Add new SentenceTransformer model

.gitattributes

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

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+    "word_embedding_dimension": 768,
+    "pooling_mode_cls_token": false,
+    "pooling_mode_mean_tokens": true,
+    "pooling_mode_max_tokens": false,
+    "pooling_mode_mean_sqrt_len_tokens": false,
+    "pooling_mode_weightedmean_tokens": false,
+    "pooling_mode_lasttoken": false,
+    "include_prompt": true
+}

README.md

@@ -0,0 +1,350 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- dense
+- generated_from_trainer
+- dataset_size:31992
+- loss:MultipleNegativesRankingLoss
+base_model: intfloat/multilingual-e5-base
+widget:
+- source_sentence: 'query: 問題: サッカー、カクテル、ファイトの前に共通してつく、フランスのシャンパーニュ地方で作られる発泡酒のことを何というでしょう?
+    回答: しゃんぱん'
+  sentences:
+  - 'query: 問題: サッカー、カクテル、ファイトの前に共通してつく、フランスのシャンパーニュ地方で作られる発泡酒のことを何というでしょう? 回答: しゃんぱん'
+  - 'query: 問題: 左官屋が拾った財布を、落し主の大工に返しに行くが受け取らず、訴えを裁いた大岡越前守が一両を出してうまくおさめるという内容の、古典落語のタイトルは何でしょう?
+    回答: みかたいちりょうそん (らくご)'
+  - 'query: 問題: サッカー、カクテル、ファイトの前に共通してつく、フランスのシャンパーニュ地方で作られる発泡酒のことを何というでしょう? 回答: ぴの・ぐり'
+- source_sentence: 'query: 問題: タタール海峡の日本での呼び名にその名を残す、樺太が島であることを確認した江戸時代後期の探検家は誰でしょう?
+    回答: 間宮林蔵'
+  sentences:
+  - 'query: 問題: 茶道用語で、茶室ではなく、屋外でお茶を点てることを何というでしょう? 回答: のだて'
+  - 'query: 問題: タタール海峡の日本での呼び名にその名を残す、樺太が島であることを確認した江戸時代後期の探検家は誰でしょう? 回答: 間宮林蔵'
+  - 'query: 問題: タタール海峡の日本での呼び名にその名を残す、樺太が島であることを確認した江戸時代後期の探検家は誰でしょう? 回答: 堀利煕'
+- source_sentence: 'query: 問題: 一般に「ステーキ」と言った場合、どんな食材で作ったステーキのことを指すでしょう? 回答: 牛肉'
+  sentences:
+  - 'query: 問題: 一般に「ステーキ」と言った場合、どんな食材で作ったステーキのことを指すでしょう? 回答: 牛肉'
+  - 'query: 問題: 一般に「ステーキ」と言った場合、どんな食材で作ったステーキのことを指すでしょう? 回答: 豚肉'
+  - 'query: 問題: 第1章「皇位継承」から第5章「皇室会議」までの全37条で構成されている、皇室に関する規定を定めた法律は何でしょう? 回答: こうしつてんぱん'
+- source_sentence: 'query: 問題: 「フラッペ」と「カプチーノ」の合成語である、スターバックスで発売されている人気商品の名前は何でしょう?
+    回答: ふらぺちーの'
+  sentences:
+  - 'query: 問題: シングル『TAKE BACK』でデビューした、そのスタイルが「エロかっこいい」と評される歌手は誰でしょう? 回答: こうだくるみ'
+  - 'query: 問題: 「フラッペ」と「カプチーノ」の合成語である、スターバックスで発売されている人気商品の名前は何でしょう? 回答: ふらぺちーの'
+  - 'query: 問題: 「フラッペ」と「カプチーノ」の合成語である、スターバックスで発売されている人気商品の名前は何でしょう? 回答: みんとちょこれーと'
+- source_sentence: 'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: トゥーランドット'
+  sentences:
+  - 'query: 問題: 勝った翌日には専用のタイトル文字を使うほど、熱烈な阪神寄りの報道を続けている、神戸に本社を置くスポーツ新聞はどこでしょう? 回答:
+    でいりーすぽーつ'
+  - 'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: カルメン (オペラ)'
+  - 'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: トゥーランドット'
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+---
+
+# SentenceTransformer based on intfloat/multilingual-e5-base
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base). It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
+
+## Model Details
+
+### Model Description
+- **Model Type:** Sentence Transformer
+- **Base model:** [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base) <!-- at revision 835193815a3936a24a0ee7dc9e3d48c1fbb19c55 -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 768 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/huggingface/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, 'architecture': 'XLMRobertaModel'})
+  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
+  (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("Miya67/aiq-scoring-e5-base")
+# Run inference
+sentences = [
+    'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: トゥーランドット',
+    'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: トゥーランドット',
+    'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: カルメン (オペラ)',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 768]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities)
+# tensor([[1.0000, 1.0000, 0.2550],
+#         [1.0000, 1.0000, 0.2550],
+#         [0.2550, 0.2550, 1.0000]])
+```
+
+<!--
+### 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: 31,992 training samples
+* Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>sentence_2</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence_0                                                                         | sentence_1                                                                        | sentence_2                                                                         |
+  |:--------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
+  | type    | string                                                                             | string                                                                            | string                                                                             |
+  | details | <ul><li>min: 27 tokens</li><li>mean: 48.02 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 27 tokens</li><li>mean: 47.2 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 26 tokens</li><li>mean: 48.68 tokens</li><li>max: 80 tokens</li></ul> |
+* Samples:
+  | sentence_0                                                                                        | sentence_1                                                                                  | sentence_2                                                                                |
+  |:--------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------|
+  | <code>query: 問題: 『デザイナー』『砂の城』『有閑倶楽部』などの作品で知られる人気漫画家は誰でしょう? 回答: いちじょうゆかり</code>                    | <code>query: 問題: 『デザイナー』『砂の城』『有閑倶楽部』などの作品で知られる人気漫画家は誰でしょう? 回答: いちじょうゆかり</code>              | <code>query: 問題: 『デザイナー』『砂の城』『有閑倶楽部』などの作品で知られる人気漫画家は誰でしょう? 回答: あがつあきら</code>              |
+  | <code>query: 問題: イスラムのシンボルである緑一色という国旗を持つ、アフリカの国はどこでしょう? 回答: だいりびあ・あらぶしゃかいしゅぎじんみんじゃまーひりーやくに</code> | <code>query: 問題: イスラムのシンボルである緑一色という国旗を持つ、アフリカの国はどこでしょう? 回答: あらぶしゃかいしゅぎじんみんじゃまーひりーやくに</code> | <code>query: 問題: イスラムのシンボルである緑一色という国旗を持つ、アフリカの国はどこでしょう? 回答: いえめんじんみんみんしゅきょうわこく</code>     |
+  | <code>query: 問題: アメリカ独立宣言の起草に貢献したほか、「避雷針」を発明するなど科学者としても知られる人物は誰でしょう? 回答: ベンジャミン・フランクリン</code>     | <code>query: 問題: アメリカ独立宣言の起草に貢献したほか、「避雷針」を発明するなど科学者としても知られる人物は誰でしょう? 回答: フランクリン</code>      | <code>query: 問題: アメリカ独立宣言の起草に貢献したほか、「避雷針」を発明するなど科学者としても知られる人物は誰でしょう? 回答: ジェームズ・ポーク</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",
+      "gather_across_devices": false
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `per_device_train_batch_size`: 32
+- `num_train_epochs`: 2
+- `per_device_eval_batch_size`: 32
+- `multi_dataset_batch_sampler`: round_robin
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `per_device_train_batch_size`: 32
+- `num_train_epochs`: 2
+- `max_steps`: -1
+- `learning_rate`: 5e-05
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: None
+- `warmup_steps`: 0
+- `optim`: adamw_torch_fused
+- `optim_args`: None
+- `weight_decay`: 0.0
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `optim_target_modules`: None
+- `gradient_accumulation_steps`: 1
+- `average_tokens_across_devices`: True
+- `max_grad_norm`: 1
+- `label_smoothing_factor`: 0.0
+- `bf16`: False
+- `fp16`: False
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: None
+- `gradient_checkpointing`: False
+- `gradient_checkpointing_kwargs`: None
+- `torch_compile`: False
+- `torch_compile_backend`: None
+- `torch_compile_mode`: None
+- `use_liger_kernel`: False
+- `liger_kernel_config`: None
+- `use_cache`: False
+- `neftune_noise_alpha`: None
+- `torch_empty_cache_steps`: None
+- `auto_find_batch_size`: False
+- `log_on_each_node`: True
+- `logging_nan_inf_filter`: True
+- `include_num_input_tokens_seen`: no
+- `log_level`: passive
+- `log_level_replica`: warning
+- `disable_tqdm`: False
+- `project`: huggingface
+- `trackio_space_id`: trackio
+- `eval_strategy`: no
+- `per_device_eval_batch_size`: 32
+- `prediction_loss_only`: True
+- `eval_on_start`: False
+- `eval_do_concat_batches`: True
+- `eval_use_gather_object`: False
+- `eval_accumulation_steps`: None
+- `include_for_metrics`: []
+- `batch_eval_metrics`: False
+- `save_only_model`: False
+- `save_on_each_node`: False
+- `enable_jit_checkpoint`: False
+- `push_to_hub`: False
+- `hub_private_repo`: None
+- `hub_model_id`: None
+- `hub_strategy`: every_save
+- `hub_always_push`: False
+- `hub_revision`: None
+- `load_best_model_at_end`: False
+- `ignore_data_skip`: False
+- `restore_callback_states_from_checkpoint`: False
+- `full_determinism`: False
+- `seed`: 42
+- `data_seed`: None
+- `use_cpu`: False
+- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
+- `parallelism_config`: None
+- `dataloader_drop_last`: False
+- `dataloader_num_workers`: 0
+- `dataloader_pin_memory`: True
+- `dataloader_persistent_workers`: False
+- `dataloader_prefetch_factor`: None
+- `remove_unused_columns`: True
+- `label_names`: None
+- `train_sampling_strategy`: random
+- `length_column_name`: length
+- `ddp_find_unused_parameters`: None
+- `ddp_bucket_cap_mb`: None
+- `ddp_broadcast_buffers`: False
+- `ddp_backend`: None
+- `ddp_timeout`: 1800
+- `fsdp`: []
+- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
+- `deepspeed`: None
+- `debug`: []
+- `skip_memory_metrics`: True
+- `do_predict`: False
+- `resume_from_checkpoint`: None
+- `warmup_ratio`: None
+- `local_rank`: -1
+- `prompts`: None
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: round_robin
+- `router_mapping`: {}
+- `learning_rate_mapping`: {}
+
+</details>
+
+### Training Logs
+| Epoch | Step | Training Loss |
+|:-----:|:----:|:-------------:|
+| 0.5   | 500  | 0.1050        |
+| 1.0   | 1000 | 0.0051        |
+| 1.5   | 1500 | 0.0032        |
+| 2.0   | 2000 | 0.0026        |
+
+
+### Framework Versions
+- Python: 3.12.12
+- Sentence Transformers: 5.2.3
+- Transformers: 5.3.0
+- PyTorch: 2.10.0+cu128
+- Accelerate: 1.12.0
+- Datasets: 4.0.0
+- Tokenizers: 0.22.2
+
+## 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 +1,30 @@
+{
+  "add_cross_attention": false,
+  "architectures": [
+    "XLMRobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "dtype": "float32",
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "is_decoder": false,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "xlm-roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "output_past": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tie_word_embeddings": true,
+  "transformers_version": "5.3.0",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,14 @@
+{
+  "model_type": "SentenceTransformer",
+  "__version__": {
+    "sentence_transformers": "5.2.3",
+    "transformers": "5.3.0",
+    "pytorch": "2.10.0+cu128"
+  },
+  "prompts": {
+    "query": "",
+    "document": ""
+  },
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:214f921b4025070cd73f8286034042bf3a2995b5c7d6720ad001bc7bb9586255
+size 1112197064

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
+}

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:883b037111086fd4dfebbbc9b7cee11e1517b5e0c0514879478661440f137085
+size 17082987

tokenizer_config.json

@@ -0,0 +1,15 @@
+{
+  "add_prefix_space": true,
+  "backend": "tokenizers",
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "is_local": false,
+  "mask_token": "<mask>",
+  "model_max_length": 512,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "unk_token": "<unk>"
+}