f

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 +1,952 @@
+---
+language:
+- vi
+license: apache-2.0
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- dense
+- generated_from_trainer
+- dataset_size:25860
+- loss:MatryoshkaLoss
+- loss:MultipleNegativesRankingLoss
+base_model: bkai-foundation-models/vietnamese-bi-encoder
+widget:
+- source_sentence: Công ty tôi phê duyệt tổng mức đầu tư dự án ngày 26/10/2015 khi
+    Thông tư số09/2016/TT-BTCchưa ban hành nên chi phí kiểm toán và thẩm tra, phê
+    duyệt quyết toán vẫn áp dụng hệ số theo Thông tư số19/2011/TT-BTC. Công ty tôi
+    còn gói thầu kiểm toán và thẩm tra, phê duyệt quyết toán chưa thực hiện. Công
+    ty tôi thực hiện tiếp 2 gói thầu này thì phải áp dụng hệ số cho chi phí kiểm toán
+    và thẩm tra, phê duyệt quyết toán theo Thông tư số 09/2016/TT-BTC, như vậy tổng
+    mức đầu tư thay đổi. Dự án của công ty vẫn còn chi phí dự phòng, xin hỏi, công
+    ty tôi có được sử dụng chi phí dự phòng này không hay phải làm thủ tục điều chỉnh
+    tổng mức đầu tư? Nếu phải điều chỉnh tổng mức đầu tư thì công ty tôi phải làm
+    thủ tục như thế nào?Bộ Xây dựng trả lời vấn đề này như sau:Khi quyết toán dự án,
+    việc sử dụng chi phí dự phòng để bổ sung cho chi phí kiểm toán và chi phí thẩm
+    tra, phê duyệt quyết toán do Nhà nước thay đổi Thông tư số19/2011/TT-BTCbằng Thông
+    tư số09/2016/TT-BTCngày 18/1/2016 quy định về quyết toán dự án hoàn thành thuộc
+    nguồn vốn Nhà nước là phù hợp.
+  sentences:
+  - Điều 2 Quyết định 3138/QĐ-BKHCN 2019 đính chính Thông tư đo lường đối với phương
+    tiện đo nhóm 2
+  - Trường hợp nào được sử dụng chi phí dự phòng?
+  - Nếu không ký kết hợp đồng lao động mới, hợp đồng đã giao kết trở thành hợp đồng
+    lao động gì?
+- source_sentence: 'Điều 1 Thông tư 172/2009/TT-BTC sửa đổi 81/2006/TT-BTC kiểm soát
+    chi đơn vị sự nghiệp công lập có nội dung như sau:
+
+
+    Điều 1. Sửa đổi gạch đầu dòng thứ 2 và thứ 3 tiết 2.5.2, điểm 2.5, khoản 2 mục
+    II Thông tư số 81/2006/TT-BTC như sau:
+
+    - Trong năm, căn cứ vào mức chênh lệch thu lớn hơn chi hàng quý xác định được;
+    đơn vị lập giấy rút dự toán ngân sách nhà nước (thanh toán) để chi trả thu nhập
+    tăng thêm cho cán bộ, công chức trong đơn vị theo quý gửi Kho bạc Nhà nước. Kho
+    bạc Nhà nước thanh toán theo mức thủ trưởng đơn vị đề nghị đảm bảo trong phạm
+    vi dự toán được giao nhưng tối đa không quá 60% số chênh lệch thu lớn hơn chi
+    đơn vị xác định được theo quý và thực hiện hạch toán thực chi mục 6400 (tiểu mục
+    6404 chi chênh lệch thu nhập thực tế so với lương ngạch bậc, chức vụ).
+
+    - Kết thúc năm ngân sách, trước ngày 31/01 năm sau, đơn vị sự nghiệp thực hiện
+    chế độ tự chủ, tự chịu trách nhiệm về tài chính tự xác định số chênh lệch thu
+    lớn hơn chi và kinh phí chi thu nhập tăng thêm của năm trước theo quy chế chi
+    tiêu nội bộ của đơn vị gửi Kho bạc Nhà nước nơi giao dịch đề nghị thanh toán tiếp
+    thu nhập tăng thêm cho người lao động. Trên cơ sở văn bản đề nghị của đơn vị,
+    Kho bạc Nhà nước làm thủ tục thanh toán phần chi thu nhập tăng thêm cho đơn vị
+    đảm bảo không vượt quá mức thu nhập tăng thêm đối với từng loại đơn vị sự nghiệp
+    quy định tại Nghị định số 43/2006/NĐ-CP ngày 25/4/2006 của Chính phủ và Thông
+    tư số 71/2006/TT-BTC ngày 09/08/2006 của Bộ Tài chính hướng dẫn thực hiện Nghị
+    định số 43/2006/NĐ-CP ngày 25/04/2006 của Chính phủ.
+
+    Sau khi quyết toán của đơn vị được cấp có thẩm quyền phê duyệt:
+
+    - Trường hợp số chênh lệch thu lớn hơn chi dành để chi trả thu nhập tăng thêm
+    cho người lao động cao hơn số đơn vị tự xác định, căn cứ vào quy chế chi tiêu
+    nội bộ và đề nghị của đơn vị, Kho bạc Nhà nước thanh toán tiếp phần chi trả thu
+    nhập tăng thêm cho người lao động của đơn vị và thực hiện hạch toán vào niên độ
+    ngân sách năm sau.
+
+    - Trường hợp số chênh lệch thu lớn hơn chi dành để chi trả thu nhập tăng thêm
+    cho người lao động thấp hơn số đơn vị tự xác định thì số đã chi trả thu nhập tăng
+    thêm vượt so với số quyết toán được cơ quan có thẩm quyền duyệt, đơn vị phải sử
+    dụng Quỹ dự phòng ổn định thu nhập (nếu có) để bù đắp, trường hợp sau khi dùng
+    quỹ dự phòng ổn định thu nhập để bù đắp vẫn còn thiết hụt thì trừ vào chênh lệch
+    thu lớn hơn chi phần dành để chi trả thu nhập tăng thêm của năm sau, trường hợp
+    năm sau không có chênh lệch thu lớn hơn chi thì trừ vào quỹ tiền lương của đơn
+    vị.'
+  sentences:
+  - Bố trí người phụ trách kế toán tối đa là 12 tháng
+  - Quy định về ngày cấp giấy chứng nhận nghỉ việc hưởng BHXH
+  - Điều 1 Thông tư 172/2009/TT-BTC sửa đổi 81/2006/TT-BTC kiểm soát chi đơn vị sự
+    nghiệp công lập
+- source_sentence: Người lao động làm việc trong điều kiện bình thường, cứ 12 tháng
+    làm việc thì được nghỉ phép 12 ngày làm việc hưởng nguyên lương. Người làm công
+    việc nặng nhọc, độc hại, nguy hiểm hoặc làm việc ở nơi có điều kiện sinh hoạt
+    đặc biệt khó khăn thì được nghỉ phép 14 ngày làm việc hưởng nguyên lương. Người
+    làm công việc đặc biệt nặng nhọc, độc hại, nguy hiểm thì được nghỉ phép 16 ngày
+    làm việc hưởng nguyên lương.
+  sentences:
+  - Người lao động làm việc trong điều kiện bình thường được nghỉ phép bao nhiêu ngày
+    làm việc hưởng nguyên lương?
+  - Vi phạm quy định về bầu cử có thể bị phạt tù
+  - Điều 24 Nghị định 30/2015/NĐ-CP hướng dẫn Luật Đấu thầu về lựa chọn nhà đầu tư
+- source_sentence: 'Điều 3 Quyết định 1970/QĐ-BCT 2023 nhiệm vụ Chương trình phát
+    triển thương mại miền núi vùng sâu 2024 có nội dung như sau:
+
+
+    Điều 3. Giao Vụ Thị trường trong nước chủ trì, phối hợp với các cơ quan liên quan
+    triển khai thực hiện nhiệm vụ năm 2024 của Bộ Công Thương thuộc Chương trình phát
+    triển thương mại miền núi, vùng sâu, vùng xa và hải đảo giai đoạn 2021 -2025.'
+  sentences:
+  - Người lao động làm việc từ đủ bao nhiêu năm trở lên cho một người sử dụng lao
+    động thì được nghỉ thêm 1 ngày phép hưởng nguyên lương?
+  - Điều 3 Quyết định 1970/QĐ-BCT 2023 nhiệm vụ Chương trình phát triển thương mại
+    miền núi vùng sâu 2024
+  - Báo cáo nào cần được thẩm định an ninh mạng?
+- source_sentence: 'Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao
+    ban điện tử Lào Cai có nội dung như sau:
+
+
+    Điều 3. Chánh Văn phòng UBND tỉnh; Giám đốc Sở Thông tin và Truyền thông; Thủ
+    trưởng các sở, ban, ngành, đơn vị; Chủ tịch UBND các huyện, thành phố; Giám đốc
+    Doanh nghiệp cung cấp dịch vụ viễn thông và các tổ chức, cá nhân có liên quan
+    chịu trách nhiệm thi hành Quyết định này'
+  sentences:
+  - Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao ban điện tử Lào
+    Cai
+  - Đối tượng nào được hưởng chế độ công tác phí theo tháng?
+  - Điều 1 Nghị định 65/2007/NĐ-CP điều chỉnh địa giới hành chính thị xã Cam Ranh
+    Trường Sa Cam Nghĩa huyện Diên Khánh lập huyện xã tỉnh khánh Hòa mới nhất
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+- cosine_accuracy@1
+- cosine_accuracy@3
+- cosine_accuracy@5
+- cosine_accuracy@10
+- cosine_precision@1
+- cosine_precision@3
+- cosine_precision@5
+- cosine_precision@10
+- cosine_recall@1
+- cosine_recall@3
+- cosine_recall@5
+- cosine_recall@10
+- cosine_ndcg@10
+- cosine_mrr@10
+- cosine_map@100
+model-index:
+- name: bkai-fine-tuned-legal
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 768
+      type: dim_768
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.6073638613861386
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.7004950495049505
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.7419554455445545
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.7920792079207921
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.6073638613861386
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.2334983498349835
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.1483910891089109
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.0792079207920792
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.6073638613861386
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.7004950495049505
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.7419554455445545
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.7920792079207921
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6953201867128341
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6648522218293257
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.6707577379319669
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 512
+      type: dim_512
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.6045792079207921
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.6955445544554455
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.7413366336633663
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.7892945544554455
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.6045792079207921
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.23184818481848182
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.14826732673267323
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.07892945544554454
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.6045792079207921
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.6955445544554455
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.7413366336633663
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.7892945544554455
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6923022700361329
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6617676164937917
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.6678128035277444
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 256
+      type: dim_256
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.6036509900990099
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.693069306930693
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.7345297029702971
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.7874381188118812
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.6036509900990099
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.23102310231023104
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.1469059405940594
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.0787438118811881
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.6036509900990099
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.693069306930693
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.7345297029702971
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.7874381188118812
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6899985182895687
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6594872210435324
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.6654213269021221
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 128
+      type: dim_128
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.5915841584158416
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.6763613861386139
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.7230816831683168
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.7738242574257426
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.5915841584158416
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.22545379537953794
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.14461633663366336
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.07738242574257424
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.5915841584158416
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.6763613861386139
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.7230816831683168
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.7738242574257426
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6768923401788021
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6465193059484518
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.6528103079926022
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 64
+      type: dim_64
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.5770420792079208
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.6593440594059405
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.6989480198019802
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.755569306930693
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.5770420792079208
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.2197813531353135
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.13978960396039602
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.0755569306930693
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.5770420792079208
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.6593440594059405
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.6989480198019802
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.755569306930693
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6604592325341517
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6308034486484356
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.6369596779835216
+      name: Cosine Map@100
+---
+
+# bkai-fine-tuned-legal
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder) on the json dataset. 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:** [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder) <!-- at revision 84f9d9ada0d1a3c37557398b9ae9fcedcdf40be0 -->
+- **Maximum Sequence Length:** 256 tokens
+- **Output Dimensionality:** 768 dimensions
+- **Similarity Function:** Cosine Similarity
+- **Training Dataset:**
+    - json
+- **Language:** vi
+- **License:** apache-2.0
+
+### 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': 256, 'do_lower_case': False, 'architecture': 'RobertaModel'})
+  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
+)
+```
+
+## Usage
+
+### Direct Usage (Sentence Transformers)
+
+First install the Sentence Transformers library:
+
+```bash
+pip install -U sentence-transformers
+```
+
+Then you can load this model and run inference.
+```python
+from sentence_transformers import SentenceTransformer
+
+# Download from the 🤗 Hub
+model = SentenceTransformer("sentence_transformers_model_id")
+# Run inference
+sentences = [
+    'Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao ban điện tử Lào Cai có nội dung như sau:\n\nĐiều 3. Chánh Văn phòng UBND tỉnh; Giám đốc Sở Thông tin và Truyền thông; Thủ trưởng các sở, ban, ngành, đơn vị; Chủ tịch UBND các huyện, thành phố; Giám đốc Doanh nghiệp cung cấp dịch vụ viễn thông và các tổ chức, cá nhân có liên quan chịu trách nhiệm thi hành Quyết định này',
+    'Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao ban điện tử Lào Cai',
+    'Điều 1 Nghị định 65/2007/NĐ-CP điều chỉnh địa giới hành chính thị xã Cam Ranh Trường Sa Cam Nghĩa huyện Diên Khánh lập huyện xã tỉnh khánh Hòa mới nhất',
+]
+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, 0.9331, 0.1638],
+#         [0.9331, 1.0000, 0.1802],
+#         [0.1638, 0.1802, 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.*
+-->
+
+## Evaluation
+
+### Metrics
+
+#### Information Retrieval
+
+* Dataset: `dim_768`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
+  ```json
+  {
+      "truncate_dim": 768
+  }
+  ```
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.6074     |
+| cosine_accuracy@3   | 0.7005     |
+| cosine_accuracy@5   | 0.742      |
+| cosine_accuracy@10  | 0.7921     |
+| cosine_precision@1  | 0.6074     |
+| cosine_precision@3  | 0.2335     |
+| cosine_precision@5  | 0.1484     |
+| cosine_precision@10 | 0.0792     |
+| cosine_recall@1     | 0.6074     |
+| cosine_recall@3     | 0.7005     |
+| cosine_recall@5     | 0.742      |
+| cosine_recall@10    | 0.7921     |
+| **cosine_ndcg@10**  | **0.6953** |
+| cosine_mrr@10       | 0.6649     |
+| cosine_map@100      | 0.6708     |
+
+#### Information Retrieval
+
+* Dataset: `dim_512`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
+  ```json
+  {
+      "truncate_dim": 512
+  }
+  ```
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.6046     |
+| cosine_accuracy@3   | 0.6955     |
+| cosine_accuracy@5   | 0.7413     |
+| cosine_accuracy@10  | 0.7893     |
+| cosine_precision@1  | 0.6046     |
+| cosine_precision@3  | 0.2318     |
+| cosine_precision@5  | 0.1483     |
+| cosine_precision@10 | 0.0789     |
+| cosine_recall@1     | 0.6046     |
+| cosine_recall@3     | 0.6955     |
+| cosine_recall@5     | 0.7413     |
+| cosine_recall@10    | 0.7893     |
+| **cosine_ndcg@10**  | **0.6923** |
+| cosine_mrr@10       | 0.6618     |
+| cosine_map@100      | 0.6678     |
+
+#### Information Retrieval
+
+* Dataset: `dim_256`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
+  ```json
+  {
+      "truncate_dim": 256
+  }
+  ```
+
+| Metric              | Value    |
+|:--------------------|:---------|
+| cosine_accuracy@1   | 0.6037   |
+| cosine_accuracy@3   | 0.6931   |
+| cosine_accuracy@5   | 0.7345   |
+| cosine_accuracy@10  | 0.7874   |
+| cosine_precision@1  | 0.6037   |
+| cosine_precision@3  | 0.231    |
+| cosine_precision@5  | 0.1469   |
+| cosine_precision@10 | 0.0787   |
+| cosine_recall@1     | 0.6037   |
+| cosine_recall@3     | 0.6931   |
+| cosine_recall@5     | 0.7345   |
+| cosine_recall@10    | 0.7874   |
+| **cosine_ndcg@10**  | **0.69** |
+| cosine_mrr@10       | 0.6595   |
+| cosine_map@100      | 0.6654   |
+
+#### Information Retrieval
+
+* Dataset: `dim_128`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
+  ```json
+  {
+      "truncate_dim": 128
+  }
+  ```
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.5916     |
+| cosine_accuracy@3   | 0.6764     |
+| cosine_accuracy@5   | 0.7231     |
+| cosine_accuracy@10  | 0.7738     |
+| cosine_precision@1  | 0.5916     |
+| cosine_precision@3  | 0.2255     |
+| cosine_precision@5  | 0.1446     |
+| cosine_precision@10 | 0.0774     |
+| cosine_recall@1     | 0.5916     |
+| cosine_recall@3     | 0.6764     |
+| cosine_recall@5     | 0.7231     |
+| cosine_recall@10    | 0.7738     |
+| **cosine_ndcg@10**  | **0.6769** |
+| cosine_mrr@10       | 0.6465     |
+| cosine_map@100      | 0.6528     |
+
+#### Information Retrieval
+
+* Dataset: `dim_64`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
+  ```json
+  {
+      "truncate_dim": 64
+  }
+  ```
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.577      |
+| cosine_accuracy@3   | 0.6593     |
+| cosine_accuracy@5   | 0.6989     |
+| cosine_accuracy@10  | 0.7556     |
+| cosine_precision@1  | 0.577      |
+| cosine_precision@3  | 0.2198     |
+| cosine_precision@5  | 0.1398     |
+| cosine_precision@10 | 0.0756     |
+| cosine_recall@1     | 0.577      |
+| cosine_recall@3     | 0.6593     |
+| cosine_recall@5     | 0.6989     |
+| cosine_recall@10    | 0.7556     |
+| **cosine_ndcg@10**  | **0.6605** |
+| cosine_mrr@10       | 0.6308     |
+| cosine_map@100      | 0.637      |
+
+<!--
+## 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
+
+#### json
+
+* Dataset: json
+* Size: 25,860 training samples
+* Columns: <code>positive</code> and <code>anchor</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | positive                                                                             | anchor                                                                            |
+  |:--------|:-------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
+  | type    | string                                                                               | string                                                                            |
+  | details | <ul><li>min: 19 tokens</li><li>mean: 178.76 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 20.25 tokens</li><li>max: 59 tokens</li></ul> |
+* Samples:
+  | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      | anchor                                                                                                                      |
+  |:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------|
+  | <code>Điều 475. Trách nhiệm của người sử dụng lao động trong việc giải quyết tranh chấp lao động khi sa thải người lao động. 1. Người sử dụng lao động có trách nhiệm giải quyết tranh chấp lao động khi sa thải người lao động theo quy định của pháp luật. 2. Người sử dụng lao động có nghĩa vụ bồi thường thiệt hại cho người lao động nếu sa thải trái pháp luật.</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 | <code>Người sử dụng lao động có trách nhiệm gì trong việc giải quyết tranh chấp lao động khi sa thải người lao động?</code> |
+  | <code>Điều 69 Nghị định 154/2005/NĐ-CP thủ tục hải quan, kiểm tra, giám sát hải quan hướng dẫn Luật Hải quan có nội dung như sau:<br><br>Điều 69. Xử lý kết quả kiểm tra<br>1. Kết quả kiểm tra được cập nhật vào hệ thống thông tin hải quan để phân tích, đánh giá việc chấp hành pháp luật của chủ hàng, mức độ rủi ro vi phạm pháp luật, làm căn cứ cho việc kiểm tra khi làm thủ tục hải quan, xác định doanh nghiệp có quá trình chấp hành tốt pháp luật hải quan và phục vụ cho hoạt động của cơ quan hải quan trong công tác chống buôn lậu.<br>2. Kết luận kiểm tra, giải trình của đơn vị được kiểm tra (nếu có), biên bản vi phạm pháp luật đối với đơn vị được kiểm tra là căn cứ để cơ quan hải quan quyết định việc truy thu thuế, hoàn thuế, xử lý vi phạm pháp luật về thuế theo quy định của pháp luật.<br>3. Việc truy thu thuế, hoàn thuế, xử lý vi phạm pháp luật về thuế thực hiện theo quy định của pháp luật về thuế và pháp luật có liên quan.</code> | <code>Điều 69 Nghị định 154/2005/NĐ-CP thủ tục hải quan, kiểm tra, giám sát hải quan hướng dẫn Luật Hải quan</code>         |
+  | <code>Điều 4 Quyết định 15/2008/QĐ-UBND thành lập Phòng Quản lý đô thị quận Tân Bình có nội dung như sau:<br><br>Điều 4. Quyết định này có hiệu lực thi hành sau 7 ngày, kể từ ngày ký và thay thế các quyết định trước đây trái với Quyết định này.</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   | <code>Điều 4 Quyết định 15/2008/QĐ-UBND thành lập Phòng Quản lý đô thị quận Tân Bình</code>                                 |
+* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
+  ```json
+  {
+      "loss": "MultipleNegativesRankingLoss",
+      "matryoshka_dims": [
+          768,
+          512,
+          256,
+          128,
+          64
+      ],
+      "matryoshka_weights": [
+          1,
+          1,
+          1,
+          1,
+          1
+      ],
+      "n_dims_per_step": -1
+  }
+  ```
+
+### Evaluation Dataset
+
+#### json
+
+* Dataset: json
+* Size: 3,233 evaluation samples
+* Columns: <code>positive</code> and <code>anchor</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | positive                                                                            | anchor                                                                            |
+  |:--------|:------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
+  | type    | string                                                                              | string                                                                            |
+  | details | <ul><li>min: 26 tokens</li><li>mean: 179.0 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 20.02 tokens</li><li>max: 45 tokens</li></ul> |
+* Samples:
+  | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                | anchor                                                                                                          |
+  |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------|
+  | <code>Điều 1 Quyết định 1791/QĐ-BKHCN 2021 tiếp nhận xử lý văn bản điện tử trên Hệ thống quản lý văn bản có nội dung như sau:<br><br>Điều 1. Ban hành kèm theo Quyết định này Quy chế tiếp nhận, xử lý, phát hành và quản lý văn bản điện tử trên Hệ thống quản lý văn bản và điều hành của Bộ Khoa học và Công nghệ.</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                            | <code>Điều 1 Quyết định 1791/QĐ-BKHCN 2021 tiếp nhận xử lý văn bản điện tử trên Hệ thống quản lý văn bản</code> |
+  | <code>Tôi xin hỏi, việc hủy thầu trong trường hợp hồ sơ dự thầu của các nhà thầu tham gia dự thầu không đáp ứng hồ sơ mời thầu thì có phải thẩm định kết quả lựa chọn nhà thầu không?Bộ Kế hoạch và Đầu tư trả lời vấn đề này như sau:Khoản 5 và Khoản 2, Điều 20 Nghị định số63/2014/NĐ-CPcủa Chính phủ quy định kết quả lựa chọn nhà thầu phải được thẩm định theo quy định tại Khoản 1 và Khoản 4, Điều 106 của Nghị định này trước khi phê duyệt.Trường hợp hủy thầu theo quy định tại Khoản 1, Điều 17 củaLuật Đấu thầu, trong văn bản phê duyệt kết quả lựa chọn nhà thầu hoặc văn bản quyết định hủy thầu phải nêu rõ lý do hủy thầu và trách nhiệm của các bên liên quan khi hủy thầu.Đối với vấn đề của ông Tường, việc hủy thầu được thực hiện theo quy định nêu trên.</code> | <code>Hủy thầu thực hiện thế nào?</code>                                                                        |
+  | <code>Tôi xin hỏi, theo phương án thi năm nay thì thí sinh có thể đăng ký nhiều ngành trong cùng một trường được không?Bộ Giáo dục và Đào tạo trả lời vấn đề này như sau:Theo quy định của Quy chế tuyển sinh đại học hệ chính quy: Thí sinh có thể đăng ký không hạn chế nguyện vọng và phải sắp xếp nguyện vọng theo thứ tự ưu tiên từ cao xuống thấp. Mỗi nguyện vọng thí sinh phải đăng ký mã trường, mã ngành, mã tổ hợp để xét tuyển. Như vậy, thí sinh có thể đăng ký nhiều ngành trong một trường.</code>                                                                                                                                                                                                                                                                       | <code>Thí sinh được đăng ký nhiều ngành trong một trường</code>                                                 |
+* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
+  ```json
+  {
+      "loss": "MultipleNegativesRankingLoss",
+      "matryoshka_dims": [
+          768,
+          512,
+          256,
+          128,
+          64
+      ],
+      "matryoshka_weights": [
+          1,
+          1,
+          1,
+          1,
+          1
+      ],
+      "n_dims_per_step": -1
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: epoch
+- `per_device_train_batch_size`: 64
+- `per_device_eval_batch_size`: 64
+- `gradient_accumulation_steps`: 12
+- `learning_rate`: 3e-05
+- `weight_decay`: 0.2
+- `max_grad_norm`: 0.65
+- `num_train_epochs`: 5
+- `lr_scheduler_type`: cosine
+- `warmup_ratio`: 0.15
+- `fp16`: True
+- `load_best_model_at_end`: True
+- `group_by_length`: True
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: epoch
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 64
+- `per_device_eval_batch_size`: 64
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 12
+- `eval_accumulation_steps`: None
+- `torch_empty_cache_steps`: None
+- `learning_rate`: 3e-05
+- `weight_decay`: 0.2
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `max_grad_norm`: 0.65
+- `num_train_epochs`: 5
+- `max_steps`: -1
+- `lr_scheduler_type`: cosine
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.15
+- `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
+- `bf16`: False
+- `fp16`: True
+- `fp16_opt_level`: O1
+- `half_precision_backend`: auto
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: None
+- `local_rank`: 0
+- `ddp_backend`: None
+- `tpu_num_cores`: None
+- `tpu_metrics_debug`: False
+- `debug`: []
+- `dataloader_drop_last`: False
+- `dataloader_num_workers`: 0
+- `dataloader_prefetch_factor`: None
+- `past_index`: -1
+- `disable_tqdm`: False
+- `remove_unused_columns`: True
+- `label_names`: None
+- `load_best_model_at_end`: True
+- `ignore_data_skip`: False
+- `fsdp`: []
+- `fsdp_min_num_params`: 0
+- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
+- `fsdp_transformer_layer_cls_to_wrap`: None
+- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
+- `parallelism_config`: None
+- `deepspeed`: None
+- `label_smoothing_factor`: 0.0
+- `optim`: adamw_torch_fused
+- `optim_args`: None
+- `adafactor`: False
+- `group_by_length`: True
+- `length_column_name`: length
+- `project`: huggingface
+- `trackio_space_id`: trackio
+- `ddp_find_unused_parameters`: None
+- `ddp_bucket_cap_mb`: None
+- `ddp_broadcast_buffers`: False
+- `dataloader_pin_memory`: True
+- `dataloader_persistent_workers`: False
+- `skip_memory_metrics`: True
+- `use_legacy_prediction_loop`: False
+- `push_to_hub`: False
+- `resume_from_checkpoint`: None
+- `hub_model_id`: None
+- `hub_strategy`: every_save
+- `hub_private_repo`: None
+- `hub_always_push`: False
+- `hub_revision`: None
+- `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`: no
+- `neftune_noise_alpha`: None
+- `optim_target_modules`: None
+- `batch_eval_metrics`: False
+- `eval_on_start`: False
+- `use_liger_kernel`: False
+- `liger_kernel_config`: None
+- `eval_use_gather_object`: False
+- `average_tokens_across_devices`: True
+- `prompts`: None
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+- `router_mapping`: {}
+- `learning_rate_mapping`: {}
+
+</details>
+
+### Training Logs
+| Epoch   | Step    | Training Loss | Validation Loss | dim_768_cosine_ndcg@10 | dim_512_cosine_ndcg@10 | dim_256_cosine_ndcg@10 | dim_128_cosine_ndcg@10 | dim_64_cosine_ndcg@10 |
+|:-------:|:-------:|:-------------:|:---------------:|:----------------------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|
+| 1.0     | 34      | 1.6861        | 0.6655          | 0.6172                 | 0.6148                 | 0.6059                 | 0.5862                 | 0.5547                |
+| 2.0     | 68      | 0.5426        | 0.4693          | 0.6877                 | 0.6889                 | 0.6830                 | 0.6684                 | 0.6508                |
+| 3.0     | 102     | 0.3528        | 0.4305          | 0.6939                 | 0.6919                 | 0.6855                 | 0.6752                 | 0.6595                |
+| 4.0     | 136     | 0.268         | 0.4048          | 0.6953                 | 0.6921                 | 0.6898                 | 0.6767                 | 0.6607                |
+| **5.0** | **170** | **0.2341**    | **0.4039**      | **0.6953**             | **0.6923**             | **0.69**               | **0.6769**             | **0.6605**            |
+
+* The bold row denotes the saved checkpoint.
+
+### Framework Versions
+- Python: 3.12.12
+- Sentence Transformers: 5.1.2
+- Transformers: 4.57.3
+- PyTorch: 2.9.0+cu126
+- Accelerate: 1.12.0
+- Datasets: 4.0.0
+- Tokenizers: 0.22.1
+
+## 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",
+}
+```
+
+#### MatryoshkaLoss
+```bibtex
+@misc{kusupati2024matryoshka,
+    title={Matryoshka Representation Learning},
+    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
+    year={2024},
+    eprint={2205.13147},
+    archivePrefix={arXiv},
+    primaryClass={cs.LG}
+}
+```
+
+#### MultipleNegativesRankingLoss
+```bibtex
+@misc{henderson2017efficient,
+    title={Efficient Natural Language Response Suggestion for Smart Reply},
+    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
+    year={2017},
+    eprint={1705.00652},
+    archivePrefix={arXiv},
+    primaryClass={cs.CL}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

added_tokens.json

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

checkpoint-170/1_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
+}

checkpoint-170/README.md

@@ -0,0 +1,951 @@
+---
+language:
+- vi
+license: apache-2.0
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- dense
+- generated_from_trainer
+- dataset_size:25860
+- loss:MatryoshkaLoss
+- loss:MultipleNegativesRankingLoss
+base_model: bkai-foundation-models/vietnamese-bi-encoder
+widget:
+- source_sentence: Công ty tôi phê duyệt tổng mức đầu tư dự án ngày 26/10/2015 khi
+    Thông tư số09/2016/TT-BTCchưa ban hành nên chi phí kiểm toán và thẩm tra, phê
+    duyệt quyết toán vẫn áp dụng hệ số theo Thông tư số19/2011/TT-BTC. Công ty tôi
+    còn gói thầu kiểm toán và thẩm tra, phê duyệt quyết toán chưa thực hiện. Công
+    ty tôi thực hiện tiếp 2 gói thầu này thì phải áp dụng hệ số cho chi phí kiểm toán
+    và thẩm tra, phê duyệt quyết toán theo Thông tư số 09/2016/TT-BTC, như vậy tổng
+    mức đầu tư thay đổi. Dự án của công ty vẫn còn chi phí dự phòng, xin hỏi, công
+    ty tôi có được sử dụng chi phí dự phòng này không hay phải làm thủ tục điều chỉnh
+    tổng mức đầu tư? Nếu phải điều chỉnh tổng mức đầu tư thì công ty tôi phải làm
+    thủ tục như thế nào?Bộ Xây dựng trả lời vấn đề này như sau:Khi quyết toán dự án,
+    việc sử dụng chi phí dự phòng để bổ sung cho chi phí kiểm toán và chi phí thẩm
+    tra, phê duyệt quyết toán do Nhà nước thay đổi Thông tư số19/2011/TT-BTCbằng Thông
+    tư số09/2016/TT-BTCngày 18/1/2016 quy định về quyết toán dự án hoàn thành thuộc
+    nguồn vốn Nhà nước là phù hợp.
+  sentences:
+  - Điều 2 Quyết định 3138/QĐ-BKHCN 2019 đính chính Thông tư đo lường đối với phương
+    tiện đo nhóm 2
+  - Trường hợp nào được sử dụng chi phí dự phòng?
+  - Nếu không ký kết hợp đồng lao động mới, hợp đồng đã giao kết trở thành hợp đồng
+    lao động gì?
+- source_sentence: 'Điều 1 Thông tư 172/2009/TT-BTC sửa đổi 81/2006/TT-BTC kiểm soát
+    chi đơn vị sự nghiệp công lập có nội dung như sau:
+
+
+    Điều 1. Sửa đổi gạch đầu dòng thứ 2 và thứ 3 tiết 2.5.2, điểm 2.5, khoản 2 mục
+    II Thông tư số 81/2006/TT-BTC như sau:
+
+    - Trong năm, căn cứ vào mức chênh lệch thu lớn hơn chi hàng quý xác định được;
+    đơn vị lập giấy rút dự toán ngân sách nhà nước (thanh toán) để chi trả thu nhập
+    tăng thêm cho cán bộ, công chức trong đơn vị theo quý gửi Kho bạc Nhà nước. Kho
+    bạc Nhà nước thanh toán theo mức thủ trưởng đơn vị đề nghị đảm bảo trong phạm
+    vi dự toán được giao nhưng tối đa không quá 60% số chênh lệch thu lớn hơn chi
+    đơn vị xác định được theo quý và thực hiện hạch toán thực chi mục 6400 (tiểu mục
+    6404 chi chênh lệch thu nhập thực tế so với lương ngạch bậc, chức vụ).
+
+    - Kết thúc năm ngân sách, trước ngày 31/01 năm sau, đơn vị sự nghiệp thực hiện
+    chế độ tự chủ, tự chịu trách nhiệm về tài chính tự xác định số chênh lệch thu
+    lớn hơn chi và kinh phí chi thu nhập tăng thêm của năm trước theo quy chế chi
+    tiêu nội bộ của đơn vị gửi Kho bạc Nhà nước nơi giao dịch đề nghị thanh toán tiếp
+    thu nhập tăng thêm cho người lao động. Trên cơ sở văn bản đề nghị của đơn vị,
+    Kho bạc Nhà nước làm thủ tục thanh toán phần chi thu nhập tăng thêm cho đơn vị
+    đảm bảo không vượt quá mức thu nhập tăng thêm đối với từng loại đơn vị sự nghiệp
+    quy định tại Nghị định số 43/2006/NĐ-CP ngày 25/4/2006 của Chính phủ và Thông
+    tư số 71/2006/TT-BTC ngày 09/08/2006 của Bộ Tài chính hướng dẫn thực hiện Nghị
+    định số 43/2006/NĐ-CP ngày 25/04/2006 của Chính phủ.
+
+    Sau khi quyết toán của đơn vị được cấp có thẩm quyền phê duyệt:
+
+    - Trường hợp số chênh lệch thu lớn hơn chi dành để chi trả thu nhập tăng thêm
+    cho người lao động cao hơn số đơn vị tự xác định, căn cứ vào quy chế chi tiêu
+    nội bộ và đề nghị của đơn vị, Kho bạc Nhà nước thanh toán tiếp phần chi trả thu
+    nhập tăng thêm cho người lao động của đơn vị và thực hiện hạch toán vào niên độ
+    ngân sách năm sau.
+
+    - Trường hợp số chênh lệch thu lớn hơn chi dành để chi trả thu nhập tăng thêm
+    cho người lao động thấp hơn số đơn vị tự xác định thì số đã chi trả thu nhập tăng
+    thêm vượt so với số quyết toán được cơ quan có thẩm quyền duyệt, đơn vị phải sử
+    dụng Quỹ dự phòng ổn định thu nhập (nếu có) để bù đắp, trường hợp sau khi dùng
+    quỹ dự phòng ổn định thu nhập để bù đắp vẫn còn thiết hụt thì trừ vào chênh lệch
+    thu lớn hơn chi phần dành để chi trả thu nhập tăng thêm của năm sau, trường hợp
+    năm sau không có chênh lệch thu lớn hơn chi thì trừ vào quỹ tiền lương của đơn
+    vị.'
+  sentences:
+  - Bố trí người phụ trách kế toán tối đa là 12 tháng
+  - Quy định về ngày cấp giấy chứng nhận nghỉ việc hưởng BHXH
+  - Điều 1 Thông tư 172/2009/TT-BTC sửa đổi 81/2006/TT-BTC kiểm soát chi đơn vị sự
+    nghiệp công lập
+- source_sentence: Người lao động làm việc trong điều kiện bình thường, cứ 12 tháng
+    làm việc thì được nghỉ phép 12 ngày làm việc hưởng nguyên lương. Người làm công
+    việc nặng nhọc, độc hại, nguy hiểm hoặc làm việc ở nơi có điều kiện sinh hoạt
+    đặc biệt khó khăn thì được nghỉ phép 14 ngày làm việc hưởng nguyên lương. Người
+    làm công việc đặc biệt nặng nhọc, độc hại, nguy hiểm thì được nghỉ phép 16 ngày
+    làm việc hưởng nguyên lương.
+  sentences:
+  - Người lao động làm việc trong điều kiện bình thường được nghỉ phép bao nhiêu ngày
+    làm việc hưởng nguyên lương?
+  - Vi phạm quy định về bầu cử có thể bị phạt tù
+  - Điều 24 Nghị định 30/2015/NĐ-CP hướng dẫn Luật Đấu thầu về lựa chọn nhà đầu tư
+- source_sentence: 'Điều 3 Quyết định 1970/QĐ-BCT 2023 nhiệm vụ Chương trình phát
+    triển thương mại miền núi vùng sâu 2024 có nội dung như sau:
+
+
+    Điều 3. Giao Vụ Thị trường trong nước chủ trì, phối hợp với các cơ quan liên quan
+    triển khai thực hiện nhiệm vụ năm 2024 của Bộ Công Thương thuộc Chương trình phát
+    triển thương mại miền núi, vùng sâu, vùng xa và hải đảo giai đoạn 2021 -2025.'
+  sentences:
+  - Người lao động làm việc từ đủ bao nhiêu năm trở lên cho một người sử dụng lao
+    động thì được nghỉ thêm 1 ngày phép hưởng nguyên lương?
+  - Điều 3 Quyết định 1970/QĐ-BCT 2023 nhiệm vụ Chương trình phát triển thương mại
+    miền núi vùng sâu 2024
+  - Báo cáo nào cần được thẩm định an ninh mạng?
+- source_sentence: 'Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao
+    ban điện tử Lào Cai có nội dung như sau:
+
+
+    Điều 3. Chánh Văn phòng UBND tỉnh; Giám đốc Sở Thông tin và Truyền thông; Thủ
+    trưởng các sở, ban, ngành, đơn vị; Chủ tịch UBND các huyện, thành phố; Giám đốc
+    Doanh nghiệp cung cấp dịch vụ viễn thông và các tổ chức, cá nhân có liên quan
+    chịu trách nhiệm thi hành Quyết định này'
+  sentences:
+  - Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao ban điện tử Lào
+    Cai
+  - Đối tượng nào được hưởng chế độ công tác phí theo tháng?
+  - Điều 1 Nghị định 65/2007/NĐ-CP điều chỉnh địa giới hành chính thị xã Cam Ranh
+    Trường Sa Cam Nghĩa huyện Diên Khánh lập huyện xã tỉnh khánh Hòa mới nhất
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+- cosine_accuracy@1
+- cosine_accuracy@3
+- cosine_accuracy@5
+- cosine_accuracy@10
+- cosine_precision@1
+- cosine_precision@3
+- cosine_precision@5
+- cosine_precision@10
+- cosine_recall@1
+- cosine_recall@3
+- cosine_recall@5
+- cosine_recall@10
+- cosine_ndcg@10
+- cosine_mrr@10
+- cosine_map@100
+model-index:
+- name: bkai-fine-tuned-legal
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 768
+      type: dim_768
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.6073638613861386
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.7004950495049505
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.7419554455445545
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.7920792079207921
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.6073638613861386
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.2334983498349835
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.1483910891089109
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.0792079207920792
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.6073638613861386
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.7004950495049505
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.7419554455445545
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.7920792079207921
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6953201867128341
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6648522218293257
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.6707577379319669
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 512
+      type: dim_512
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.6045792079207921
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.6955445544554455
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.7413366336633663
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.7892945544554455
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.6045792079207921
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.23184818481848182
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.14826732673267323
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.07892945544554454
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.6045792079207921
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.6955445544554455
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.7413366336633663
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.7892945544554455
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6923022700361329
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6617676164937917
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.6678128035277444
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 256
+      type: dim_256
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.6036509900990099
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.693069306930693
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.7345297029702971
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.7874381188118812
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.6036509900990099
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.23102310231023104
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.1469059405940594
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.0787438118811881
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.6036509900990099
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.693069306930693
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.7345297029702971
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.7874381188118812
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6899985182895687
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6594872210435324
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.6654213269021221
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 128
+      type: dim_128
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.5915841584158416
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.6763613861386139
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.7230816831683168
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.7738242574257426
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.5915841584158416
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.22545379537953794
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.14461633663366336
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.07738242574257424
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.5915841584158416
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.6763613861386139
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.7230816831683168
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.7738242574257426
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6768923401788021
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6465193059484518
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.6528103079926022
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 64
+      type: dim_64
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.5770420792079208
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.6593440594059405
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.6989480198019802
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.755569306930693
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.5770420792079208
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.2197813531353135
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.13978960396039602
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.0755569306930693
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.5770420792079208
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.6593440594059405
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.6989480198019802
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.755569306930693
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6604592325341517
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6308034486484356
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.6369596779835216
+      name: Cosine Map@100
+---
+
+# bkai-fine-tuned-legal
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder) on the json dataset. 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:** [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder) <!-- at revision 84f9d9ada0d1a3c37557398b9ae9fcedcdf40be0 -->
+- **Maximum Sequence Length:** 256 tokens
+- **Output Dimensionality:** 768 dimensions
+- **Similarity Function:** Cosine Similarity
+- **Training Dataset:**
+    - json
+- **Language:** vi
+- **License:** apache-2.0
+
+### 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': 256, 'do_lower_case': False, 'architecture': 'RobertaModel'})
+  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
+)
+```
+
+## Usage
+
+### Direct Usage (Sentence Transformers)
+
+First install the Sentence Transformers library:
+
+```bash
+pip install -U sentence-transformers
+```
+
+Then you can load this model and run inference.
+```python
+from sentence_transformers import SentenceTransformer
+
+# Download from the 🤗 Hub
+model = SentenceTransformer("sentence_transformers_model_id")
+# Run inference
+sentences = [
+    'Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao ban điện tử Lào Cai có nội dung như sau:\n\nĐiều 3. Chánh Văn phòng UBND tỉnh; Giám đốc Sở Thông tin và Truyền thông; Thủ trưởng các sở, ban, ngành, đơn vị; Chủ tịch UBND các huyện, thành phố; Giám đốc Doanh nghiệp cung cấp dịch vụ viễn thông và các tổ chức, cá nhân có liên quan chịu trách nhiệm thi hành Quyết định này',
+    'Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao ban điện tử Lào Cai',
+    'Điều 1 Nghị định 65/2007/NĐ-CP điều chỉnh địa giới hành chính thị xã Cam Ranh Trường Sa Cam Nghĩa huyện Diên Khánh lập huyện xã tỉnh khánh Hòa mới nhất',
+]
+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, 0.9331, 0.1638],
+#         [0.9331, 1.0000, 0.1802],
+#         [0.1638, 0.1802, 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.*
+-->
+
+## Evaluation
+
+### Metrics
+
+#### Information Retrieval
+
+* Dataset: `dim_768`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
+  ```json
+  {
+      "truncate_dim": 768
+  }
+  ```
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.6074     |
+| cosine_accuracy@3   | 0.7005     |
+| cosine_accuracy@5   | 0.742      |
+| cosine_accuracy@10  | 0.7921     |
+| cosine_precision@1  | 0.6074     |
+| cosine_precision@3  | 0.2335     |
+| cosine_precision@5  | 0.1484     |
+| cosine_precision@10 | 0.0792     |
+| cosine_recall@1     | 0.6074     |
+| cosine_recall@3     | 0.7005     |
+| cosine_recall@5     | 0.742      |
+| cosine_recall@10    | 0.7921     |
+| **cosine_ndcg@10**  | **0.6953** |
+| cosine_mrr@10       | 0.6649     |
+| cosine_map@100      | 0.6708     |
+
+#### Information Retrieval
+
+* Dataset: `dim_512`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
+  ```json
+  {
+      "truncate_dim": 512
+  }
+  ```
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.6046     |
+| cosine_accuracy@3   | 0.6955     |
+| cosine_accuracy@5   | 0.7413     |
+| cosine_accuracy@10  | 0.7893     |
+| cosine_precision@1  | 0.6046     |
+| cosine_precision@3  | 0.2318     |
+| cosine_precision@5  | 0.1483     |
+| cosine_precision@10 | 0.0789     |
+| cosine_recall@1     | 0.6046     |
+| cosine_recall@3     | 0.6955     |
+| cosine_recall@5     | 0.7413     |
+| cosine_recall@10    | 0.7893     |
+| **cosine_ndcg@10**  | **0.6923** |
+| cosine_mrr@10       | 0.6618     |
+| cosine_map@100      | 0.6678     |
+
+#### Information Retrieval
+
+* Dataset: `dim_256`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
+  ```json
+  {
+      "truncate_dim": 256
+  }
+  ```
+
+| Metric              | Value    |
+|:--------------------|:---------|
+| cosine_accuracy@1   | 0.6037   |
+| cosine_accuracy@3   | 0.6931   |
+| cosine_accuracy@5   | 0.7345   |
+| cosine_accuracy@10  | 0.7874   |
+| cosine_precision@1  | 0.6037   |
+| cosine_precision@3  | 0.231    |
+| cosine_precision@5  | 0.1469   |
+| cosine_precision@10 | 0.0787   |
+| cosine_recall@1     | 0.6037   |
+| cosine_recall@3     | 0.6931   |
+| cosine_recall@5     | 0.7345   |
+| cosine_recall@10    | 0.7874   |
+| **cosine_ndcg@10**  | **0.69** |
+| cosine_mrr@10       | 0.6595   |
+| cosine_map@100      | 0.6654   |
+
+#### Information Retrieval
+
+* Dataset: `dim_128`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
+  ```json
+  {
+      "truncate_dim": 128
+  }
+  ```
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.5916     |
+| cosine_accuracy@3   | 0.6764     |
+| cosine_accuracy@5   | 0.7231     |
+| cosine_accuracy@10  | 0.7738     |
+| cosine_precision@1  | 0.5916     |
+| cosine_precision@3  | 0.2255     |
+| cosine_precision@5  | 0.1446     |
+| cosine_precision@10 | 0.0774     |
+| cosine_recall@1     | 0.5916     |
+| cosine_recall@3     | 0.6764     |
+| cosine_recall@5     | 0.7231     |
+| cosine_recall@10    | 0.7738     |
+| **cosine_ndcg@10**  | **0.6769** |
+| cosine_mrr@10       | 0.6465     |
+| cosine_map@100      | 0.6528     |
+
+#### Information Retrieval
+
+* Dataset: `dim_64`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
+  ```json
+  {
+      "truncate_dim": 64
+  }
+  ```
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.577      |
+| cosine_accuracy@3   | 0.6593     |
+| cosine_accuracy@5   | 0.6989     |
+| cosine_accuracy@10  | 0.7556     |
+| cosine_precision@1  | 0.577      |
+| cosine_precision@3  | 0.2198     |
+| cosine_precision@5  | 0.1398     |
+| cosine_precision@10 | 0.0756     |
+| cosine_recall@1     | 0.577      |
+| cosine_recall@3     | 0.6593     |
+| cosine_recall@5     | 0.6989     |
+| cosine_recall@10    | 0.7556     |
+| **cosine_ndcg@10**  | **0.6605** |
+| cosine_mrr@10       | 0.6308     |
+| cosine_map@100      | 0.637      |
+
+<!--
+## 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
+
+#### json
+
+* Dataset: json
+* Size: 25,860 training samples
+* Columns: <code>positive</code> and <code>anchor</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | positive                                                                             | anchor                                                                            |
+  |:--------|:-------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
+  | type    | string                                                                               | string                                                                            |
+  | details | <ul><li>min: 19 tokens</li><li>mean: 178.76 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 20.25 tokens</li><li>max: 59 tokens</li></ul> |
+* Samples:
+  | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      | anchor                                                                                                                      |
+  |:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------|
+  | <code>Điều 475. Trách nhiệm của người sử dụng lao động trong việc giải quyết tranh chấp lao động khi sa thải người lao động. 1. Người sử dụng lao động có trách nhiệm giải quyết tranh chấp lao động khi sa thải người lao động theo quy định của pháp luật. 2. Người sử dụng lao động có nghĩa vụ bồi thường thiệt hại cho người lao động nếu sa thải trái pháp luật.</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 | <code>Người sử dụng lao động có trách nhiệm gì trong việc giải quyết tranh chấp lao động khi sa thải người lao động?</code> |
+  | <code>Điều 69 Nghị định 154/2005/NĐ-CP thủ tục hải quan, kiểm tra, giám sát hải quan hướng dẫn Luật Hải quan có nội dung như sau:<br><br>Điều 69. Xử lý kết quả kiểm tra<br>1. Kết quả kiểm tra được cập nhật vào hệ thống thông tin hải quan để phân tích, đánh giá việc chấp hành pháp luật của chủ hàng, mức độ rủi ro vi phạm pháp luật, làm căn cứ cho việc kiểm tra khi làm thủ tục hải quan, xác định doanh nghiệp có quá trình chấp hành tốt pháp luật hải quan và phục vụ cho hoạt động của cơ quan hải quan trong công tác chống buôn lậu.<br>2. Kết luận kiểm tra, giải trình của đơn vị được kiểm tra (nếu có), biên bản vi phạm pháp luật đối với đơn vị được kiểm tra là căn cứ để cơ quan hải quan quyết định việc truy thu thuế, hoàn thuế, xử lý vi phạm pháp luật về thuế theo quy định của pháp luật.<br>3. Việc truy thu thuế, hoàn thuế, xử lý vi phạm pháp luật về thuế thực hiện theo quy định của pháp luật về thuế và pháp luật có liên quan.</code> | <code>Điều 69 Nghị định 154/2005/NĐ-CP thủ tục hải quan, kiểm tra, giám sát hải quan hướng dẫn Luật Hải quan</code>         |
+  | <code>Điều 4 Quyết định 15/2008/QĐ-UBND thành lập Phòng Quản lý đô thị quận Tân Bình có nội dung như sau:<br><br>Điều 4. Quyết định này có hiệu lực thi hành sau 7 ngày, kể từ ngày ký và thay thế các quyết định trước đây trái với Quyết định này.</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   | <code>Điều 4 Quyết định 15/2008/QĐ-UBND thành lập Phòng Quản lý đô thị quận Tân Bình</code>                                 |
+* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
+  ```json
+  {
+      "loss": "MultipleNegativesRankingLoss",
+      "matryoshka_dims": [
+          768,
+          512,
+          256,
+          128,
+          64
+      ],
+      "matryoshka_weights": [
+          1,
+          1,
+          1,
+          1,
+          1
+      ],
+      "n_dims_per_step": -1
+  }
+  ```
+
+### Evaluation Dataset
+
+#### json
+
+* Dataset: json
+* Size: 3,233 evaluation samples
+* Columns: <code>positive</code> and <code>anchor</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | positive                                                                            | anchor                                                                            |
+  |:--------|:------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
+  | type    | string                                                                              | string                                                                            |
+  | details | <ul><li>min: 26 tokens</li><li>mean: 179.0 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 20.02 tokens</li><li>max: 45 tokens</li></ul> |
+* Samples:
+  | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                | anchor                                                                                                          |
+  |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------|
+  | <code>Điều 1 Quyết định 1791/QĐ-BKHCN 2021 tiếp nhận xử lý văn bản điện tử trên Hệ thống quản lý văn bản có nội dung như sau:<br><br>Điều 1. Ban hành kèm theo Quyết định này Quy chế tiếp nhận, xử lý, phát hành và quản lý văn bản điện tử trên Hệ thống quản lý văn bản và điều hành của Bộ Khoa học và Công nghệ.</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                            | <code>Điều 1 Quyết định 1791/QĐ-BKHCN 2021 tiếp nhận xử lý văn bản điện tử trên Hệ thống quản lý văn bản</code> |
+  | <code>Tôi xin hỏi, việc hủy thầu trong trường hợp hồ sơ dự thầu của các nhà thầu tham gia dự thầu không đáp ứng hồ sơ mời thầu thì có phải thẩm định kết quả lựa chọn nhà thầu không?Bộ Kế hoạch và Đầu tư trả lời vấn đề này như sau:Khoản 5 và Khoản 2, Điều 20 Nghị định số63/2014/NĐ-CPcủa Chính phủ quy định kết quả lựa chọn nhà thầu phải được thẩm định theo quy định tại Khoản 1 và Khoản 4, Điều 106 của Nghị định này trước khi phê duyệt.Trường hợp hủy thầu theo quy định tại Khoản 1, Điều 17 củaLuật Đấu thầu, trong văn bản phê duyệt kết quả lựa chọn nhà thầu hoặc văn bản quyết định hủy thầu phải nêu rõ lý do hủy thầu và trách nhiệm của các bên liên quan khi hủy thầu.Đối với vấn đề của ông Tường, việc hủy thầu được thực hiện theo quy định nêu trên.</code> | <code>Hủy thầu thực hiện thế nào?</code>                                                                        |
+  | <code>Tôi xin hỏi, theo phương án thi năm nay thì thí sinh có thể đăng ký nhiều ngành trong cùng một trường được không?Bộ Giáo dục và Đào tạo trả lời vấn đề này như sau:Theo quy định của Quy chế tuyển sinh đại học hệ chính quy: Thí sinh có thể đăng ký không hạn chế nguyện vọng và phải sắp xếp nguyện vọng theo thứ tự ưu tiên từ cao xuống thấp. Mỗi nguyện vọng thí sinh phải đăng ký mã trường, mã ngành, mã tổ hợp để xét tuyển. Như vậy, thí sinh có thể đăng ký nhiều ngành trong một trường.</code>                                                                                                                                                                                                                                                                       | <code>Thí sinh được đăng ký nhiều ngành trong một trường</code>                                                 |
+* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
+  ```json
+  {
+      "loss": "MultipleNegativesRankingLoss",
+      "matryoshka_dims": [
+          768,
+          512,
+          256,
+          128,
+          64
+      ],
+      "matryoshka_weights": [
+          1,
+          1,
+          1,
+          1,
+          1
+      ],
+      "n_dims_per_step": -1
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: epoch
+- `per_device_train_batch_size`: 64
+- `per_device_eval_batch_size`: 64
+- `gradient_accumulation_steps`: 12
+- `learning_rate`: 3e-05
+- `weight_decay`: 0.2
+- `max_grad_norm`: 0.65
+- `num_train_epochs`: 5
+- `lr_scheduler_type`: cosine
+- `warmup_ratio`: 0.15
+- `fp16`: True
+- `load_best_model_at_end`: True
+- `group_by_length`: True
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: epoch
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 64
+- `per_device_eval_batch_size`: 64
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 12
+- `eval_accumulation_steps`: None
+- `torch_empty_cache_steps`: None
+- `learning_rate`: 3e-05
+- `weight_decay`: 0.2
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `max_grad_norm`: 0.65
+- `num_train_epochs`: 5
+- `max_steps`: -1
+- `lr_scheduler_type`: cosine
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.15
+- `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
+- `bf16`: False
+- `fp16`: True
+- `fp16_opt_level`: O1
+- `half_precision_backend`: auto
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: None
+- `local_rank`: 0
+- `ddp_backend`: None
+- `tpu_num_cores`: None
+- `tpu_metrics_debug`: False
+- `debug`: []
+- `dataloader_drop_last`: False
+- `dataloader_num_workers`: 0
+- `dataloader_prefetch_factor`: None
+- `past_index`: -1
+- `disable_tqdm`: False
+- `remove_unused_columns`: True
+- `label_names`: None
+- `load_best_model_at_end`: True
+- `ignore_data_skip`: False
+- `fsdp`: []
+- `fsdp_min_num_params`: 0
+- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
+- `fsdp_transformer_layer_cls_to_wrap`: None
+- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
+- `parallelism_config`: None
+- `deepspeed`: None
+- `label_smoothing_factor`: 0.0
+- `optim`: adamw_torch_fused
+- `optim_args`: None
+- `adafactor`: False
+- `group_by_length`: True
+- `length_column_name`: length
+- `project`: huggingface
+- `trackio_space_id`: trackio
+- `ddp_find_unused_parameters`: None
+- `ddp_bucket_cap_mb`: None
+- `ddp_broadcast_buffers`: False
+- `dataloader_pin_memory`: True
+- `dataloader_persistent_workers`: False
+- `skip_memory_metrics`: True
+- `use_legacy_prediction_loop`: False
+- `push_to_hub`: False
+- `resume_from_checkpoint`: None
+- `hub_model_id`: None
+- `hub_strategy`: every_save
+- `hub_private_repo`: None
+- `hub_always_push`: False
+- `hub_revision`: None
+- `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`: no
+- `neftune_noise_alpha`: None
+- `optim_target_modules`: None
+- `batch_eval_metrics`: False
+- `eval_on_start`: False
+- `use_liger_kernel`: False
+- `liger_kernel_config`: None
+- `eval_use_gather_object`: False
+- `average_tokens_across_devices`: True
+- `prompts`: None
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+- `router_mapping`: {}
+- `learning_rate_mapping`: {}
+
+</details>
+
+### Training Logs
+| Epoch | Step | Training Loss | Validation Loss | dim_768_cosine_ndcg@10 | dim_512_cosine_ndcg@10 | dim_256_cosine_ndcg@10 | dim_128_cosine_ndcg@10 | dim_64_cosine_ndcg@10 |
+|:-----:|:----:|:-------------:|:---------------:|:----------------------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|
+| 1.0   | 34   | 1.6861        | 0.6655          | 0.6172                 | 0.6148                 | 0.6059                 | 0.5862                 | 0.5547                |
+| 2.0   | 68   | 0.5426        | 0.4693          | 0.6877                 | 0.6889                 | 0.6830                 | 0.6684                 | 0.6508                |
+| 3.0   | 102  | 0.3528        | 0.4305          | 0.6939                 | 0.6919                 | 0.6855                 | 0.6752                 | 0.6595                |
+| 4.0   | 136  | 0.268         | 0.4048          | 0.6953                 | 0.6921                 | 0.6898                 | 0.6767                 | 0.6607                |
+| 5.0   | 170  | 0.2341        | 0.4039          | 0.6953                 | 0.6923                 | 0.6900                 | 0.6769                 | 0.6605                |
+
+
+### Framework Versions
+- Python: 3.12.12
+- Sentence Transformers: 5.1.2
+- Transformers: 4.57.3
+- PyTorch: 2.9.0+cu126
+- Accelerate: 1.12.0
+- Datasets: 4.0.0
+- Tokenizers: 0.22.1
+
+## 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",
+}
+```
+
+#### MatryoshkaLoss
+```bibtex
+@misc{kusupati2024matryoshka,
+    title={Matryoshka Representation Learning},
+    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
+    year={2024},
+    eprint={2205.13147},
+    archivePrefix={arXiv},
+    primaryClass={cs.LG}
+}
+```
+
+#### 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.*
+-->

checkpoint-170/added_tokens.json

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

checkpoint-170/config.json

@@ -0,0 +1,27 @@
+{
+  "architectures": [
+    "RobertaModel"
+  ],
+  "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,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 258,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "PhobertTokenizer",
+  "transformers_version": "4.57.3",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 64001
+}

checkpoint-170/config_sentence_transformers.json

@@ -0,0 +1,14 @@
+{
+  "__version__": {
+    "sentence_transformers": "5.1.2",
+    "transformers": "4.57.3",
+    "pytorch": "2.9.0+cu126"
+  },
+  "model_type": "SentenceTransformer",
+  "prompts": {
+    "query": "",
+    "document": ""
+  },
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

checkpoint-170/model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:e6d41c4c58085e4e1604e7afe85b8fc156d096c92d65878e5f4f21420b9785f5
+size 540015464

checkpoint-170/modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

checkpoint-170/optimizer.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:e0f327e86f20ab01ed0060a3cb2c031c457c254900a4625527ddd418f1f85851
+size 1075427873

checkpoint-170/rng_state.pth

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:089f72f608fab9a633637fbf09a893f3cead41c4222617b444c5b946a5005ca4
+size 14565

checkpoint-170/scaler.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:24cd50b9d335119411f6cce3285a6f2a06ea076ed78119ca40ae52bcf892d4dd
+size 1389

checkpoint-170/scheduler.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:b114b2674de8b2bb8c01dd0d6f0541e81f4797c4835b3ac8d81d3e9918d73fe5
+size 1453

checkpoint-170/sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+    "max_seq_length": 256,
+    "do_lower_case": false
+}

checkpoint-170/special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "<mask>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "<pad>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "<unk>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

checkpoint-170/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
+    },
+    "64000": {
+      "content": "<mask>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "model_max_length": 256,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "PhobertTokenizer",
+  "unk_token": "<unk>"
+}

checkpoint-170/trainer_state.json

@@ -0,0 +1,498 @@
+{
+  "best_global_step": 170,
+  "best_metric": 0.40385201573371887,
+  "best_model_checkpoint": "/content/drive/MyDrive/NLP/\u0110o\u0302 a\u0301n/model_embedding_legal/checkpoint-170",
+  "epoch": 5.0,
+  "eval_steps": 500,
+  "global_step": 170,
+  "is_hyper_param_search": false,
+  "is_local_process_zero": true,
+  "is_world_process_zero": true,
+  "log_history": [
+    {
+      "epoch": 1.0,
+      "grad_norm": 6.90657901763916,
+      "learning_rate": 2.982542265701641e-05,
+      "loss": 1.6861,
+      "step": 34
+    },
+    {
+      "epoch": 1.0,
+      "eval_dim_128_cosine_accuracy@1": 0.4124381188118812,
+      "eval_dim_128_cosine_accuracy@10": 0.750309405940594,
+      "eval_dim_128_cosine_accuracy@3": 0.6330445544554455,
+      "eval_dim_128_cosine_accuracy@5": 0.6933787128712872,
+      "eval_dim_128_cosine_map@100": 0.5390741765753619,
+      "eval_dim_128_cosine_mrr@10": 0.5330007219471937,
+      "eval_dim_128_cosine_ndcg@10": 0.5861805571411892,
+      "eval_dim_128_cosine_precision@1": 0.4124381188118812,
+      "eval_dim_128_cosine_precision@10": 0.0750309405940594,
+      "eval_dim_128_cosine_precision@3": 0.2110148514851485,
+      "eval_dim_128_cosine_precision@5": 0.1386757425742574,
+      "eval_dim_128_cosine_recall@1": 0.4124381188118812,
+      "eval_dim_128_cosine_recall@10": 0.750309405940594,
+      "eval_dim_128_cosine_recall@3": 0.6330445544554455,
+      "eval_dim_128_cosine_recall@5": 0.6933787128712872,
+      "eval_dim_256_cosine_accuracy@1": 0.4368811881188119,
+      "eval_dim_256_cosine_accuracy@10": 0.7676361386138614,
+      "eval_dim_256_cosine_accuracy@3": 0.6534653465346535,
+      "eval_dim_256_cosine_accuracy@5": 0.7085396039603961,
+      "eval_dim_256_cosine_map@100": 0.5592759707659912,
+      "eval_dim_256_cosine_mrr@10": 0.5535645528838586,
+      "eval_dim_256_cosine_ndcg@10": 0.605897792319333,
+      "eval_dim_256_cosine_precision@1": 0.4368811881188119,
+      "eval_dim_256_cosine_precision@10": 0.07676361386138612,
+      "eval_dim_256_cosine_precision@3": 0.21782178217821782,
+      "eval_dim_256_cosine_precision@5": 0.1417079207920792,
+      "eval_dim_256_cosine_recall@1": 0.4368811881188119,
+      "eval_dim_256_cosine_recall@10": 0.7676361386138614,
+      "eval_dim_256_cosine_recall@3": 0.6534653465346535,
+      "eval_dim_256_cosine_recall@5": 0.7085396039603961,
+      "eval_dim_512_cosine_accuracy@1": 0.45142326732673266,
+      "eval_dim_512_cosine_accuracy@10": 0.7716584158415841,
+      "eval_dim_512_cosine_accuracy@3": 0.6596534653465347,
+      "eval_dim_512_cosine_accuracy@5": 0.713180693069307,
+      "eval_dim_512_cosine_map@100": 0.5698535530932649,
+      "eval_dim_512_cosine_mrr@10": 0.5641202066635224,
+      "eval_dim_512_cosine_ndcg@10": 0.6147827472397471,
+      "eval_dim_512_cosine_precision@1": 0.45142326732673266,
+      "eval_dim_512_cosine_precision@10": 0.07716584158415841,
+      "eval_dim_512_cosine_precision@3": 0.21988448844884487,
+      "eval_dim_512_cosine_precision@5": 0.14263613861386137,
+      "eval_dim_512_cosine_recall@1": 0.45142326732673266,
+      "eval_dim_512_cosine_recall@10": 0.7716584158415841,
+      "eval_dim_512_cosine_recall@3": 0.6596534653465347,
+      "eval_dim_512_cosine_recall@5": 0.713180693069307,
+      "eval_dim_64_cosine_accuracy@1": 0.37902227722772275,
+      "eval_dim_64_cosine_accuracy@10": 0.719059405940594,
+      "eval_dim_64_cosine_accuracy@3": 0.6070544554455446,
+      "eval_dim_64_cosine_accuracy@5": 0.661819306930693,
+      "eval_dim_64_cosine_map@100": 0.5078663720617047,
+      "eval_dim_64_cosine_mrr@10": 0.5013101868222527,
+      "eval_dim_64_cosine_ndcg@10": 0.5546728174754348,
+      "eval_dim_64_cosine_precision@1": 0.37902227722772275,
+      "eval_dim_64_cosine_precision@10": 0.0719059405940594,
+      "eval_dim_64_cosine_precision@3": 0.20235148514851486,
+      "eval_dim_64_cosine_precision@5": 0.1323638613861386,
+      "eval_dim_64_cosine_recall@1": 0.37902227722772275,
+      "eval_dim_64_cosine_recall@10": 0.719059405940594,
+      "eval_dim_64_cosine_recall@3": 0.6070544554455446,
+      "eval_dim_64_cosine_recall@5": 0.661819306930693,
+      "eval_dim_768_cosine_accuracy@1": 0.4498762376237624,
+      "eval_dim_768_cosine_accuracy@10": 0.7766089108910891,
+      "eval_dim_768_cosine_accuracy@3": 0.6636757425742574,
+      "eval_dim_768_cosine_accuracy@5": 0.718440594059406,
+      "eval_dim_768_cosine_map@100": 0.5711039325345794,
+      "eval_dim_768_cosine_mrr@10": 0.5655928316045877,
+      "eval_dim_768_cosine_ndcg@10": 0.6171865359941737,
+      "eval_dim_768_cosine_precision@1": 0.4498762376237624,
+      "eval_dim_768_cosine_precision@10": 0.0776608910891089,
+      "eval_dim_768_cosine_precision@3": 0.22122524752475248,
+      "eval_dim_768_cosine_precision@5": 0.14368811881188118,
+      "eval_dim_768_cosine_recall@1": 0.4498762376237624,
+      "eval_dim_768_cosine_recall@10": 0.7766089108910891,
+      "eval_dim_768_cosine_recall@3": 0.6636757425742574,
+      "eval_dim_768_cosine_recall@5": 0.718440594059406,
+      "eval_loss": 0.6655384302139282,
+      "eval_runtime": 496.2527,
+      "eval_samples_per_second": 6.515,
+      "eval_sequential_score": 0.5546728174754348,
+      "eval_steps_per_second": 0.103,
+      "step": 34
+    },
+    {
+      "epoch": 2.0,
+      "grad_norm": 6.398759365081787,
+      "learning_rate": 2.4388852082760887e-05,
+      "loss": 0.5426,
+      "step": 68
+    },
+    {
+      "epoch": 2.0,
+      "eval_dim_128_cosine_accuracy@1": 0.5795173267326733,
+      "eval_dim_128_cosine_accuracy@10": 0.7633044554455446,
+      "eval_dim_128_cosine_accuracy@3": 0.6741955445544554,
+      "eval_dim_128_cosine_accuracy@5": 0.713490099009901,
+      "eval_dim_128_cosine_map@100": 0.6450664283037013,
+      "eval_dim_128_cosine_mrr@10": 0.6384666480040855,
+      "eval_dim_128_cosine_ndcg@10": 0.6684418951354488,
+      "eval_dim_128_cosine_precision@1": 0.5795173267326733,
+      "eval_dim_128_cosine_precision@10": 0.07633044554455444,
+      "eval_dim_128_cosine_precision@3": 0.22473184818481845,
+      "eval_dim_128_cosine_precision@5": 0.14269801980198019,
+      "eval_dim_128_cosine_recall@1": 0.5795173267326733,
+      "eval_dim_128_cosine_recall@10": 0.7633044554455446,
+      "eval_dim_128_cosine_recall@3": 0.6741955445544554,
+      "eval_dim_128_cosine_recall@5": 0.713490099009901,
+      "eval_dim_256_cosine_accuracy@1": 0.5931311881188119,
+      "eval_dim_256_cosine_accuracy@10": 0.7831064356435643,
+      "eval_dim_256_cosine_accuracy@3": 0.687809405940594,
+      "eval_dim_256_cosine_accuracy@5": 0.7261757425742574,
+      "eval_dim_256_cosine_map@100": 0.6575604388902454,
+      "eval_dim_256_cosine_mrr@10": 0.6516103842527105,
+      "eval_dim_256_cosine_ndcg@10": 0.6829713329028779,
+      "eval_dim_256_cosine_precision@1": 0.5931311881188119,
+      "eval_dim_256_cosine_precision@10": 0.07831064356435644,
+      "eval_dim_256_cosine_precision@3": 0.22926980198019803,
+      "eval_dim_256_cosine_precision@5": 0.14523514851485148,
+      "eval_dim_256_cosine_recall@1": 0.5931311881188119,
+      "eval_dim_256_cosine_recall@10": 0.7831064356435643,
+      "eval_dim_256_cosine_recall@3": 0.687809405940594,
+      "eval_dim_256_cosine_recall@5": 0.7261757425742574,
+      "eval_dim_512_cosine_accuracy@1": 0.6014851485148515,
+      "eval_dim_512_cosine_accuracy@10": 0.786200495049505,
+      "eval_dim_512_cosine_accuracy@3": 0.6902846534653465,
+      "eval_dim_512_cosine_accuracy@5": 0.7323638613861386,
+      "eval_dim_512_cosine_map@100": 0.6642318800504701,
+      "eval_dim_512_cosine_mrr@10": 0.658349171970768,
+      "eval_dim_512_cosine_ndcg@10": 0.6888741353339312,
+      "eval_dim_512_cosine_precision@1": 0.6014851485148515,
+      "eval_dim_512_cosine_precision@10": 0.07862004950495048,
+      "eval_dim_512_cosine_precision@3": 0.23009488448844886,
+      "eval_dim_512_cosine_precision@5": 0.14647277227722771,
+      "eval_dim_512_cosine_recall@1": 0.6014851485148515,
+      "eval_dim_512_cosine_recall@10": 0.786200495049505,
+      "eval_dim_512_cosine_recall@3": 0.6902846534653465,
+      "eval_dim_512_cosine_recall@5": 0.7323638613861386,
+      "eval_dim_64_cosine_accuracy@1": 0.5637376237623762,
+      "eval_dim_64_cosine_accuracy@10": 0.745049504950495,
+      "eval_dim_64_cosine_accuracy@3": 0.6574876237623762,
+      "eval_dim_64_cosine_accuracy@5": 0.6958539603960396,
+      "eval_dim_64_cosine_map@100": 0.6276111030423622,
+      "eval_dim_64_cosine_mrr@10": 0.621153666705955,
+      "eval_dim_64_cosine_ndcg@10": 0.6508362012533989,
+      "eval_dim_64_cosine_precision@1": 0.5637376237623762,
+      "eval_dim_64_cosine_precision@10": 0.0745049504950495,
+      "eval_dim_64_cosine_precision@3": 0.21916254125412538,
+      "eval_dim_64_cosine_precision@5": 0.1391707920792079,
+      "eval_dim_64_cosine_recall@1": 0.5637376237623762,
+      "eval_dim_64_cosine_recall@10": 0.745049504950495,
+      "eval_dim_64_cosine_recall@3": 0.6574876237623762,
+      "eval_dim_64_cosine_recall@5": 0.6958539603960396,
+      "eval_dim_768_cosine_accuracy@1": 0.5974628712871287,
+      "eval_dim_768_cosine_accuracy@10": 0.7852722772277227,
+      "eval_dim_768_cosine_accuracy@3": 0.6943069306930693,
+      "eval_dim_768_cosine_accuracy@5": 0.7351485148514851,
+      "eval_dim_768_cosine_map@100": 0.6630474427615004,
+      "eval_dim_768_cosine_mrr@10": 0.656933517012415,
+      "eval_dim_768_cosine_ndcg@10": 0.6877247613199143,
+      "eval_dim_768_cosine_precision@1": 0.5974628712871287,
+      "eval_dim_768_cosine_precision@10": 0.07852722772277228,
+      "eval_dim_768_cosine_precision@3": 0.23143564356435645,
+      "eval_dim_768_cosine_precision@5": 0.14702970297029702,
+      "eval_dim_768_cosine_recall@1": 0.5974628712871287,
+      "eval_dim_768_cosine_recall@10": 0.7852722772277227,
+      "eval_dim_768_cosine_recall@3": 0.6943069306930693,
+      "eval_dim_768_cosine_recall@5": 0.7351485148514851,
+      "eval_loss": 0.46934831142425537,
+      "eval_runtime": 491.2435,
+      "eval_samples_per_second": 6.581,
+      "eval_sequential_score": 0.6508362012533989,
+      "eval_steps_per_second": 0.104,
+      "step": 68
+    },
+    {
+      "epoch": 3.0,
+      "grad_norm": 4.690380573272705,
+      "learning_rate": 1.4018953061547854e-05,
+      "loss": 0.3528,
+      "step": 102
+    },
+    {
+      "epoch": 3.0,
+      "eval_dim_128_cosine_accuracy@1": 0.588799504950495,
+      "eval_dim_128_cosine_accuracy@10": 0.7735148514851485,
+      "eval_dim_128_cosine_accuracy@3": 0.6735767326732673,
+      "eval_dim_128_cosine_accuracy@5": 0.7196782178217822,
+      "eval_dim_128_cosine_map@100": 0.6505516720307649,
+      "eval_dim_128_cosine_mrr@10": 0.6444403926999842,
+      "eval_dim_128_cosine_ndcg@10": 0.6752041805385901,
+      "eval_dim_128_cosine_precision@1": 0.588799504950495,
+      "eval_dim_128_cosine_precision@10": 0.07735148514851485,
+      "eval_dim_128_cosine_precision@3": 0.22452557755775576,
+      "eval_dim_128_cosine_precision@5": 0.14393564356435642,
+      "eval_dim_128_cosine_recall@1": 0.588799504950495,
+      "eval_dim_128_cosine_recall@10": 0.7735148514851485,
+      "eval_dim_128_cosine_recall@3": 0.6735767326732673,
+      "eval_dim_128_cosine_recall@5": 0.7196782178217822,
+      "eval_dim_256_cosine_accuracy@1": 0.598700495049505,
+      "eval_dim_256_cosine_accuracy@10": 0.7827970297029703,
+      "eval_dim_256_cosine_accuracy@3": 0.6868811881188119,
+      "eval_dim_256_cosine_accuracy@5": 0.7317450495049505,
+      "eval_dim_256_cosine_map@100": 0.6609633297873007,
+      "eval_dim_256_cosine_mrr@10": 0.6549405498585567,
+      "eval_dim_256_cosine_ndcg@10": 0.6854719862198021,
+      "eval_dim_256_cosine_precision@1": 0.598700495049505,
+      "eval_dim_256_cosine_precision@10": 0.07827970297029702,
+      "eval_dim_256_cosine_precision@3": 0.22896039603960397,
+      "eval_dim_256_cosine_precision@5": 0.1463490099009901,
+      "eval_dim_256_cosine_recall@1": 0.598700495049505,
+      "eval_dim_256_cosine_recall@10": 0.7827970297029703,
+      "eval_dim_256_cosine_recall@3": 0.6868811881188119,
+      "eval_dim_256_cosine_recall@5": 0.7317450495049505,
+      "eval_dim_512_cosine_accuracy@1": 0.6061262376237624,
+      "eval_dim_512_cosine_accuracy@10": 0.7886757425742574,
+      "eval_dim_512_cosine_accuracy@3": 0.6921410891089109,
+      "eval_dim_512_cosine_accuracy@5": 0.739480198019802,
+      "eval_dim_512_cosine_map@100": 0.6674689768675662,
+      "eval_dim_512_cosine_mrr@10": 0.6616048100345742,
+      "eval_dim_512_cosine_ndcg@10": 0.6919295866827898,
+      "eval_dim_512_cosine_precision@1": 0.6061262376237624,
+      "eval_dim_512_cosine_precision@10": 0.07886757425742573,
+      "eval_dim_512_cosine_precision@3": 0.23071369636963696,
+      "eval_dim_512_cosine_precision@5": 0.1478960396039604,
+      "eval_dim_512_cosine_recall@1": 0.6061262376237624,
+      "eval_dim_512_cosine_recall@10": 0.7886757425742574,
+      "eval_dim_512_cosine_recall@3": 0.6921410891089109,
+      "eval_dim_512_cosine_recall@5": 0.739480198019802,
+      "eval_dim_64_cosine_accuracy@1": 0.5779702970297029,
+      "eval_dim_64_cosine_accuracy@10": 0.7546410891089109,
+      "eval_dim_64_cosine_accuracy@3": 0.6571782178217822,
+      "eval_dim_64_cosine_accuracy@5": 0.6967821782178217,
+      "eval_dim_64_cosine_map@100": 0.6359739450990423,
+      "eval_dim_64_cosine_mrr@10": 0.6299013829954415,
+      "eval_dim_64_cosine_ndcg@10": 0.6594783681667493,
+      "eval_dim_64_cosine_precision@1": 0.5779702970297029,
+      "eval_dim_64_cosine_precision@10": 0.07546410891089109,
+      "eval_dim_64_cosine_precision@3": 0.21905940594059406,
+      "eval_dim_64_cosine_precision@5": 0.13935643564356434,
+      "eval_dim_64_cosine_recall@1": 0.5779702970297029,
+      "eval_dim_64_cosine_recall@10": 0.7546410891089109,
+      "eval_dim_64_cosine_recall@3": 0.6571782178217822,
+      "eval_dim_64_cosine_recall@5": 0.6967821782178217,
+      "eval_dim_768_cosine_accuracy@1": 0.6079826732673267,
+      "eval_dim_768_cosine_accuracy@10": 0.7899133663366337,
+      "eval_dim_768_cosine_accuracy@3": 0.6958539603960396,
+      "eval_dim_768_cosine_accuracy@5": 0.7422648514851485,
+      "eval_dim_768_cosine_map@100": 0.6694799794360519,
+      "eval_dim_768_cosine_mrr@10": 0.6637049642464244,
+      "eval_dim_768_cosine_ndcg@10": 0.6938587875325103,
+      "eval_dim_768_cosine_precision@1": 0.6079826732673267,
+      "eval_dim_768_cosine_precision@10": 0.07899133663366337,
+      "eval_dim_768_cosine_precision@3": 0.2319513201320132,
+      "eval_dim_768_cosine_precision@5": 0.1484529702970297,
+      "eval_dim_768_cosine_recall@1": 0.6079826732673267,
+      "eval_dim_768_cosine_recall@10": 0.7899133663366337,
+      "eval_dim_768_cosine_recall@3": 0.6958539603960396,
+      "eval_dim_768_cosine_recall@5": 0.7422648514851485,
+      "eval_loss": 0.43045657873153687,
+      "eval_runtime": 491.1449,
+      "eval_samples_per_second": 6.583,
+      "eval_sequential_score": 0.6594783681667493,
+      "eval_steps_per_second": 0.104,
+      "step": 102
+    },
+    {
+      "epoch": 4.0,
+      "grad_norm": 3.85292387008667,
+      "learning_rate": 4.164540569103667e-06,
+      "loss": 0.268,
+      "step": 136
+    },
+    {
+      "epoch": 4.0,
+      "eval_dim_128_cosine_accuracy@1": 0.5909653465346535,
+      "eval_dim_128_cosine_accuracy@10": 0.7747524752475248,
+      "eval_dim_128_cosine_accuracy@3": 0.6754331683168316,
+      "eval_dim_128_cosine_accuracy@5": 0.7206064356435643,
+      "eval_dim_128_cosine_map@100": 0.6521863637339076,
+      "eval_dim_128_cosine_mrr@10": 0.646089329915134,
+      "eval_dim_128_cosine_ndcg@10": 0.6767471876748526,
+      "eval_dim_128_cosine_precision@1": 0.5909653465346535,
+      "eval_dim_128_cosine_precision@10": 0.07747524752475247,
+      "eval_dim_128_cosine_precision@3": 0.2251443894389439,
+      "eval_dim_128_cosine_precision@5": 0.14412128712871286,
+      "eval_dim_128_cosine_recall@1": 0.5909653465346535,
+      "eval_dim_128_cosine_recall@10": 0.7747524752475248,
+      "eval_dim_128_cosine_recall@3": 0.6754331683168316,
+      "eval_dim_128_cosine_recall@5": 0.7206064356435643,
+      "eval_dim_256_cosine_accuracy@1": 0.6017945544554455,
+      "eval_dim_256_cosine_accuracy@10": 0.7886757425742574,
+      "eval_dim_256_cosine_accuracy@3": 0.6933787128712872,
+      "eval_dim_256_cosine_accuracy@5": 0.7323638613861386,
+      "eval_dim_256_cosine_map@100": 0.6646453380799541,
+      "eval_dim_256_cosine_mrr@10": 0.6588266639163911,
+      "eval_dim_256_cosine_ndcg@10": 0.689763722191061,
+      "eval_dim_256_cosine_precision@1": 0.6017945544554455,
+      "eval_dim_256_cosine_precision@10": 0.07886757425742573,
+      "eval_dim_256_cosine_precision@3": 0.2311262376237624,
+      "eval_dim_256_cosine_precision@5": 0.14647277227722771,
+      "eval_dim_256_cosine_recall@1": 0.6017945544554455,
+      "eval_dim_256_cosine_recall@10": 0.7886757425742574,
+      "eval_dim_256_cosine_recall@3": 0.6933787128712872,
+      "eval_dim_256_cosine_recall@5": 0.7323638613861386,
+      "eval_dim_512_cosine_accuracy@1": 0.6033415841584159,
+      "eval_dim_512_cosine_accuracy@10": 0.7911509900990099,
+      "eval_dim_512_cosine_accuracy@3": 0.6955445544554455,
+      "eval_dim_512_cosine_accuracy@5": 0.7410272277227723,
+      "eval_dim_512_cosine_map@100": 0.666779697385627,
+      "eval_dim_512_cosine_mrr@10": 0.6609851386924402,
+      "eval_dim_512_cosine_ndcg@10": 0.6921184985693198,
+      "eval_dim_512_cosine_precision@1": 0.6033415841584159,
+      "eval_dim_512_cosine_precision@10": 0.07911509900990099,
+      "eval_dim_512_cosine_precision@3": 0.23184818481848185,
+      "eval_dim_512_cosine_precision@5": 0.14820544554455445,
+      "eval_dim_512_cosine_recall@1": 0.6033415841584159,
+      "eval_dim_512_cosine_recall@10": 0.7911509900990099,
+      "eval_dim_512_cosine_recall@3": 0.6955445544554455,
+      "eval_dim_512_cosine_recall@5": 0.7410272277227723,
+      "eval_dim_64_cosine_accuracy@1": 0.5764232673267327,
+      "eval_dim_64_cosine_accuracy@10": 0.7568069306930693,
+      "eval_dim_64_cosine_accuracy@3": 0.6596534653465347,
+      "eval_dim_64_cosine_accuracy@5": 0.698019801980198,
+      "eval_dim_64_cosine_map@100": 0.636912211423935,
+      "eval_dim_64_cosine_mrr@10": 0.6308043081093817,
+      "eval_dim_64_cosine_ndcg@10": 0.6607288131349602,
+      "eval_dim_64_cosine_precision@1": 0.5764232673267327,
+      "eval_dim_64_cosine_precision@10": 0.07568069306930691,
+      "eval_dim_64_cosine_precision@3": 0.21988448844884487,
+      "eval_dim_64_cosine_precision@5": 0.1396039603960396,
+      "eval_dim_64_cosine_recall@1": 0.5764232673267327,
+      "eval_dim_64_cosine_recall@10": 0.7568069306930693,
+      "eval_dim_64_cosine_recall@3": 0.6596534653465347,
+      "eval_dim_64_cosine_recall@5": 0.698019801980198,
+      "eval_dim_768_cosine_accuracy@1": 0.6061262376237624,
+      "eval_dim_768_cosine_accuracy@10": 0.7939356435643564,
+      "eval_dim_768_cosine_accuracy@3": 0.7008044554455446,
+      "eval_dim_768_cosine_accuracy@5": 0.7419554455445545,
+      "eval_dim_768_cosine_map@100": 0.669943476319759,
+      "eval_dim_768_cosine_mrr@10": 0.6643359313609929,
+      "eval_dim_768_cosine_ndcg@10": 0.6953383284750302,
+      "eval_dim_768_cosine_precision@1": 0.6061262376237624,
+      "eval_dim_768_cosine_precision@10": 0.07939356435643563,
+      "eval_dim_768_cosine_precision@3": 0.23360148514851486,
+      "eval_dim_768_cosine_precision@5": 0.14839108910891088,
+      "eval_dim_768_cosine_recall@1": 0.6061262376237624,
+      "eval_dim_768_cosine_recall@10": 0.7939356435643564,
+      "eval_dim_768_cosine_recall@3": 0.7008044554455446,
+      "eval_dim_768_cosine_recall@5": 0.7419554455445545,
+      "eval_loss": 0.4047935903072357,
+      "eval_runtime": 492.2642,
+      "eval_samples_per_second": 6.568,
+      "eval_sequential_score": 0.6607288131349602,
+      "eval_steps_per_second": 0.104,
+      "step": 136
+    },
+    {
+      "epoch": 5.0,
+      "grad_norm": 4.619815349578857,
+      "learning_rate": 3.5695938013630136e-09,
+      "loss": 0.2341,
+      "step": 170
+    },
+    {
+      "epoch": 5.0,
+      "eval_dim_128_cosine_accuracy@1": 0.5915841584158416,
+      "eval_dim_128_cosine_accuracy@10": 0.7738242574257426,
+      "eval_dim_128_cosine_accuracy@3": 0.6763613861386139,
+      "eval_dim_128_cosine_accuracy@5": 0.7230816831683168,
+      "eval_dim_128_cosine_map@100": 0.6528103079926022,
+      "eval_dim_128_cosine_mrr@10": 0.6465193059484518,
+      "eval_dim_128_cosine_ndcg@10": 0.6768923401788021,
+      "eval_dim_128_cosine_precision@1": 0.5915841584158416,
+      "eval_dim_128_cosine_precision@10": 0.07738242574257424,
+      "eval_dim_128_cosine_precision@3": 0.22545379537953794,
+      "eval_dim_128_cosine_precision@5": 0.14461633663366336,
+      "eval_dim_128_cosine_recall@1": 0.5915841584158416,
+      "eval_dim_128_cosine_recall@10": 0.7738242574257426,
+      "eval_dim_128_cosine_recall@3": 0.6763613861386139,
+      "eval_dim_128_cosine_recall@5": 0.7230816831683168,
+      "eval_dim_256_cosine_accuracy@1": 0.6036509900990099,
+      "eval_dim_256_cosine_accuracy@10": 0.7874381188118812,
+      "eval_dim_256_cosine_accuracy@3": 0.693069306930693,
+      "eval_dim_256_cosine_accuracy@5": 0.7345297029702971,
+      "eval_dim_256_cosine_map@100": 0.6654213269021221,
+      "eval_dim_256_cosine_mrr@10": 0.6594872210435324,
+      "eval_dim_256_cosine_ndcg@10": 0.6899985182895687,
+      "eval_dim_256_cosine_precision@1": 0.6036509900990099,
+      "eval_dim_256_cosine_precision@10": 0.0787438118811881,
+      "eval_dim_256_cosine_precision@3": 0.23102310231023104,
+      "eval_dim_256_cosine_precision@5": 0.1469059405940594,
+      "eval_dim_256_cosine_recall@1": 0.6036509900990099,
+      "eval_dim_256_cosine_recall@10": 0.7874381188118812,
+      "eval_dim_256_cosine_recall@3": 0.693069306930693,
+      "eval_dim_256_cosine_recall@5": 0.7345297029702971,
+      "eval_dim_512_cosine_accuracy@1": 0.6045792079207921,
+      "eval_dim_512_cosine_accuracy@10": 0.7892945544554455,
+      "eval_dim_512_cosine_accuracy@3": 0.6955445544554455,
+      "eval_dim_512_cosine_accuracy@5": 0.7413366336633663,
+      "eval_dim_512_cosine_map@100": 0.6678128035277444,
+      "eval_dim_512_cosine_mrr@10": 0.6617676164937917,
+      "eval_dim_512_cosine_ndcg@10": 0.6923022700361329,
+      "eval_dim_512_cosine_precision@1": 0.6045792079207921,
+      "eval_dim_512_cosine_precision@10": 0.07892945544554454,
+      "eval_dim_512_cosine_precision@3": 0.23184818481848182,
+      "eval_dim_512_cosine_precision@5": 0.14826732673267323,
+      "eval_dim_512_cosine_recall@1": 0.6045792079207921,
+      "eval_dim_512_cosine_recall@10": 0.7892945544554455,
+      "eval_dim_512_cosine_recall@3": 0.6955445544554455,
+      "eval_dim_512_cosine_recall@5": 0.7413366336633663,
+      "eval_dim_64_cosine_accuracy@1": 0.5770420792079208,
+      "eval_dim_64_cosine_accuracy@10": 0.755569306930693,
+      "eval_dim_64_cosine_accuracy@3": 0.6593440594059405,
+      "eval_dim_64_cosine_accuracy@5": 0.6989480198019802,
+      "eval_dim_64_cosine_map@100": 0.6369596779835216,
+      "eval_dim_64_cosine_mrr@10": 0.6308034486484356,
+      "eval_dim_64_cosine_ndcg@10": 0.6604592325341517,
+      "eval_dim_64_cosine_precision@1": 0.5770420792079208,
+      "eval_dim_64_cosine_precision@10": 0.0755569306930693,
+      "eval_dim_64_cosine_precision@3": 0.2197813531353135,
+      "eval_dim_64_cosine_precision@5": 0.13978960396039602,
+      "eval_dim_64_cosine_recall@1": 0.5770420792079208,
+      "eval_dim_64_cosine_recall@10": 0.755569306930693,
+      "eval_dim_64_cosine_recall@3": 0.6593440594059405,
+      "eval_dim_64_cosine_recall@5": 0.6989480198019802,
+      "eval_dim_768_cosine_accuracy@1": 0.6073638613861386,
+      "eval_dim_768_cosine_accuracy@10": 0.7920792079207921,
+      "eval_dim_768_cosine_accuracy@3": 0.7004950495049505,
+      "eval_dim_768_cosine_accuracy@5": 0.7419554455445545,
+      "eval_dim_768_cosine_map@100": 0.6707577379319669,
+      "eval_dim_768_cosine_mrr@10": 0.6648522218293257,
+      "eval_dim_768_cosine_ndcg@10": 0.6953201867128341,
+      "eval_dim_768_cosine_precision@1": 0.6073638613861386,
+      "eval_dim_768_cosine_precision@10": 0.0792079207920792,
+      "eval_dim_768_cosine_precision@3": 0.2334983498349835,
+      "eval_dim_768_cosine_precision@5": 0.1483910891089109,
+      "eval_dim_768_cosine_recall@1": 0.6073638613861386,
+      "eval_dim_768_cosine_recall@10": 0.7920792079207921,
+      "eval_dim_768_cosine_recall@3": 0.7004950495049505,
+      "eval_dim_768_cosine_recall@5": 0.7419554455445545,
+      "eval_loss": 0.40385201573371887,
+      "eval_runtime": 492.2835,
+      "eval_samples_per_second": 6.567,
+      "eval_sequential_score": 0.6604592325341517,
+      "eval_steps_per_second": 0.104,
+      "step": 170
+    }
+  ],
+  "logging_steps": 500,
+  "max_steps": 170,
+  "num_input_tokens_seen": 0,
+  "num_train_epochs": 5,
+  "save_steps": 500,
+  "stateful_callbacks": {
+    "EarlyStoppingCallback": {
+      "args": {
+        "early_stopping_patience": 1,
+        "early_stopping_threshold": 0.001
+      },
+      "attributes": {
+        "early_stopping_patience_counter": 1
+      }
+    },
+    "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
+}

checkpoint-170/training_args.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:fc988e097dacfd51c49a922b0fc9a5072904df17b21671216c9b070d9ae65a37
+size 6189

config.json

@@ -0,0 +1,27 @@
+{
+  "architectures": [
+    "RobertaModel"
+  ],
+  "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,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 258,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "PhobertTokenizer",
+  "transformers_version": "4.57.3",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 64001
+}

config_sentence_transformers.json

@@ -0,0 +1,14 @@
+{
+  "__version__": {
+    "sentence_transformers": "5.1.2",
+    "transformers": "4.57.3",
+    "pytorch": "2.9.0+cu126"
+  },
+  "model_type": "SentenceTransformer",
+  "prompts": {
+    "query": "",
+    "document": ""
+  },
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

eval/Information-Retrieval_evaluation_dim_128_results.csv

@@ -0,0 +1,6 @@
+epoch,steps,cosine-Accuracy@1,cosine-Accuracy@3,cosine-Accuracy@5,cosine-Accuracy@10,cosine-Precision@1,cosine-Recall@1,cosine-Precision@3,cosine-Recall@3,cosine-Precision@5,cosine-Recall@5,cosine-Precision@10,cosine-Recall@10,cosine-MRR@10,cosine-NDCG@10,cosine-MAP@100
+1.0,34,0.4124381188118812,0.6330445544554455,0.6933787128712872,0.750309405940594,0.4124381188118812,0.4124381188118812,0.2110148514851485,0.6330445544554455,0.1386757425742574,0.6933787128712872,0.0750309405940594,0.750309405940594,0.5330007219471937,0.5861805571411892,0.5390741765753619
+2.0,68,0.5795173267326733,0.6741955445544554,0.713490099009901,0.7633044554455446,0.5795173267326733,0.5795173267326733,0.22473184818481845,0.6741955445544554,0.14269801980198019,0.713490099009901,0.07633044554455444,0.7633044554455446,0.6384666480040855,0.6684418951354488,0.6450664283037013
+3.0,102,0.588799504950495,0.6735767326732673,0.7196782178217822,0.7735148514851485,0.588799504950495,0.588799504950495,0.22452557755775576,0.6735767326732673,0.14393564356435642,0.7196782178217822,0.07735148514851485,0.7735148514851485,0.6444403926999842,0.6752041805385901,0.6505516720307649
+4.0,136,0.5909653465346535,0.6754331683168316,0.7206064356435643,0.7747524752475248,0.5909653465346535,0.5909653465346535,0.2251443894389439,0.6754331683168316,0.14412128712871286,0.7206064356435643,0.07747524752475247,0.7747524752475248,0.646089329915134,0.6767471876748526,0.6521863637339076
+5.0,170,0.5915841584158416,0.6763613861386139,0.7230816831683168,0.7738242574257426,0.5915841584158416,0.5915841584158416,0.22545379537953794,0.6763613861386139,0.14461633663366336,0.7230816831683168,0.07738242574257424,0.7738242574257426,0.6465193059484518,0.6768923401788021,0.6528103079926022

eval/Information-Retrieval_evaluation_dim_256_results.csv

@@ -0,0 +1,6 @@
+epoch,steps,cosine-Accuracy@1,cosine-Accuracy@3,cosine-Accuracy@5,cosine-Accuracy@10,cosine-Precision@1,cosine-Recall@1,cosine-Precision@3,cosine-Recall@3,cosine-Precision@5,cosine-Recall@5,cosine-Precision@10,cosine-Recall@10,cosine-MRR@10,cosine-NDCG@10,cosine-MAP@100
+1.0,34,0.4368811881188119,0.6534653465346535,0.7085396039603961,0.7676361386138614,0.4368811881188119,0.4368811881188119,0.21782178217821782,0.6534653465346535,0.1417079207920792,0.7085396039603961,0.07676361386138612,0.7676361386138614,0.5535645528838586,0.605897792319333,0.5592759707659912
+2.0,68,0.5931311881188119,0.687809405940594,0.7261757425742574,0.7831064356435643,0.5931311881188119,0.5931311881188119,0.22926980198019803,0.687809405940594,0.14523514851485148,0.7261757425742574,0.07831064356435644,0.7831064356435643,0.6516103842527105,0.6829713329028779,0.6575604388902454
+3.0,102,0.598700495049505,0.6868811881188119,0.7317450495049505,0.7827970297029703,0.598700495049505,0.598700495049505,0.22896039603960397,0.6868811881188119,0.1463490099009901,0.7317450495049505,0.07827970297029702,0.7827970297029703,0.6549405498585567,0.6854719862198021,0.6609633297873007
+4.0,136,0.6017945544554455,0.6933787128712872,0.7323638613861386,0.7886757425742574,0.6017945544554455,0.6017945544554455,0.2311262376237624,0.6933787128712872,0.14647277227722771,0.7323638613861386,0.07886757425742573,0.7886757425742574,0.6588266639163911,0.689763722191061,0.6646453380799541
+5.0,170,0.6036509900990099,0.693069306930693,0.7345297029702971,0.7874381188118812,0.6036509900990099,0.6036509900990099,0.23102310231023104,0.693069306930693,0.1469059405940594,0.7345297029702971,0.0787438118811881,0.7874381188118812,0.6594872210435324,0.6899985182895687,0.6654213269021221

eval/Information-Retrieval_evaluation_dim_512_results.csv

@@ -0,0 +1,6 @@
+epoch,steps,cosine-Accuracy@1,cosine-Accuracy@3,cosine-Accuracy@5,cosine-Accuracy@10,cosine-Precision@1,cosine-Recall@1,cosine-Precision@3,cosine-Recall@3,cosine-Precision@5,cosine-Recall@5,cosine-Precision@10,cosine-Recall@10,cosine-MRR@10,cosine-NDCG@10,cosine-MAP@100
+1.0,34,0.45142326732673266,0.6596534653465347,0.713180693069307,0.7716584158415841,0.45142326732673266,0.45142326732673266,0.21988448844884487,0.6596534653465347,0.14263613861386137,0.713180693069307,0.07716584158415841,0.7716584158415841,0.5641202066635224,0.6147827472397471,0.5698535530932649
+2.0,68,0.6014851485148515,0.6902846534653465,0.7323638613861386,0.786200495049505,0.6014851485148515,0.6014851485148515,0.23009488448844886,0.6902846534653465,0.14647277227722771,0.7323638613861386,0.07862004950495048,0.786200495049505,0.658349171970768,0.6888741353339312,0.6642318800504701
+3.0,102,0.6061262376237624,0.6921410891089109,0.739480198019802,0.7886757425742574,0.6061262376237624,0.6061262376237624,0.23071369636963696,0.6921410891089109,0.1478960396039604,0.739480198019802,0.07886757425742573,0.7886757425742574,0.6616048100345742,0.6919295866827898,0.6674689768675662
+4.0,136,0.6033415841584159,0.6955445544554455,0.7410272277227723,0.7911509900990099,0.6033415841584159,0.6033415841584159,0.23184818481848185,0.6955445544554455,0.14820544554455445,0.7410272277227723,0.07911509900990099,0.7911509900990099,0.6609851386924402,0.6921184985693198,0.666779697385627
+5.0,170,0.6045792079207921,0.6955445544554455,0.7413366336633663,0.7892945544554455,0.6045792079207921,0.6045792079207921,0.23184818481848182,0.6955445544554455,0.14826732673267323,0.7413366336633663,0.07892945544554454,0.7892945544554455,0.6617676164937917,0.6923022700361329,0.6678128035277444

eval/Information-Retrieval_evaluation_dim_64_results.csv

@@ -0,0 +1,6 @@
+epoch,steps,cosine-Accuracy@1,cosine-Accuracy@3,cosine-Accuracy@5,cosine-Accuracy@10,cosine-Precision@1,cosine-Recall@1,cosine-Precision@3,cosine-Recall@3,cosine-Precision@5,cosine-Recall@5,cosine-Precision@10,cosine-Recall@10,cosine-MRR@10,cosine-NDCG@10,cosine-MAP@100
+1.0,34,0.37902227722772275,0.6070544554455446,0.661819306930693,0.719059405940594,0.37902227722772275,0.37902227722772275,0.20235148514851486,0.6070544554455446,0.1323638613861386,0.661819306930693,0.0719059405940594,0.719059405940594,0.5013101868222527,0.5546728174754348,0.5078663720617047
+2.0,68,0.5637376237623762,0.6574876237623762,0.6958539603960396,0.745049504950495,0.5637376237623762,0.5637376237623762,0.21916254125412538,0.6574876237623762,0.1391707920792079,0.6958539603960396,0.0745049504950495,0.745049504950495,0.621153666705955,0.6508362012533989,0.6276111030423622
+3.0,102,0.5779702970297029,0.6571782178217822,0.6967821782178217,0.7546410891089109,0.5779702970297029,0.5779702970297029,0.21905940594059406,0.6571782178217822,0.13935643564356434,0.6967821782178217,0.07546410891089109,0.7546410891089109,0.6299013829954415,0.6594783681667493,0.6359739450990423
+4.0,136,0.5764232673267327,0.6596534653465347,0.698019801980198,0.7568069306930693,0.5764232673267327,0.5764232673267327,0.21988448844884487,0.6596534653465347,0.1396039603960396,0.698019801980198,0.07568069306930691,0.7568069306930693,0.6308043081093817,0.6607288131349602,0.636912211423935
+5.0,170,0.5770420792079208,0.6593440594059405,0.6989480198019802,0.755569306930693,0.5770420792079208,0.5770420792079208,0.2197813531353135,0.6593440594059405,0.13978960396039602,0.6989480198019802,0.0755569306930693,0.755569306930693,0.6308034486484356,0.6604592325341517,0.6369596779835216

eval/Information-Retrieval_evaluation_dim_768_results.csv

@@ -0,0 +1,6 @@
+epoch,steps,cosine-Accuracy@1,cosine-Accuracy@3,cosine-Accuracy@5,cosine-Accuracy@10,cosine-Precision@1,cosine-Recall@1,cosine-Precision@3,cosine-Recall@3,cosine-Precision@5,cosine-Recall@5,cosine-Precision@10,cosine-Recall@10,cosine-MRR@10,cosine-NDCG@10,cosine-MAP@100
+1.0,34,0.4498762376237624,0.6636757425742574,0.718440594059406,0.7766089108910891,0.4498762376237624,0.4498762376237624,0.22122524752475248,0.6636757425742574,0.14368811881188118,0.718440594059406,0.0776608910891089,0.7766089108910891,0.5655928316045877,0.6171865359941737,0.5711039325345794
+2.0,68,0.5974628712871287,0.6943069306930693,0.7351485148514851,0.7852722772277227,0.5974628712871287,0.5974628712871287,0.23143564356435645,0.6943069306930693,0.14702970297029702,0.7351485148514851,0.07852722772277228,0.7852722772277227,0.656933517012415,0.6877247613199143,0.6630474427615004
+3.0,102,0.6079826732673267,0.6958539603960396,0.7422648514851485,0.7899133663366337,0.6079826732673267,0.6079826732673267,0.2319513201320132,0.6958539603960396,0.1484529702970297,0.7422648514851485,0.07899133663366337,0.7899133663366337,0.6637049642464244,0.6938587875325103,0.6694799794360519
+4.0,136,0.6061262376237624,0.7008044554455446,0.7419554455445545,0.7939356435643564,0.6061262376237624,0.6061262376237624,0.23360148514851486,0.7008044554455446,0.14839108910891088,0.7419554455445545,0.07939356435643563,0.7939356435643564,0.6643359313609929,0.6953383284750302,0.669943476319759
+5.0,170,0.6073638613861386,0.7004950495049505,0.7419554455445545,0.7920792079207921,0.6073638613861386,0.6073638613861386,0.2334983498349835,0.7004950495049505,0.1483910891089109,0.7419554455445545,0.0792079207920792,0.7920792079207921,0.6648522218293257,0.6953201867128341,0.6707577379319669

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+    "max_seq_length": 256,
+    "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "<mask>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "<pad>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "<unk>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer_config.json

@@ -0,0 +1,55 @@
+{
+  "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
+    },
+    "64000": {
+      "content": "<mask>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "model_max_length": 256,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "PhobertTokenizer",
+  "unk_token": "<unk>"
+}

training_args.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:fc988e097dacfd51c49a922b0fc9a5072904df17b21671216c9b070d9ae65a37
+size 6189