Upload model checkpoint

.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 +1,496 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:1541
+- loss:MultipleNegativesRankingLoss
+base_model: intfloat/multilingual-e5-large
+widget:
+- source_sentence: 'query: Какие бумаги требуются для прикрепления опекуна к подопечному?'
+  sentences:
+  - q2p
+  - "passage: С каким вопросом обратился банкрот?\n\n11. Получение  кредита/ кредитной\
+    \ карты, погашение задолженности по кредиту\n\n1. Банк не осуществляет:\n- кредитование\
+    \ Клиентов-банкротов; \n- выпуск, досрочный перевыпуск и выдачу личных дебетовых/кредитных\
+    \ карт Клиентам-банкротам, в т.ч. дебетовых карт с овердрафтом и дополнительных\
+    \ дебетовых и кредитных карт к счету Клиента-банкрота.  \n\nКлиент -банкрот (в\
+    \ любой стадии) может погасить задолженность по своему кредиту только при наличии\
+    \ РАЗРЕШЕНИЯ ФУ на проведение данной операции с указанием номера кредитного договора\
+    \ и суммы гашения. Операция проводится в стандартном режиме.\n\n\nБезналичное\
+    \ гашение кредита банкротом при наличии РАЗРЕШЕНИЯ ФУ:\nВходит в АС ФС в подсистему\
+    \ «Переводы физических лиц» → \nвыбирает «Операции без идентификации» → \nоперация\
+    \ «1. Оформление переводов физических лиц» → \n«1. Переводы по системе Сбербанка»\
+    \ → \n«Переводы со счета для зачисления на счет» → \nуказывает № счета клиента-банкрота,\
+    \ с которого будет перевод, → \nвыбирает «Перевод целевых кредитов, полученных\
+    \ в Сбербанке России, а также собственных средств по назначению кредита» → \n\
+    выбирает Перевод с целью погашения кредита → \nуказывает Сумму → \nвводит реквизиты\
+    \ ОСБ/ВСП* → \nвводит ФИО получателя (клиента-банкрота) и № ссудного счета/№ счета\
+    \ кредитной карты → \nв реквизитах отправителя указывает данные ДУЛ Финансового\
+    \ управляющего и Информацию о кредитных обязательствах: Оплата задолженности по\
+    \ кредитному договору №____ от __.__.20__ г./ кредитной карте № _________; дело\
+    \ о банкротстве №_________, клиент: Иванов Иван Иванович."
+  - "passage: Сотрудник проверяет у клиента наличие оригинала сберкнижки или иного\
+    \ документа (копия книжки/дубликат книжки/договор вклада/квитанция ф. 31/банковский\
+    \ ордер или банковская справка, выписка/вкладчик получал компенсацию ранее по\
+    \ данному вкладу) (далее - Сберкнижка). \n\n\nКлиент обратился по вопросам, касающимся\
+    \ выплаты компенсации по вкладам:\n - Несогласие с суммой выплаты\n - Отказ в\
+    \ выплате\n - Порядок выплаты\n- Компенсации по вкладам иностранных государств.\n\
+    \n\nк тематике «Компенсация по вкладам до 20.06.1991 года» не относятся вопросы,\
+    \ касающиеся:\n- выплаты наследства по вкладам или банковским картам ,\n- получения\
+    \ справок/выписок по вкладам ,\n- розыска все вкладов\n- приема заявления на смену\
+    \ персональных данных , \n- выплаты страхового возмещения вкладчикам разорившихся\
+    \ банков  \n\nСотрудник осуществляет консультацию клиента, при необходимость регистрирует\
+    \  обращение в  А�� CRM \"Розничный\" к тематике «Компенсация по вкладам до 20.06.1991\
+    \ года»"
+- source_sentence: 'query: Какую информацию необходимо указать в обращении при информировании
+    ПЦП Центр комплаенс Московского Банка?'
+  sentences:
+  - 'passage: Возможные ошибки:
+
+
+    Связь не создана
+
+
+    Техническая ошибка. Повторите операцию позже.'
+  - q2p
+  - 'passage: Выберите вопрос:
+
+
+    После завершения обслуживания и ухода клиента возникли подозрения, что операция
+    или выпуск/перевыпуск карт(ы) проводились с целью легализации преступных доходов?
+
+
+    Для информирования ПЦП Центр комплаенс/комплаенс Московского Банка незамедлительно
+    направьте сведения о выявленном факте через ДРУГ (см. картинку)
+
+
+    При заполнении обращения подробно опишите возникшие подозрения для сокращения
+    времени принятия решения в отношении клиента и инструментов удаленного доступа
+    к счету.
+
+
+    ВАЖНО!!!
+
+    Если Вы информируете ПЦП Центр комплаенс/комплаенс Московского Банка о свершившимся
+    факте массового открытия клиенту банковских карт, в т.ч. в составе организованной
+    группы, то дополнительно ознакомьтесь с признаками согласования выпуска/перевыпуска
+    карт(ы) при приеме от клиента заявления. Чтобы в следующий раз согласовать либо
+    отказать клиенту в выпуске/перевыпуске карт(ы) на этапе приема заявления, а не
+    после окончания обслуживания.'
+- source_sentence: 'query: Какие типы счетов может открывать финансовый управляющий
+    на имя банкрота?'
+  sentences:
+  - "passage: Данный вопрос может поступить как от законного представителя, так и\
+    \ от ребёнка\n\nЕсли обратился ребёнок:\n\nЗайти в CRM в профиль клиента-ребенка\
+    \ и проверить наличие установленных индивидуальных лимитов/ограничений по его\
+    \ картам:\n - Расходный лимит на месяц;\n - Расходный лимит на день;\n - Ограничение\
+    \ на снятие наличных в банкомате;\n - Ограничение на покупки в интернете.\n\
+    \ \nЕсли лимиты/ограничения установлены, то необходимо запросить у клиента-ребенка\
+    \ согласие на отключение индивидуальных лимитов/ограничений. Если ребёнок подтверждает\
+    \ отключение, то данные лимиты/ограничения необходимо отключить."
+  - q2p
+  - "passage: С каким вопросом обратился ФУ?\n\n04. Открытие счета на имя банкрота\
+    \  \n\nНа имя банкрота финансовый управляющий может открыть Специальный банковский\
+    \ счет,  любой другой счет, в том числе ГЖС, эскроу\nКакой счет желает открыть\
+    \ ФУ"
+- source_sentence: 'query: Как ребенок может изменить установленный законным представителем
+    лимит расходных операций по карте?'
+  sentences:
+  - "passage: Уведомите Клиента о необходимости пополнения расчетного счета для списания\
+    \ комиссий.\nПередайте клиентские экземпляры Клиенту.  \n\nЗаключение поступит\
+    \ Вам на электронную почту.\n     При получении положительного заключения дополнительные\
+    \ действия не требуются.\n     При получении отрицательного заключения устраните\
+    \ замечани��, указанные в нем. Как загрузить документы в ББМО, смотри вложение.\n\
+    \n\nПередайте оригиналы подписанных документов СМО для отправки в Оперативный\
+    \ архив."
+  - q2p
+  - 'passage: Существуют следующие ограничения:
+
+
+    01. Расходный лимит на месяц:
+
+
+    Устанавливается лимит на все расходные операции по карте на месяц. Сумму лимита
+    можно изменить в любой момент. Уведомление об установлении лимита ребенку приходить
+    не будет. Ребенок в своем МП СБОЛ также может скорректировать сумму этого лимита
+    или полностью убрать установленный законным представителем лимит (если ребенку
+    доступно данное действие). В этом случае уведомление законному представителю также
+    не придет.'
+- source_sentence: 'query: Какие шаги нужно предпринять после отрицательного решения
+    по запросу на открытие счета?'
+  sentences:
+  - q2p
+  - "passage: Выбрать возраст ребенка\n\nребенку от 14 до 18 лет\n\nЕсли представитель\
+    \ ребенку от 14 до 18 лет является приемным родителем\n\nЗапросите следующие документы\
+    \ удостоверяющую личность или нотариально заверенную копию и один из документов,\
+    \ подтверждающие полномочия:\n\nДоговор о приемной семье\n\nДокумент органов опеки\
+    \ и попечительства \n\nПроставить галочку \"Документы предъявлены\" и нажать кнопку\
+    \ \"Продолжить\""
+  - 'passage: Выберите интересующий вопрос
+
+
+    Может ли Законный представитель запретить возможность оплаты Детской СберКартой
+    в интернете ?
+
+
+    Да. Для этого Законному представителю в МП СБОЛ необходимо выбрать Детскую СберКарту
+    в списке карт →  Лимиты → Другие ограничения → Покупки в Интернете → Отключить'
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+---
+
+# SentenceTransformer based on intfloat/multilingual-e5-large
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large). 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](https://huggingface.co/intfloat/multilingual-e5-large) <!-- at revision 0dc5580a448e4284468b8909bae50fa925907bc5 -->
+- **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("George2002/sledopyt_embedder")
+# Run inference
+sentences = [
+    'query: Какие шаги нужно предпринять после отрицательного решения по запросу на открытие счета?',
+    'passage: Выбрать возраст ребенка\n\nребенку от 14 до 18 лет\n\nЕсли представитель ребенку от 14 до 18 лет является приемным родителем\n\nЗапросите следующие документы удостоверяющую личность или нотариально заверенную копию и один из документов, подтверждающие полномочия:\n\nДоговор о приемной семье\n\nДокумент органов опеки и попечительства \n\nПроставить галочку "Документы предъявлены" и нажать кнопку "Продолжить"',
+    'q2p',
+]
+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: 1,541 training samples
+* Columns: <code>anchor</code>, <code>positive</code>, and <code>task_type</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | anchor                                                                             | positive                                                                             | task_type                                                                      |
+  |:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------|
+  | type    | string                                                                             | string                                                                               | string                                                                         |
+  | details | <ul><li>min: 11 tokens</li><li>mean: 21.95 tokens</li><li>max: 40 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 162.56 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 5 tokens</li><li>mean: 5.0 tokens</li><li>max: 5 tokens</li></ul> |
+* Samples:
+  | anchor                                                                                                                   | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          | task_type        |
+  |:-------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------|
+  | <code>query: Какие последствия, если родитель отключит показ карты ребенка в приложении?</code>                          | <code>passage: Существуют следующие возможности:<br><br>08. Разблокировать карту:<br><br>Если ребенок заблокировал карту с причиной «Ее захватил банкомат» или «Я так хочу», то законный представитель сможет ее самостоятельно разблокировать, если с причиной «Украли или потерялось», то законный представитель сможет ее самостоятельно разблокировать только в случае, если с картой ничего не было утеряно (в остальных случаях не сможет разблокировать). Ребенок при разблокировке не получит уведомлений об этом, но увидит в своем МП СБОЛ, что карта разблокирована. При этом, ребенку также будет доступна возможность снова заблокировать карту.</code>                                                                                                                                                                                                                                                              | <code>q2p</code> |
+  | <code>query: С какого момента ФУ начинают получать обслуживание в СБОЛ через ФП 'Представители и правопреемники'?</code> | <code>passage: Описание функционала во вложении ниже.<br><br>Типичные вопросы по отображению молодёжных карт в МП СБОЛ родителя и ответы на них:<br><br>01. Кто может получить доступ к картам ребенка 14-17 лет ?<br><br>Установившие в Банке связь со своим ребенком 14-17 лет законные представители: Родитель/Усыновитель, Приемный родитель, Опекун (связь отображается в СБОЛ.Про - ФП «Подопечные и представители», а также в системе SmartCare. В CRM связь законного представителя и ребенка 14-17 лет НЕ отображается), по которым выполняется одно из следующих условий: <br><br>- СберКарта ребенка 14-17 лет была открыта и активирована до 16.11.2022 включительно, и ребенку исполнилось 14 лет до 16.11.2022 включительно.<br><br>- Законный представитель до пилота видел детскую СберКарту своего ребенка 13 лет в своем МП СберБанк Онлайн, и этому ребенку исполнилось 14 лет  17.11.2022 или позднее.</code> | <code>q2p</code> |
+  | <code>query: Что отобразится в МП СБОЛ у ребенка после начала процесса закрытия карты?</code>                            | <code>passage: Заявление-анкета<br>Заявление-анкета</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        | <code>q2p</code> |
+* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
+  ```json
+  {
+      "scale": 20.0,
+      "similarity_fct": "cos_sim"
+  }
+  ```
+
+### Evaluation Dataset
+
+#### Unnamed Dataset
+
+* Size: 82 evaluation samples
+* Columns: <code>anchor</code>, <code>positive</code>, and <code>task_type</code>
+* Approximate statistics based on the first 82 samples:
+  |         | anchor                                                                             | positive                                                                             | task_type                                                                      |
+  |:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------|
+  | type    | string                                                                             | string                                                                               | string                                                                         |
+  | details | <ul><li>min: 16 tokens</li><li>mean: 21.44 tokens</li><li>max: 31 tokens</li></ul> | <ul><li>min: 15 tokens</li><li>mean: 144.37 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 5 tokens</li><li>mean: 5.0 tokens</li><li>max: 5 tokens</li></ul> |
+* Samples:
+  | anchor                                                                                                                    | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 | task_type        |
+  |:--------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------|
+  | <code>query: Какая информация нужна работнику ВСП о Детской СберКарте?</code>                                             | <code>passage: Возможные ошибки:<br><br>Связь не создана<br><br>Техническая ошибка. Повторите операцию позже.</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     | <code>q2p</code> |
+  | <code>query: Какое условие позволяет клиенту-банкрот распорядиться наследством в стадии "Рестр��ктуризация долгов"?</code> | <code>passage: В случае, если Клиент, обратившийся за получением наследства при идентификации обнаружен в Стоп-Листе банкротов: <br>- сообщить клиенту, что у Банка есть информация о его банкротстве и он может получить только Выплату на достойные похороны<br>- выплату наследства Банк осуществляет в зависимости от стадии банкротства:<br><br>!!! Получить наследство и распоряжаться  им самостоятельно клиент банкрот может только после завершения процедуры банкротства. <br><br>Наследством банкрота в стадии реализация имущества распоряжается утвержденный для проведения процедуры финансовый управляющий.<br> <br>В этом случае <br><br>Наследником в заявке на выплату через ОЦ заводим банкрота, выплата наследства перевеодится ему на счет. <br>После выплаты, ФУ уже в рамках своих полномочий сможет этими ДС распорядиться.<br>.<br><br>Стадия "Реструктуризация долгов"<br><br>В случае, если в отношении наследника умершего клиента - введена процедура "Реструктуризация долгов", клиент может распоряжаться наследством, только при предъявлении разрешения финан...</code> | <code>q2p</code> |
+  | <code>query: Какие бумаги нужны, когда опекун ребенка выступает в роли представителя?</code>                              | <code>passage: Право распоряжения средствами на счете согласно требованиям ГК РФ (п.2 ст. 26, п.1 ст.37)<br><br>суммы пенсии, пособий (за исключением пособий по безработице), алиментов, страховые, в том числе по потере кормильца, наследственные суммы и т.д., суммы, перечисленные третьими лицами, а также принятые наличными денежные средства от третьих лиц, в том числе от попечителя<br><br>Ограниченно дееспособный распоряжается только с:<br>письменного предварительного разрешения органа опеки и попечительства* и  письменного согласия попечителя.<br>(ниже по тексту во вложении Памятка по первичной проверке и передаче на хранение предварительного письменного разрешения органов опеки и попечительства сотрудником ВСП)<br><br>*Предварительное письменное разрешение органов опеки и попечительства на совершение операций по счетам ограниченно дееспособных может быть выдано через МФЦ в виде бумажного документа, заверенного печатью и подписью уполномоченного сотрудника МФЦ, и являющегося экземпляром электронного документа, подп...</code>                         | <code>q2p</code> |
+* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
+  ```json
+  {
+      "scale": 20.0,
+      "similarity_fct": "cos_sim"
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 64
+- `learning_rate`: 1e-05
+- `weight_decay`: 0.01
+- `num_train_epochs`: 5
+- `warmup_ratio`: 0.1
+- `load_best_model_at_end`: True
+- `push_to_hub`: True
+- `hub_model_id`: George2002/sledopyt_embedder
+- `hub_strategy`: end
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: steps
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 64
+- `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`: 0.01
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `max_grad_norm`: 1.0
+- `num_train_epochs`: 5
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `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`: 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`: 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}
+- `tp_size`: 0
+- `fsdp_transformer_layer_cls_to_wrap`: None
+- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
+- `deepspeed`: None
+- `label_smoothing_factor`: 0.0
+- `optim`: adamw_torch
+- `optim_args`: None
+- `adafactor`: False
+- `group_by_length`: False
+- `length_column_name`: length
+- `ddp_find_unused_parameters`: None
+- `ddp_bucket_cap_mb`: None
+- `ddp_broadcast_buffers`: False
+- `dataloader_pin_memory`: True
+- `dataloader_persistent_workers`: False
+- `skip_memory_metrics`: True
+- `use_legacy_prediction_loop`: False
+- `push_to_hub`: True
+- `resume_from_checkpoint`: None
+- `hub_model_id`: George2002/sledopyt_embedder
+- `hub_strategy`: end
+- `hub_private_repo`: None
+- `hub_always_push`: False
+- `gradient_checkpointing`: False
+- `gradient_checkpointing_kwargs`: None
+- `include_inputs_for_metrics`: False
+- `include_for_metrics`: []
+- `eval_do_concat_batches`: True
+- `fp16_backend`: auto
+- `push_to_hub_model_id`: None
+- `push_to_hub_organization`: None
+- `mp_parameters`: 
+- `auto_find_batch_size`: False
+- `full_determinism`: False
+- `torchdynamo`: None
+- `ray_scope`: last
+- `ddp_timeout`: 1800
+- `torch_compile`: False
+- `torch_compile_backend`: None
+- `torch_compile_mode`: None
+- `include_tokens_per_second`: False
+- `include_num_input_tokens_seen`: False
+- `neftune_noise_alpha`: None
+- `optim_target_modules`: None
+- `batch_eval_metrics`: False
+- `eval_on_start`: False
+- `use_liger_kernel`: False
+- `eval_use_gather_object`: False
+- `average_tokens_across_devices`: False
+- `prompts`: None
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss | Validation Loss |
+|:------:|:----:|:-------------:|:---------------:|
+| 0.8333 | 10   | 3.801         | -               |
+| 1.6667 | 20   | 3.4564        | -               |
+| 2.0833 | 25   | -             | 1.7632          |
+| 2.5    | 30   | 3.2725        | -               |
+| 3.3333 | 40   | 3.152         | -               |
+| 4.1667 | 50   | 3.0422        | 1.7122          |
+| 5.0    | 60   | 2.9745        | -               |
+
+
+### Framework Versions
+- Python: 3.10.12
+- Sentence Transformers: 4.1.0
+- Transformers: 4.51.3
+- PyTorch: 2.6.0+cu124
+- Accelerate: 1.6.0
+- Datasets: 3.5.0
+- Tokenizers: 0.21.1
+
+## 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",
+}
+```
+
+#### MultipleNegativesRankingLoss
+```bibtex
+@misc{henderson2017efficient,
+    title={Efficient Natural Language Response Suggestion for Smart Reply},
+    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
+    year={2017},
+    eprint={1705.00652},
+    archivePrefix={arXiv},
+    primaryClass={cs.CL}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,27 @@
+{
+  "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": "2.6.0+cu124"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f8279da1b3e48c632b5fd8ad1d0b3d54b96be28a88b64aeaca78dbd0073dece5
+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"
+  }
+]

optimizer.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:d113f5a220586072bedbaa78312d29252dc90facae414700e03a49dc868c1888
+size 4471055801

rng_state_0.pth

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:4a576a04eee486e9875581b070f3f5918994755cff7e2e67c3f78c7c35160564
+size 14512

rng_state_1.pth

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f487531fc5e6809b2165ca0265e31861596c7c636eb0ada1de6d3c9851d1cd55
+size 14512

scheduler.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:761876867248b8062e0ec4487c4af77a5b0b0cdcc6159656889f49800c1afb14
+size 1064

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 +1,55 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "250001": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "model_max_length": 512,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "unk_token": "<unk>"
+}

trainer_state.json

@@ -0,0 +1,92 @@
+{
+  "best_global_step": 50,
+  "best_metric": 1.7122082710266113,
+  "best_model_checkpoint": null,
+  "epoch": 5.0,
+  "eval_steps": 25,
+  "global_step": 60,
+  "is_hyper_param_search": false,
+  "is_local_process_zero": true,
+  "is_world_process_zero": true,
+  "log_history": [
+    {
+      "epoch": 0.8333333333333334,
+      "grad_norm": 5.170515537261963,
+      "learning_rate": 9.444444444444445e-06,
+      "loss": 3.801,
+      "step": 10
+    },
+    {
+      "epoch": 1.6666666666666665,
+      "grad_norm": 6.68876314163208,
+      "learning_rate": 7.592592592592594e-06,
+      "loss": 3.4564,
+      "step": 20
+    },
+    {
+      "epoch": 2.0833333333333335,
+      "eval_loss": 1.7632215023040771,
+      "eval_runtime": 0.9476,
+      "eval_samples_per_second": 86.536,
+      "eval_steps_per_second": 6.332,
+      "step": 25
+    },
+    {
+      "epoch": 2.5,
+      "grad_norm": 6.427336692810059,
+      "learning_rate": 5.740740740740741e-06,
+      "loss": 3.2725,
+      "step": 30
+    },
+    {
+      "epoch": 3.3333333333333335,
+      "grad_norm": 7.084609508514404,
+      "learning_rate": 3.88888888888889e-06,
+      "loss": 3.152,
+      "step": 40
+    },
+    {
+      "epoch": 4.166666666666667,
+      "grad_norm": 7.747525215148926,
+      "learning_rate": 2.037037037037037e-06,
+      "loss": 3.0422,
+      "step": 50
+    },
+    {
+      "epoch": 4.166666666666667,
+      "eval_loss": 1.7122082710266113,
+      "eval_runtime": 0.9379,
+      "eval_samples_per_second": 87.432,
+      "eval_steps_per_second": 6.397,
+      "step": 50
+    },
+    {
+      "epoch": 5.0,
+      "grad_norm": 7.486431121826172,
+      "learning_rate": 1.8518518518518518e-07,
+      "loss": 2.9745,
+      "step": 60
+    }
+  ],
+  "logging_steps": 10,
+  "max_steps": 60,
+  "num_input_tokens_seen": 0,
+  "num_train_epochs": 5,
+  "save_steps": 300,
+  "stateful_callbacks": {
+    "TrainerControl": {
+      "args": {
+        "should_epoch_stop": false,
+        "should_evaluate": false,
+        "should_log": false,
+        "should_save": true,
+        "should_training_stop": true
+      },
+      "attributes": {}
+    }
+  },
+  "total_flos": 0.0,
+  "train_batch_size": 64,
+  "trial_name": null,
+  "trial_params": null
+}

training_args.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:7387eeb4ee3ab9bb02f5b7897ef269bf566da82f41ea39a86fa143bb1c97d5ac
+size 5624