرغب المرء في فهمها.</code> |
228
+ | <code>ومع ذلك، فإن العديد من الأنشطة باللغة العبرية فقط.</code> | <code>الكثير من الأنشطة متاحة فقط باللغة العبرية.</code> | <code>كل شيء كان باللغة الإنجليزية</code> |
229
+ | <code>هل جاذبية المشتري أقوى من الأرض</code> | <code>نتيجة لذلك ، تبلغ جاذبية سطح المشتري (التي تُعرَّف على أنها قوة الجاذبية عند قمم السحابة) 24.79 م / ث ، أو 2.528 جم. الجاذبية على زحل: مثل كوكب المشتري ، زحل هو عملاق غازي ضخم أكبر بكثير وأكثر كتلة من الأرض ، ولكنه أقل كثافة بكثير. باختصار ، متوسط ​​نصف قطرها هو 58232 ± 6 كم (9.13 من الأرض) ، وكتلتها 5.6846 × 1026 كجم (95.15 مرة من الكتلة) ، وبكثافة 0.687 جم / سم 3.</code> | <code>على الأرض: تسارع الجاذبية. . . . . . . . . . . . 9.807 م / ث 2 تسارع مقارنة بكوكب الزهرة. . 111٪ تسارع مقارنة بالمريخ. . . 263.5٪ كتلة الرجل الذي يزن 100 رطل على وجه الأرض. . . . . 45.359 كجم وزن الرجل الذي يزن 100 رطل على كوكب الزهرة. . 110.7 رطل وزن الرجل الذي يزن 100 رطل على المريخ. . . 263.5 رطل على الزهرة: تسارع الجاذبية. . . . . . . . . . 8.858 م / ث 2 تسارع مقارنة بالأرض. . 90.3٪ تسارع مقارنة بـ ...</code> |
230
+ * Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
231
+ ```json
232
+ {
233
+ "scale": 20.0,
234
+ "similarity_fct": "cos_sim"
235
+ }
236
+ ```
237
+
238
+ ### Training Hyperparameters
239
+ #### Non-Default Hyperparameters
240
+
241
+ - `eval_strategy`: steps
242
+ - `learning_rate`: 2e-05
243
+ - `num_train_epochs`: 1
244
+ - `warmup_ratio`: 0.1
245
+ - `fp16`: True
246
+ - `batch_sampler`: no_duplicates
247
+
248
+ #### All Hyperparameters
249
+ <details><summary>Click to expand</summary>
250
+
251
+ - `overwrite_output_dir`: False
252
+ - `do_predict`: False
253
+ - `eval_strategy`: steps
254
+ - `prediction_loss_only`: True
255
+ - `per_device_train_batch_size`: 8
256
+ - `per_device_eval_batch_size`: 8
257
+ - `per_gpu_train_batch_size`: None
258
+ - `per_gpu_eval_batch_size`: None
259
+ - `gradient_accumulation_steps`: 1
260
+ - `eval_accumulation_steps`: None
261
+ - `torch_empty_cache_steps`: None
262
+ - `learning_rate`: 2e-05
263
+ - `weight_decay`: 0.0
264
+ - `adam_beta1`: 0.9
265
+ - `adam_beta2`: 0.999
266
+ - `adam_epsilon`: 1e-08
267
+ - `max_grad_norm`: 1.0
268
+ - `num_train_epochs`: 1
269
+ - `max_steps`: -1
270
+ - `lr_scheduler_type`: linear
271
+ - `lr_scheduler_kwargs`: {}
272
+ - `warmup_ratio`: 0.1
273
+ - `warmup_steps`: 0
274
+ - `log_level`: passive
275
+ - `log_level_replica`: warning
276
+ - `log_on_each_node`: True
277
+ - `logging_nan_inf_filter`: True
278
+ - `save_safetensors`: True
279
+ - `save_on_each_node`: False
280
+ - `save_only_model`: False
281
+ - `restore_callback_states_from_checkpoint`: False
282
+ - `no_cuda`: False
283
+ - `use_cpu`: False
284
+ - `use_mps_device`: False
285
+ - `seed`: 42
286
+ - `data_seed`: None
287
+ - `jit_mode_eval`: False
288
+ - `use_ipex`: False
289
+ - `bf16`: False
290
+ - `fp16`: True
291
+ - `fp16_opt_level`: O1
292
+ - `half_precision_backend`: auto
293
+ - `bf16_full_eval`: False
294
+ - `fp16_full_eval`: False
295
+ - `tf32`: None
296
+ - `local_rank`: 0
297
+ - `ddp_backend`: None
298
+ - `tpu_num_cores`: None
299
+ - `tpu_metrics_debug`: False
300
+ - `debug`: []
301
+ - `dataloader_drop_last`: False
302
+ - `dataloader_num_workers`: 0
303
+ - `dataloader_prefetch_factor`: None
304
+ - `past_index`: -1
305
+ - `disable_tqdm`: False
306
+ - `remove_unused_columns`: True
307
+ - `label_names`: None
308
+ - `load_best_model_at_end`: False
309
+ - `ignore_data_skip`: False
310
+ - `fsdp`: []
311
+ - `fsdp_min_num_params`: 0
312
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
313
+ - `fsdp_transformer_layer_cls_to_wrap`: None
314
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
315
+ - `deepspeed`: None
316
+ - `label_smoothing_factor`: 0.0
317
+ - `optim`: adamw_torch
318
+ - `optim_args`: None
319
+ - `adafactor`: False
320
+ - `group_by_length`: False
321
+ - `length_column_name`: length
322
+ - `ddp_find_unused_parameters`: None
323
+ - `ddp_bucket_cap_mb`: None
324
+ - `ddp_broadcast_buffers`: False
325
+ - `dataloader_pin_memory`: True
326
+ - `dataloader_persistent_workers`: False
327
+ - `skip_memory_metrics`: True
328
+ - `use_legacy_prediction_loop`: False
329
+ - `push_to_hub`: False
330
+ - `resume_from_checkpoint`: None
331
+ - `hub_model_id`: None
332
+ - `hub_strategy`: every_save
333
+ - `hub_private_repo`: None
334
+ - `hub_always_push`: False
335
+ - `gradient_checkpointing`: False
336
+ - `gradient_checkpointing_kwargs`: None
337
+ - `include_inputs_for_metrics`: False
338
+ - `include_for_metrics`: []
339
+ - `eval_do_concat_batches`: True
340
+ - `fp16_backend`: auto
341
+ - `push_to_hub_model_id`: None
342
+ - `push_to_hub_organization`: None
343
+ - `mp_parameters`:
344
+ - `auto_find_batch_size`: False
345
+ - `full_determinism`: False
346
+ - `torchdynamo`: None
347
+ - `ray_scope`: last
348
+ - `ddp_timeout`: 1800
349
+ - `torch_compile`: False
350
+ - `torch_compile_backend`: None
351
+ - `torch_compile_mode`: None
352
+ - `include_tokens_per_second`: False
353
+ - `include_num_input_tokens_seen`: False
354
+ - `neftune_noise_alpha`: None
355
+ - `optim_target_modules`: None
356
+ - `batch_eval_metrics`: False
357
+ - `eval_on_start`: False
358
+ - `use_liger_kernel`: False
359
+ - `eval_use_gather_object`: False
360
+ - `average_tokens_across_devices`: False
361
+ - `prompts`: None
362
+ - `batch_sampler`: no_duplicates
363
+ - `multi_dataset_batch_sampler`: proportional
364
+
365
+ </details>
366
+
367
+ ### Training Logs
368
+ <details><summary>Click to expand</summary>
369
+
370
+ | Epoch | Step | Training Loss | Validation Loss | all-nli-dev_cosine_accuracy | 1million-qwen-18_cosine_accuracy |
371
+ |:------:|:-----:|:-------------:|:---------------:|:---------------------------:|:--------------------------------:|
372
+ | -1 | -1 | - | - | 0.8039 | - |
373
+ | 0.0096 | 100 | 0.7579 | - | - | - |
374
+ | 0.0192 | 200 | 0.6067 | - | - | - |
375
+ | 0.0288 | 300 | 0.5796 | - | - | - |
376
+ | 0.0384 | 400 | 0.53 | - | - | - |
377
+ | 0.0480 | 500 | 0.5191 | - | - | - |
378
+ | 0.0577 | 600 | 0.5275 | - | - | - |
379
+ | 0.0673 | 700 | 0.5512 | - | - | - |
380
+ | 0.0769 | 800 | 0.5102 | - | - | - |
381
+ | 0.0865 | 900 | 0.5531 | - | - | - |
382
+ | 0.0961 | 1000 | 0.5475 | - | - | - |
383
+ | 0.1057 | 1100 | 0.5257 | - | - | - |
384
+ | 0.1153 | 1200 | 0.5233 | - | - | - |
385
+ | 0.1249 | 1300 | 0.5011 | - | - | - |
386
+ | 0.1345 | 1400 | 0.5626 | - | - | - |
387
+ | 0.1441 | 1500 | 0.527 | - | - | - |
388
+ | 0.1537 | 1600 | 0.4856 | - | - | - |
389
+ | 0.1634 | 1700 | 0.5102 | - | - | - |
390
+ | 0.1730 | 1800 | 0.4915 | - | - | - |
391
+ | 0.1826 | 1900 | 0.4725 | - | - | - |
392
+ | 0.1922 | 2000 | 0.4936 | - | - | - |
393
+ | 0.2018 | 2100 | 0.4771 | - | - | - |
394
+ | 0.2114 | 2200 | 0.5027 | - | - | - |
395
+ | 0.2210 | 2300 | 0.4802 | - | - | - |
396
+ | 0.2306 | 2400 | 0.5123 | - | - | - |
397
+ | 0.2402 | 2500 | 0.4633 | - | - | - |
398
+ | 0.2498 | 2600 | 0.4413 | - | - | - |
399
+ | 0.2594 | 2700 | 0.4486 | - | - | - |
400
+ | 0.2690 | 2800 | 0.4743 | - | - | - |
401
+ | 0.2787 | 2900 | 0.4082 | - | - | - |
402
+ | 0.2883 | 3000 | 0.4879 | - | - | - |
403
+ | 0.2979 | 3100 | 0.4499 | - | - | - |
404
+ | 0.3075 | 3200 | 0.4273 | - | - | - |
405
+ | 0.3171 | 3300 | 0.4311 | - | - | - |
406
+ | 0.3267 | 3400 | 0.431 | - | - | - |
407
+ | 0.3363 | 3500 | 0.4339 | - | - | - |
408
+ | 0.3459 | 3600 | 0.4189 | - | - | - |
409
+ | 0.3555 | 3700 | 0.433 | - | - | - |
410
+ | 0.3651 | 3800 | 0.434 | - | - | - |
411
+ | 0.3747 | 3900 | 0.4416 | - | - | - |
412
+ | 0.3844 | 4000 | 0.4024 | - | - | - |
413
+ | 0.3940 | 4100 | 0.4052 | - | - | - |
414
+ | 0.4036 | 4200 | 0.4153 | - | - | - |
415
+ | 0.4132 | 4300 | 0.4024 | - | - | - |
416
+ | 0.4228 | 4400 | 0.4244 | - | - | - |
417
+ | 0.4324 | 4500 | 0.4543 | - | - | - |
418
+ | 0.4420 | 4600 | 0.4018 | - | - | - |
419
+ | 0.4516 | 4700 | 0.3622 | - | - | - |
420
+ | 0.4612 | 4800 | 0.3914 | - | - | - |
421
+ | 0.4708 | 4900 | 0.3855 | - | - | - |
422
+ | 0.4804 | 5000 | 0.3716 | - | - | - |
423
+ | 0.4901 | 5100 | 0.3798 | - | - | - |
424
+ | 0.4997 | 5200 | 0.3822 | - | - | - |
425
+ | 0.5093 | 5300 | 0.3467 | - | - | - |
426
+ | 0.5189 | 5400 | 0.3647 | - | - | - |
427
+ | 0.5285 | 5500 | 0.3563 | - | - | - |
428
+ | 0.5381 | 5600 | 0.3583 | - | - | - |
429
+ | 0.5477 | 5700 | 0.3159 | - | - | - |
430
+ | 0.5573 | 5800 | 0.3817 | - | - | - |
431
+ | 0.5669 | 5900 | 0.3892 | - | - | - |
432
+ | 0.5765 | 6000 | 0.351 | - | - | - |
433
+ | 0.5861 | 6100 | 0.3505 | - | - | - |
434
+ | 0.5958 | 6200 | 0.3735 | - | - | - |
435
+ | 0.6054 | 6300 | 0.3479 | - | - | - |
436
+ | 0.6150 | 6400 | 0.3608 | - | - | - |
437
+ | 0.6246 | 6500 | 0.3634 | - | - | - |
438
+ | 0.6342 | 6600 | 0.3787 | - | - | - |
439
+ | 0.6438 | 6700 | 0.3263 | - | - | - |
440
+ | 0.6534 | 6800 | 0.3181 | - | - | - |
441
+ | 0.6630 | 6900 | 0.3163 | - | - | - |
442
+ | 0.6726 | 7000 | 0.3141 | - | - | - |
443
+ | 0.6822 | 7100 | 0.3369 | - | - | - |
444
+ | 0.6918 | 7200 | 0.3503 | - | - | - |
445
+ | 0.7015 | 7300 | 0.3438 | - | - | - |
446
+ | 0.7111 | 7400 | 0.3219 | - | - | - |
447
+ | 0.7207 | 7500 | 0.3324 | - | - | - |
448
+ | 0.7303 | 7600 | 0.3313 | - | - | - |
449
+ | 0.7399 | 7700 | 0.3364 | - | - | - |
450
+ | 0.7495 | 7800 | 0.3103 | - | - | - |
451
+ | 0.7591 | 7900 | 0.278 | - | - | - |
452
+ | 0.7687 | 8000 | 0.2997 | - | - | - |
453
+ | 0.7783 | 8100 | 0.3233 | - | - | - |
454
+ | 0.7879 | 8200 | 0.3364 | - | - | - |
455
+ | 0.7975 | 8300 | 0.3326 | - | - | - |
456
+ | 0.8071 | 8400 | 0.3192 | - | - | - |
457
+ | 0.8168 | 8500 | 0.3483 | - | - | - |
458
+ | 0.8264 | 8600 | 0.2998 | - | - | - |
459
+ | 0.8360 | 8700 | 0.3139 | - | - | - |
460
+ | 0.8456 | 8800 | 0.2926 | - | - | - |
461
+ | 0.8552 | 8900 | 0.3425 | - | - | - |
462
+ | 0.8648 | 9000 | 0.2992 | - | - | - |
463
+ | 0.8744 | 9100 | 0.3056 | - | - | - |
464
+ | 0.8840 | 9200 | 0.3004 | - | - | - |
465
+ | 0.8936 | 9300 | 0.3005 | - | - | - |
466
+ | 0.9032 | 9400 | 0.3352 | - | - | - |
467
+ | 0.9128 | 9500 | 0.2853 | - | - | - |
468
+ | 0.9225 | 9600 | 0.3024 | - | - | - |
469
+ | 0.9321 | 9700 | 0.3329 | - | - | - |
470
+ | 0.9417 | 9800 | 0.2883 | - | - | - |
471
+ | 0.9513 | 9900 | 0.2739 | - | - | - |
472
+ | 0.9609 | 10000 | 0.3024 | 0.2919 | 0.9200 | - |
473
+ | 0.9705 | 10100 | 0.3177 | - | - | - |
474
+ | 0.9801 | 10200 | 0.3232 | - | - | - |
475
+ | 0.9897 | 10300 | 0.2829 | - | - | - |
476
+ | 0.9993 | 10400 | 0.3013 | - | - | - |
477
+ | -1 | -1 | - | - | - | 0.9178 |
478
+
479
+ </details>
480
+
481
+ ### Framework Versions
482
+ - Python: 3.12.11
483
+ - Sentence Transformers: 4.0.2
484
+ - Transformers: 4.52.4
485
+ - PyTorch: 2.7.1+cu126
486
+ - Accelerate: 1.7.0
487
+ - Datasets: 3.6.0
488
+ - Tokenizers: 0.21.1
489
+
490
+ ## Citation
491
+
492
+ ### BibTeX
493
+
494
+ #### Sentence Transformers
495
+ ```bibtex
496
+ @inproceedings{reimers-2019-sentence-bert,
497
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
498
+ author = "Reimers, Nils and Gurevych, Iryna",
499
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
500
+ month = "11",
501
+ year = "2019",
502
+ publisher = "Association for Computational Linguistics",
503
+ url = "https://arxiv.org/abs/1908.10084",
504
+ }
505
+ ```
506
+
507
+ #### MultipleNegativesRankingLoss
508
+ ```bibtex
509
+ @misc{henderson2017efficient,
510
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
511
+ 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},
512
+ year={2017},
513
+ eprint={1705.00652},
514
+ archivePrefix={arXiv},
515
+ primaryClass={cs.CL}
516
+ }
517
+ ```
518
+
519
+ <!--
520
+ ## Glossary
521
+
522
+ *Clearly define terms in order to be accessible across audiences.*
523
+ -->
524
+
525
+ <!--
526
+ ## Model Card Authors
527
+
528
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
529
+ -->
530
+
531
+ <!--
532
+ ## Model Card Contact
533
+
534
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
535
+ -->
added_tokens.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "</think>": 151668,
3
+ "</tool_call>": 151658,
4
+ "</tool_response>": 151666,
5
+ "<think>": 151667,
6
+ "<tool_call>": 151657,
7
+ "<tool_response>": 151665,
8
+ "<|box_end|>": 151649,
9
+ "<|box_start|>": 151648,
10
+ "<|endoftext|>": 151643,
11
+ "<|file_sep|>": 151664,
12
+ "<|fim_middle|>": 151660,
13
+ "<|fim_pad|>": 151662,
14
+ "<|fim_prefix|>": 151659,
15
+ "<|fim_suffix|>": 151661,
16
+ "<|im_end|>": 151645,
17
+ "<|im_start|>": 151644,
18
+ "<|image_pad|>": 151655,
19
+ "<|object_ref_end|>": 151647,
20
+ "<|object_ref_start|>": 151646,
21
+ "<|quad_end|>": 151651,
22
+ "<|quad_start|>": 151650,
23
+ "<|repo_name|>": 151663,
24
+ "<|video_pad|>": 151656,
25
+ "<|vision_end|>": 151653,
26
+ "<|vision_pad|>": 151654,
27
+ "<|vision_start|>": 151652
28
+ }
chat_template.jinja ADDED
@@ -0,0 +1,85 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {%- if tools %}
2
+ {{- '<|im_start|>system\n' }}
3
+ {%- if messages[0].role == 'system' %}
4
+ {{- messages[0].content + '\n\n' }}
5
+ {%- endif %}
6
+ {{- "# Tools\n\nYou may call one or more functions to assist with the user query.\n\nYou are provided with function signatures within <tools></tools> XML tags:\n<tools>" }}
7
+ {%- for tool in tools %}
8
+ {{- "\n" }}
9
+ {{- tool | tojson }}
10
+ {%- endfor %}
11
+ {{- "\n</tools>\n\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\n<tool_call>\n{\"name\": <function-name>, \"arguments\": <args-json-object>}\n</tool_call><|im_end|>\n" }}
12
+ {%- else %}
13
+ {%- if messages[0].role == 'system' %}
14
+ {{- '<|im_start|>system\n' + messages[0].content + '<|im_end|>\n' }}
15
+ {%- endif %}
16
+ {%- endif %}
17
+ {%- set ns = namespace(multi_step_tool=true, last_query_index=messages|length - 1) %}
18
+ {%- for message in messages[::-1] %}
19
+ {%- set index = (messages|length - 1) - loop.index0 %}
20
+ {%- if ns.multi_step_tool and message.role == "user" and not(message.content.startswith('<tool_response>') and message.content.endswith('</tool_response>')) %}
21
+ {%- set ns.multi_step_tool = false %}
22
+ {%- set ns.last_query_index = index %}
23
+ {%- endif %}
24
+ {%- endfor %}
25
+ {%- for message in messages %}
26
+ {%- if (message.role == "user") or (message.role == "system" and not loop.first) %}
27
+ {{- '<|im_start|>' + message.role + '\n' + message.content + '<|im_end|>' + '\n' }}
28
+ {%- elif message.role == "assistant" %}
29
+ {%- set content = message.content %}
30
+ {%- set reasoning_content = '' %}
31
+ {%- if message.reasoning_content is defined and message.reasoning_content is not none %}
32
+ {%- set reasoning_content = message.reasoning_content %}
33
+ {%- else %}
34
+ {%- if '</think>' in message.content %}
35
+ {%- set content = message.content.split('</think>')[-1].lstrip('\n') %}
36
+ {%- set reasoning_content = message.content.split('</think>')[0].rstrip('\n').split('<think>')[-1].lstrip('\n') %}
37
+ {%- endif %}
38
+ {%- endif %}
39
+ {%- if loop.index0 > ns.last_query_index %}
40
+ {%- if loop.last or (not loop.last and reasoning_content) %}
41
+ {{- '<|im_start|>' + message.role + '\n<think>\n' + reasoning_content.strip('\n') + '\n</think>\n\n' + content.lstrip('\n') }}
42
+ {%- else %}
43
+ {{- '<|im_start|>' + message.role + '\n' + content }}
44
+ {%- endif %}
45
+ {%- else %}
46
+ {{- '<|im_start|>' + message.role + '\n' + content }}
47
+ {%- endif %}
48
+ {%- if message.tool_calls %}
49
+ {%- for tool_call in message.tool_calls %}
50
+ {%- if (loop.first and content) or (not loop.first) %}
51
+ {{- '\n' }}
52
+ {%- endif %}
53
+ {%- if tool_call.function %}
54
+ {%- set tool_call = tool_call.function %}
55
+ {%- endif %}
56
+ {{- '<tool_call>\n{"name": "' }}
57
+ {{- tool_call.name }}
58
+ {{- '", "arguments": ' }}
59
+ {%- if tool_call.arguments is string %}
60
+ {{- tool_call.arguments }}
61
+ {%- else %}
62
+ {{- tool_call.arguments | tojson }}
63
+ {%- endif %}
64
+ {{- '}\n</tool_call>' }}
65
+ {%- endfor %}
66
+ {%- endif %}
67
+ {{- '<|im_end|>\n' }}
68
+ {%- elif message.role == "tool" %}
69
+ {%- if loop.first or (messages[loop.index0 - 1].role != "tool") %}
70
+ {{- '<|im_start|>user' }}
71
+ {%- endif %}
72
+ {{- '\n<tool_response>\n' }}
73
+ {{- message.content }}
74
+ {{- '\n</tool_response>' }}
75
+ {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %}
76
+ {{- '<|im_end|>\n' }}
77
+ {%- endif %}
78
+ {%- endif %}
79
+ {%- endfor %}
80
+ {%- if add_generation_prompt %}
81
+ {{- '<|im_start|>assistant\n' }}
82
+ {%- if enable_thinking is defined and enable_thinking is false %}
83
+ {{- '<think>\n\n</think>\n\n' }}
84
+ {%- endif %}
85
+ {%- endif %}
config.json ADDED
@@ -0,0 +1,30 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "Qwen3Model"
4
+ ],
5
+ "attention_bias": false,
6
+ "attention_dropout": 0.0,
7
+ "bos_token_id": 151643,
8
+ "eos_token_id": 151643,
9
+ "head_dim": 128,
10
+ "hidden_act": "silu",
11
+ "hidden_size": 1024,
12
+ "initializer_range": 0.02,
13
+ "intermediate_size": 3072,
14
+ "max_position_embeddings": 32768,
15
+ "max_window_layers": 28,
16
+ "model_type": "qwen3",
17
+ "num_attention_heads": 16,
18
+ "num_hidden_layers": 18,
19
+ "num_key_value_heads": 8,
20
+ "rms_norm_eps": 1e-06,
21
+ "rope_scaling": null,
22
+ "rope_theta": 1000000,
23
+ "sliding_window": null,
24
+ "tie_word_embeddings": true,
25
+ "torch_dtype": "float32",
26
+ "transformers_version": "4.52.4",
27
+ "use_cache": true,
28
+ "use_sliding_window": false,
29
+ "vocab_size": 151669
30
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "prompts": {
3
+ "query": "Instruct: Given a web search query, retrieve relevant passages that answer the query\nQuery:",
4
+ "document": ""
5
+ },
6
+ "default_prompt_name": null,
7
+ "similarity_fn_name": "cosine",
8
+ "model_type": "SentenceTransformer",
9
+ "__version__": {
10
+ "sentence_transformers": "4.0.2",
11
+ "transformers": "4.52.4",
12
+ "pytorch": "2.7.1+cu126"
13
+ }
14
+ }
merges.txt ADDED
The diff for this file is too large to render. See raw diff
 
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:c86d725ae3e8abe58ba6c8e21e98becff9f5a4f73c6f8b55619cdf9b7681f354
3
+ size 1753889768
modules.json ADDED
@@ -0,0 +1,20 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
+ {
15
+ "idx": 2,
16
+ "name": "2",
17
+ "path": "2_Normalize",
18
+ "type": "sentence_transformers.models.Normalize"
19
+ }
20
+ ]
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 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "additional_special_tokens": [
3
+ "<|im_start|>",
4
+ "<|im_end|>",
5
+ "<|object_ref_start|>",
6
+ "<|object_ref_end|>",
7
+ "<|box_start|>",
8
+ "<|box_end|>",
9
+ "<|quad_start|>",
10
+ "<|quad_end|>",
11
+ "<|vision_start|>",
12
+ "<|vision_end|>",
13
+ "<|vision_pad|>",
14
+ "<|image_pad|>",
15
+ "<|video_pad|>"
16
+ ],
17
+ "eos_token": {
18
+ "content": "<|im_end|>",
19
+ "lstrip": false,
20
+ "normalized": false,
21
+ "rstrip": false,
22
+ "single_word": false
23
+ },
24
+ "pad_token": {
25
+ "content": "<|endoftext|>",
26
+ "lstrip": false,
27
+ "normalized": false,
28
+ "rstrip": false,
29
+ "single_word": false
30
+ }
31
+ }
tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7a5b90ffcbd8fe896c9ee9fe56c5dd84116f876ad5cdbe0d1424fbe150f41ca6
3
+ size 11423970
tokenizer_config.json ADDED
@@ -0,0 +1,246 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": false,
3
+ "add_prefix_space": false,
4
+ "added_tokens_decoder": {
5
+ "151643": {
6
+ "content": "<|endoftext|>",
7
+ "lstrip": false,
8
+ "normalized": false,
9
+ "rstrip": false,
10
+ "single_word": false,
11
+ "special": true
12
+ },
13
+ "151644": {
14
+ "content": "<|im_start|>",
15
+ "lstrip": false,
16
+ "normalized": false,
17
+ "rstrip": false,
18
+ "single_word": false,
19
+ "special": true
20
+ },
21
+ "151645": {
22
+ "content": "<|im_end|>",
23
+ "lstrip": false,
24
+ "normalized": false,
25
+ "rstrip": false,
26
+ "single_word": false,
27
+ "special": true
28
+ },
29
+ "151646": {
30
+ "content": "<|object_ref_start|>",
31
+ "lstrip": false,
32
+ "normalized": false,
33
+ "rstrip": false,
34
+ "single_word": false,
35
+ "special": true
36
+ },
37
+ "151647": {
38
+ "content": "<|object_ref_end|>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false,
43
+ "special": true
44
+ },
45
+ "151648": {
46
+ "content": "<|box_start|>",
47
+ "lstrip": false,
48
+ "normalized": false,
49
+ "rstrip": false,
50
+ "single_word": false,
51
+ "special": true
52
+ },
53
+ "151649": {
54
+ "content": "<|box_end|>",
55
+ "lstrip": false,
56
+ "normalized": false,
57
+ "rstrip": false,
58
+ "single_word": false,
59
+ "special": true
60
+ },
61
+ "151650": {
62
+ "content": "<|quad_start|>",
63
+ "lstrip": false,
64
+ "normalized": false,
65
+ "rstrip": false,
66
+ "single_word": false,
67
+ "special": true
68
+ },
69
+ "151651": {
70
+ "content": "<|quad_end|>",
71
+ "lstrip": false,
72
+ "normalized": false,
73
+ "rstrip": false,
74
+ "single_word": false,
75
+ "special": true
76
+ },
77
+ "151652": {
78
+ "content": "<|vision_start|>",
79
+ "lstrip": false,
80
+ "normalized": false,
81
+ "rstrip": false,
82
+ "single_word": false,
83
+ "special": true
84
+ },
85
+ "151653": {
86
+ "content": "<|vision_end|>",
87
+ "lstrip": false,
88
+ "normalized": false,
89
+ "rstrip": false,
90
+ "single_word": false,
91
+ "special": true
92
+ },
93
+ "151654": {
94
+ "content": "<|vision_pad|>",
95
+ "lstrip": false,
96
+ "normalized": false,
97
+ "rstrip": false,
98
+ "single_word": false,
99
+ "special": true
100
+ },
101
+ "151655": {
102
+ "content": "<|image_pad|>",
103
+ "lstrip": false,
104
+ "normalized": false,
105
+ "rstrip": false,
106
+ "single_word": false,
107
+ "special": true
108
+ },
109
+ "151656": {
110
+ "content": "<|video_pad|>",
111
+ "lstrip": false,
112
+ "normalized": false,
113
+ "rstrip": false,
114
+ "single_word": false,
115
+ "special": true
116
+ },
117
+ "151657": {
118
+ "content": "<tool_call>",
119
+ "lstrip": false,
120
+ "normalized": false,
121
+ "rstrip": false,
122
+ "single_word": false,
123
+ "special": false
124
+ },
125
+ "151658": {
126
+ "content": "</tool_call>",
127
+ "lstrip": false,
128
+ "normalized": false,
129
+ "rstrip": false,
130
+ "single_word": false,
131
+ "special": false
132
+ },
133
+ "151659": {
134
+ "content": "<|fim_prefix|>",
135
+ "lstrip": false,
136
+ "normalized": false,
137
+ "rstrip": false,
138
+ "single_word": false,
139
+ "special": false
140
+ },
141
+ "151660": {
142
+ "content": "<|fim_middle|>",
143
+ "lstrip": false,
144
+ "normalized": false,
145
+ "rstrip": false,
146
+ "single_word": false,
147
+ "special": false
148
+ },
149
+ "151661": {
150
+ "content": "<|fim_suffix|>",
151
+ "lstrip": false,
152
+ "normalized": false,
153
+ "rstrip": false,
154
+ "single_word": false,
155
+ "special": false
156
+ },
157
+ "151662": {
158
+ "content": "<|fim_pad|>",
159
+ "lstrip": false,
160
+ "normalized": false,
161
+ "rstrip": false,
162
+ "single_word": false,
163
+ "special": false
164
+ },
165
+ "151663": {
166
+ "content": "<|repo_name|>",
167
+ "lstrip": false,
168
+ "normalized": false,
169
+ "rstrip": false,
170
+ "single_word": false,
171
+ "special": false
172
+ },
173
+ "151664": {
174
+ "content": "<|file_sep|>",
175
+ "lstrip": false,
176
+ "normalized": false,
177
+ "rstrip": false,
178
+ "single_word": false,
179
+ "special": false
180
+ },
181
+ "151665": {
182
+ "content": "<tool_response>",
183
+ "lstrip": false,
184
+ "normalized": false,
185
+ "rstrip": false,
186
+ "single_word": false,
187
+ "special": false
188
+ },
189
+ "151666": {
190
+ "content": "</tool_response>",
191
+ "lstrip": false,
192
+ "normalized": false,
193
+ "rstrip": false,
194
+ "single_word": false,
195
+ "special": false
196
+ },
197
+ "151667": {
198
+ "content": "<think>",
199
+ "lstrip": false,
200
+ "normalized": false,
201
+ "rstrip": false,
202
+ "single_word": false,
203
+ "special": false
204
+ },
205
+ "151668": {
206
+ "content": "</think>",
207
+ "lstrip": false,
208
+ "normalized": false,
209
+ "rstrip": false,
210
+ "single_word": false,
211
+ "special": false
212
+ }
213
+ },
214
+ "additional_special_tokens": [
215
+ "<|im_start|>",
216
+ "<|im_end|>",
217
+ "<|object_ref_start|>",
218
+ "<|object_ref_end|>",
219
+ "<|box_start|>",
220
+ "<|box_end|>",
221
+ "<|quad_start|>",
222
+ "<|quad_end|>",
223
+ "<|vision_start|>",
224
+ "<|vision_end|>",
225
+ "<|vision_pad|>",
226
+ "<|image_pad|>",
227
+ "<|video_pad|>"
228
+ ],
229
+ "bos_token": null,
230
+ "clean_up_tokenization_spaces": false,
231
+ "eos_token": "<|im_end|>",
232
+ "errors": "replace",
233
+ "extra_special_tokens": {},
234
+ "max_length": 512,
235
+ "model_max_length": 512,
236
+ "pad_to_multiple_of": null,
237
+ "pad_token": "<|endoftext|>",
238
+ "pad_token_type_id": 0,
239
+ "padding_side": "left",
240
+ "split_special_tokens": false,
241
+ "stride": 0,
242
+ "tokenizer_class": "Qwen2Tokenizer",
243
+ "truncation_side": "right",
244
+ "truncation_strategy": "longest_first",
245
+ "unk_token": null
246
+ }
vocab.json ADDED
The diff for this file is too large to render. See raw diff