---
tags:
- sentence-transformers
- cross-encoder
- reranker
- generated_from_trainer
- dataset_size:35108
- loss:BinaryCrossEntropyLoss
base_model: klue/roberta-small
pipeline_tag: text-ranking
library_name: sentence-transformers
metrics:
- pearson
- spearman
model-index:
- name: CrossEncoder based on klue/roberta-small
  results:
  - task:
      type: cross-encoder-correlation
      name: Cross Encoder Correlation
    dataset:
      name: Unknown
      type: unknown
    metrics:
    - type: pearson
      value: 0.9809069449742412
      name: Pearson
    - type: spearman
      value: 0.8642968659844257
      name: Spearman
---

# CrossEncoder based on klue/roberta-small

This is a [Cross Encoder](https://www.sbert.net/docs/cross_encoder/usage/usage.html) model finetuned from [klue/roberta-small](https://huggingface.co/klue/roberta-small) using the [sentence-transformers](https://www.SBERT.net) library. It computes scores for pairs of texts, which can be used for text reranking and semantic search.

## Model Details

### Model Description
- **Model Type:** Cross Encoder
- **Base model:** [klue/roberta-small](https://huggingface.co/klue/roberta-small) <!-- at revision b6b4c36d827e0293ae2fcf04d527072f10a23064 -->
- **Maximum Sequence Length:** 512 tokens
- **Number of Output Labels:** 1 label
<!-- - **Training Dataset:** Unknown -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->

### Model Sources

- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Documentation:** [Cross Encoder Documentation](https://www.sbert.net/docs/cross_encoder/usage/usage.html)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Cross Encoders on Hugging Face](https://huggingface.co/models?library=sentence-transformers&other=cross-encoder)

## 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 CrossEncoder

# Download from the 🤗 Hub
model = CrossEncoder("cross_encoder_model_id")
# Get scores for pairs of texts
pairs = [
    ['선진국이 외국 기업을 대우하기 위한 제도는?', '현오석 부총리 겸 기획재정부 장관이 중소기업 보호를 위해 공공조달 시장에서 ‘국내외 대기업에 대한 동등 규제’ 원칙을 밝힘에 따라 정부가 세부 규제 방안 마련에 들어갔다. 정부는 특히 이 같은 규제는 외국 기업만을 대상으로 한 규제와 달리 세계무역기구(WTO) 43개 가입국이 맺고 있는 정부조달협정(GPA)에 위배되지 않는다는 입장을 분명히 했다. ▶본지 11월11일자 A1, 3면 참고○정부, “공공시장 역차별 시정”기재부 관계자는 11일 “내부 검토 결과 국내 대기업과 외국 대기업을 동등하게 규제하는 것은 국제적으로 문제가 안 된다”며 “선진국도 세제 지원, 진입 장벽 설치, 재정 지원 등을 통해 자국 중소기업을 100% 보호하고 있다”고 말했다. 외국 기업을 차별 대우하면 문제가 되지만 그렇지 않으면 국제법상 문제가 없다는 것이다.이 관계자는 이어 “중소기업 보호를 위해 국내 대기업을 배제했는데 (국내 대기업보다 덩치가 큰) 외국계 대기업이 들어오는 건 문제가 있다는 점이 국정감사에서도 여러 번 지적됐다”며 “이런 현상을 방치할 수 없다는 게 정부 방침”이라고 강조했다. 일부에서 ‘외국계 대기업 규제가 국내 시장을 지키려다 해외 시장을 잃는 조치 아니냐’는 지적이 나오는 데 대해서도 “해외 시장 포기가 아니라 국내 기업이 받는 역차별 해소 차원”이라고 적극 반박했다. 중소기업을 위해 남겨둔 자리를 외국계 기업이 치고 들어오면 국내 대기업이 역차별을 받는 것은 물론 중소기업 사이에서도 ‘외국계 기업과 제휴를 하느냐 못하느냐’에 따라 공공조달 시장에서 차별을 받을 수 있다는 이유에서다. 기재부는 이에 따라 조만간 산업통상자원부 중소기업청 조달청 등 관계부처와 협의해 현 부총리가 밝힌 규제 방안을 다듬는 작업에 나서기로 했다. 기재부 내부적으로는 이미 지난주에 검토 작업을 한 차례 했다. 통상 주무부처인 산업부도 이미 내부적으로는 이 같은 국내외 동등 규제는 WTO 협정에 위배되지 않는다는 판단을 내렸다. 산업부의 관계자는 “중소기업 보호를 위한 예외 적용은 정부조달협정뿐 아니라 자유무역협정(FTA)에도 명문화돼 있다”고 말했다. ○규제 방식은 ‘신중’정부는 구체적인 규제 방안이 나오려면 시간이 필요하다는 반응을 보였다. 중소기업 보호를 위해 국내 대기업뿐 아니라 외국계 대기업도 규제해야 한다는 방향성은 서 있지만 구체적으로 어떻게 해야 정교한 방안을 짜낼 수 있을지는 신중히 검토해야 한다는 것이다.기재부 관계자는 “우리가 보호하려는 중소기업의 범위를 어떻게 정할지, 통상 마찰 논란은 어떻게 대응할지, 자산 총액 5조원 이상 대기업 집단을 규제하는 상호출자제한 기업집단 규제를 외국계 기업에 확대 적용한다면 어떻게 할지 등 다양한 이슈가 걸려 있다”며 “중소기업청 산업부 공정거래위원회 조달청 등 다른 부처와 충분히 협의해 결정할 사안”이라고 말했다. 주용석/조미현 기자'],
    ['워렌이 스스로 영화를 제작할 수 있음을 입증하여 승부에서 이긴 상대는 누구인가?', '“마노스: 운명의 손”은 워렌의 고향인 텍사스주 엘 파소에 있는 카프리 극장에서 1966년 11월 15일 시사회를 가졌다. 워렌은 시사회에 쓰려고 서치라이트를 구했으며 헐리우드 분위기를 내기 위해 캐스트가 탈 리무진을 대여했다. 하지만 리무진 한 대 밖에 대여가 안 되었으므로, 캐스트를 반으로 나누어 한 그룹을 시사회로 태우고, 다시 리무진을 돌려 기다리고 있던 나머지 그룹을 근처 모퉁이에서 태우고 시사회로 데려와야했다. 시사회에는 시장, 지역 보안관 등 지역의 주요 인사들이 다수 초대되었다. 영화가 시작한 지 얼마 지나지 않아, 시사회장은 웃음으로 가득찼다. 워렌과 나머지 출연진은 민망해진 채로 재빨리 출구를 통해 빠져나갔다. 시사회 후, 워렌은 자신이 보기에도 “마노스”가 최악의 영화라고 생각하지만 그래도 자랑스럽다고 밝혔다. 또한, 잘만 다듬으면 재밌는 코미디 영화로 만들 수 있을 것 같다는 얘기도 인터뷰에서 하였다\n\n이 영화는 에머슨 사가 배포를 맡았다. 또한 카프리 극장에서 잠시 동안 상영되었으며, 텍사스 서부의 드라이브인 극장에서도 상영이 되었다. 어떤 보고에 따르면 작업의 대가를 받은 스탭은 잭키 니먼 존스와 그녀의 강아지 뿐이었으며, 그 대가도 자전거와 다량의 강아지 음식이었다고 하는데, 이는 영화가 재정적으로 얼마나 크게 실패했는지를 보여준다 공식 박스오피스 집계는 알려져있지 않다. 영화에 대한 반응은 좋지 않았으나, 워렌은 자신이 혼자 영화를 만들 수 있음을 증명하여, 스털링 실리펀트와의 내기에서 승리하였다'],
    ['장편소설 분야에 지원할 때, 작품 외에 별도로 써야 하는 글은 몇 장인가?', '부산대 철학과에 다니는 홍준성 씨(24)는 지난해 가을 학생 신분으로 제3회 한경 청년신춘문예의 문을 두드렸다. 홍씨는 철학과 책을 좋아하는 평범한 학생이었다. 신춘문예 장편소설 부문에 당선되며 그의 삶은 변했다. 상금을 여비 삼아 전국을 여행하며 이야기를 수집했다. 강원 호남 영남 등 역사적 비극을 지닌 곳을 찾아다니며 이야기를 들었다. 당선 전까지만 해도 말하기를 좋아했던 젊은 청년은 어느새 타인의 말을 귀 기울여 듣는 젊은 작가로 변신했다. 홍씨는 올해 문학동네 작가상 본심에 이름을 올리는 등 신춘문예 당선이 우연이 아니었음을 증명해 나가고 있다. 그의 청년신춘문예 당선작 열등의 계보(은행나무)는 퇴고를 거듭해 이달 정식 출간된다.좋은 작품은 그것을 읽는 사람의 인생은 물론 만든 사람의 인생도 바꾼다. 가장 좋은 사례가 신춘문예다. 문학 지망생으로서 끝없는 습작의 나날을 보내던 이들은 신춘문예라는 관문을 거쳐 작가로 변신한다.제2회 장편소설 당선자인 김의경 씨(36)의 당선작 청춘파산(민음사)은 젊은 세대가 겪는 어려움을 솔직하게 표현해 호평받은 작품이다. 이 소설에는 김씨가 겪은 일들이 상당 부분 녹아 있다. 김씨는 집안이 어려워지는 바람에 어린 시절 해 보지 않은 아르바이트가 없을 정도였다.김씨는 지난 2월 한국문화예술위원회와 서울 프린스호텔이 후원하는 창작집필실 입주작가 프로그램에 선정돼 한 달 동안 호텔에서 집필에 전념했다. 호텔에서 펜을 잡자 대학생 시절 호텔 주방에서 설거지했던 기억이 떠올랐다. “호텔에서 글을 쓰니 옛날 생각이 나서 기분이 묘했어요. 호텔에서 일할 때는 정문으로 들어갈 수도 없는 신세였는데 말이죠.” 정식 작가가 된 뒤 더 큰 책임감을 느끼고 있다는 그는 이달 두 번째 작품을 탈고할 계획이다.제3회 시 부문 당선자 김민율 씨(37)는 등단 이전과 별다를 것 없어 보이는 일상을 보내고 있다. 하지만 그에게도 분명한 변화가 생겼다. “등단 전에는 좀 편안하게 시를 썼는데 등단한 뒤로는 책임감 있게 시를 쓰려고 한다”고 김씨는 말했다. “그래서 더 예민한 상태를 유지하려고 노력합니다. 시를 썼다는 데 만족하지 않고 이 시를 통해 무엇을 할 수 있을까 고민하고 있어요.”제2회 시 부문 당선자 이소연 씨(32)도 “작품을 쓴 사람은 읽는 사람보다 주제에 대해 더 깊이 생각할 수밖에 없다”며 “작품을 쓰면서 내 자신이 바뀌어가는 것을 느낀다”고 말했다.신인 작가를 발굴·육성하고 문화콘텐츠를 발굴하기 위한 한경 청년신춘문예가 4회를 맞았다. 제3회부터 만 39세 이하까지 참여할 수 있도록 폭을 넓혔다. 20대 대학생부터 작가의 꿈을 놓지 않은 30대 지망생에게까지 문이 열려 있다.올해는 시, 장편소설, 시나리오 등 세 개 부문에서 새로운 작가를 찾아 나선다. 장편소설 부문은 3000만원의 상금을 준다. 원고량은 200자 원고지 기준 1000장 안팎이며 10장 분량의 줄거리 설명을 따로 제출해야 한다. 시는 5편 이상 제출해야 하며, 시나리오 원고는 400장 안팎(시놉시스 10장 별도)이다. 시와 시나리오 상금은 500만원씩이다.원고는 A4 용지에 출력해서 보내야 한다. 응모작은 과거에 발표했거나 입상한 적이 없는 순수 창작물이어야 한다. 다른 공모전에 중복 투고해 이미 입상한 작품이거나 표절한 사실이 밝혀지면 당선을 취소한다. 봉투에 ‘한경 청년신춘문예 응모작품’이라 적고 작품 첫 장과 마지막 장에 응모 부문, 이름(필명일 경우 본명 병기), 주소, 전화번호, 원고량(200자 원고지 기준), 주민등록상 생년월일을 명시해야 정식 응모작으로 접수한다. 모든 원고는 반환하지 않는다.'],
    ['황광희가 배운 방언을 사용하는 도시는?', '솔트레이크시티(Salt Lake City)는 미국 서부 유타주의 주도이다. 면적은 285.9 km², 인구는 시내가 180,651명(2007)이며, 대도시권은 1,099,973명이다.\n\n유타 주 북부, 그레이트솔트 호 동남쪽에 위치한다. 그레이트솔트 호의 서쪽은 사막이 이어지는 불모지이나, 이 곳의 동쪽에는 워새치 산맥의 연봉이 이어진다. 평균 고도는 1,320m이다. 기후는 반건조성이며, 연평균 강수량은 400mm에 불과하나, 그레이트솔트 호의 영향으로 겨울철에서 봄철에 걸쳐서는 눈이 비교적 많이 내려 서부 내륙 일대에서는 강수량이 많은 편이다. 연평균 기온은 11 °C 내외로, 고도를 감안하면 위도에 비해 높은 편이며, 여름철에는 평균 기온이 상당히 높으나 건조하여 무더위가 심하지는 않다.\n\n이 지역은 본래 인디언 부족의 땅이었으나, 거의 개척되지 않았던 황무지였다가 1847년 브리검 영이 이끄는 후기성도들이 정착하기 시작했다. 그 후 곧바로 유타 지역은 멕시코에서 미국으로 양도되었으며, 1850년 준주가 되면서 솔트레이크시티는 준주의 주도가 되었다. 유타 지역이 동부에서 박해를 피해 이 곳으로 옮겨온 후기성도들은 이 곳에 질서 정연한 도시 계획을 수립하여 예수 그리스도 후기 성도 교회의 중심지로 발전시키고자 했다. 이에 후기성도와 비 후기성도들 사이에 분쟁이 일어나기도 했으나, 철도의 개통과 인근 지역의 광산 개발로 서부 일대의 중요한 도시로 성장하였다. 건조지이지만 관개에 의한 농업, 인근 염호를 이용한 제염(製鹽)이 왕성하다. \n\n시의 중심가는 처음에 후기성도들에 의해 개발되었고, 예수 그리스도 후기성도 교회에서 관할하는 시설과 아름다운 공원이 조화를 이룬 청결하고 질서 정연한 시가지 형태를 갖추고 있다. 솔트레이크시티는 여러 철도가 교차하는 교통의 중심지로 발전하시 시작했으며, 자동차 시대 이후로도 도로가 교차하는 교통의 요지이다. 항공기 교통 발달 이후 솔트레이크시티 국제공항은 서부 일대의 중요한 공항 중 하나로 떠올랐으며, 델타 항공이 허브 공항으로 사용하고 있어 서부의 인근 지역은 물론이고 미국 각지와 항공로로 연결되어 있다. 최근에는 정보통신산업의 발달로 번창하고 있으며, 주변 지역으로의 인구 유입이 활발하여 미국의 대도시 중에서 성장 속도가 상당히 빠른 편이다.\n\n그레이트솔트 호 동쪽에 위치하는 이 곳은 그레이트솔트 호와 워새치 산맥 사이에 있는 지형적 영향으로 눈이 많이 내려 제2차 세계대전 이후 스키장이 많이 건설되었다. 솔트레이크시티 동쪽에 위치하는 스키장들은 뛰어난 설질로도 유명하다. 2002년 제19회 동계올림픽이 개최되어 동계 스포츠의 명소로 더욱 유명해졌다. 관광의 중심지로 시내의 예수 그리스도 후기성도 교회 시설 관련물 관람이나 부근의 스키와 등산 등으로 관광객이 많이 찾는다.'],
    ['하르라이프 첫 시작부터 등장하는 캐릭터는?', '2004년 아자라 위기\n셰바르드나제의 파면 직후인, 2003년 11월 23년에, 아슬란 아바시제는 아자라에 비상 태세를 발령했다. 그럼에도 불구하고, 아자라는 2004년 1월 4일 조지아 대통령 선거에 참여했고, 선거의 결과로 미헤일 사카시빌리가 당선됐다. 사카시빌리는 아자라의 지도자에게 조지아 헌법에 따를 것과 군대의 해산을 명령했다. 2004년 5월에, 아바시제는 조지아 군대가 침입을 준비한다고 주장했다. 그의 군대는 아자라와 조지아의 다머지 지역들을 연결하는 다리들을 폭파했다. 비상 사태가 5월 4일의 지방의 반대 시위대의 분산에 뒤따라 발령되었다. 그 사태는 같은날 대규모 시위 후반 까지도 촉매 역할을 하였다. 아자라에서 전체적으로 수만명이 아바시제의 사임을 요구하기 위해 바투미로 향했다. 지방의 항변자들이 중심 바투비를 점령했을 때 5월 6일, 아바시제의 입장은 옹오할 수 없게 되었고 조지아 특수부대는 그 지역으로 진입하여 친아바시제 단체들을 무장해제 시키기 시작했다. 러시아 임원 이고르 이바노프와의 밤샘 회담 이후, 아바시제씨는 퇴진했고 모스크바로 떠났다.'],
]
scores = model.predict(pairs)
print(scores.shape)
# (5,)

# Or rank different texts based on similarity to a single text
ranks = model.rank(
    '선진국이 외국 기업을 대우하기 위한 제도는?',
    [
        '현오석 부총리 겸 기획재정부 장관이 중소기업 보호를 위해 공공조달 시장에서 ‘국내외 대기업에 대한 동등 규제’ 원칙을 밝힘에 따라 정부가 세부 규제 방안 마련에 들어갔다. 정부는 특히 이 같은 규제는 외국 기업만을 대상으로 한 규제와 달리 세계무역기구(WTO) 43개 가입국이 맺고 있는 정부조달협정(GPA)에 위배되지 않는다는 입장을 분명히 했다. ▶본지 11월11일자 A1, 3면 참고○정부, “공공시장 역차별 시정”기재부 관계자는 11일 “내부 검토 결과 국내 대기업과 외국 대기업을 동등하게 규제하는 것은 국제적으로 문제가 안 된다”며 “선진국도 세제 지원, 진입 장벽 설치, 재정 지원 등을 통해 자국 중소기업을 100% 보호하고 있다”고 말했다. 외국 기업을 차별 대우하면 문제가 되지만 그렇지 않으면 국제법상 문제가 없다는 것이다.이 관계자는 이어 “중소기업 보호를 위해 국내 대기업을 배제했는데 (국내 대기업보다 덩치가 큰) 외국계 대기업이 들어오는 건 문제가 있다는 점이 국정감사에서도 여러 번 지적됐다”며 “이런 현상을 방치할 수 없다는 게 정부 방침”이라고 강조했다. 일부에서 ‘외국계 대기업 규제가 국내 시장을 지키려다 해외 시장을 잃는 조치 아니냐’는 지적이 나오는 데 대해서도 “해외 시장 포기가 아니라 국내 기업이 받는 역차별 해소 차원”이라고 적극 반박했다. 중소기업을 위해 남겨둔 자리를 외국계 기업이 치고 들어오면 국내 대기업이 역차별을 받는 것은 물론 중소기업 사이에서도 ‘외국계 기업과 제휴를 하느냐 못하느냐’에 따라 공공조달 시장에서 차별을 받을 수 있다는 이유에서다. 기재부는 이에 따라 조만간 산업통상자원부 중소기업청 조달청 등 관계부처와 협의해 현 부총리가 밝힌 규제 방안을 다듬는 작업에 나서기로 했다. 기재부 내부적으로는 이미 지난주에 검토 작업을 한 차례 했다. 통상 주무부처인 산업부도 이미 내부적으로는 이 같은 국내외 동등 규제는 WTO 협정에 위배되지 않는다는 판단을 내렸다. 산업부의 관계자는 “중소기업 보호를 위한 예외 적용은 정부조달협정뿐 아니라 자유무역협정(FTA)에도 명문화돼 있다”고 말했다. ○규제 방식은 ‘신중’정부는 구체적인 규제 방안이 나오려면 시간이 필요하다는 반응을 보였다. 중소기업 보호를 위해 국내 대기업뿐 아니라 외국계 대기업도 규제해야 한다는 방향성은 서 있지만 구체적으로 어떻게 해야 정교한 방안을 짜낼 수 있을지는 신중히 검토해야 한다는 것이다.기재부 관계자는 “우리가 보호하려는 중소기업의 범위를 어떻게 정할지, 통상 마찰 논란은 어떻게 대응할지, 자산 총액 5조원 이상 대기업 집단을 규제하는 상호출자제한 기업집단 규제를 외국계 기업에 확대 적용한다면 어떻게 할지 등 다양한 이슈가 걸려 있다”며 “중소기업청 산업부 공정거래위원회 조달청 등 다른 부처와 충분히 협의해 결정할 사안”이라고 말했다. 주용석/조미현 기자',
        '“마노스: 운명의 손”은 워렌의 고향인 텍사스주 엘 파소에 있는 카프리 극장에서 1966년 11월 15일 시사회를 가졌다. 워렌은 시사회에 쓰려고 서치라이트를 구했으며 헐리우드 분위기를 내기 위해 캐스트가 탈 리무진을 대여했다. 하지만 리무진 한 대 밖에 대여가 안 되었으므로, 캐스트를 반으로 나누어 한 그룹을 시사회로 태우고, 다시 리무진을 돌려 기다리고 있던 나머지 그룹을 근처 모퉁이에서 태우고 시사회로 데려와야했다. 시사회에는 시장, 지역 보안관 등 지역의 주요 인사들이 다수 초대되었다. 영화가 시작한 지 얼마 지나지 않아, 시사회장은 웃음으로 가득찼다. 워렌과 나머지 출연진은 민망해진 채로 재빨리 출구를 통해 빠져나갔다. 시사회 후, 워렌은 자신이 보기에도 “마노스”가 최악의 영화라고 생각하지만 그래도 자랑스럽다고 밝혔다. 또한, 잘만 다듬으면 재밌는 코미디 영화로 만들 수 있을 것 같다는 얘기도 인터뷰에서 하였다\n\n이 영화는 에머슨 사가 배포를 맡았다. 또한 카프리 극장에서 잠시 동안 상영되었으며, 텍사스 서부의 드라이브인 극장에서도 상영이 되었다. 어떤 보고에 따르면 작업의 대가를 받은 스탭은 잭키 니먼 존스와 그녀의 강아지 뿐이었으며, 그 대가도 자전거와 다량의 강아지 음식이었다고 하는데, 이는 영화가 재정적으로 얼마나 크게 실패했는지를 보여준다 공식 박스오피스 집계는 알려져있지 않다. 영화에 대한 반응은 좋지 않았으나, 워렌은 자신이 혼자 영화를 만들 수 있음을 증명하여, 스털링 실리펀트와의 내기에서 승리하였다',
        '부산대 철학과에 다니는 홍준성 씨(24)는 지난해 가을 학생 신분으로 제3회 한경 청년신춘문예의 문을 두드렸다. 홍씨는 철학과 책을 좋아하는 평범한 학생이었다. 신춘문예 장편소설 부문에 당선되며 그의 삶은 변했다. 상금을 여비 삼아 전국을 여행하며 이야기를 수집했다. 강원 호남 영남 등 역사적 비극을 지닌 곳을 찾아다니며 이야기를 들었다. 당선 전까지만 해도 말하기를 좋아했던 젊은 청년은 어느새 타인의 말을 귀 기울여 듣는 젊은 작가로 변신했다. 홍씨는 올해 문학동네 작가상 본심에 이름을 올리는 등 신춘문예 당선이 우연이 아니었음을 증명해 나가고 있다. 그의 청년신춘문예 당선작 열등의 계보(은행나무)는 퇴고를 거듭해 이달 정식 출간된다.좋은 작품은 그것을 읽는 사람의 인생은 물론 만든 사람의 인생도 바꾼다. 가장 좋은 사례가 신춘문예다. 문학 지망생으로서 끝없는 습작의 나날을 보내던 이들은 신춘문예라는 관문을 거쳐 작가로 변신한다.제2회 장편소설 당선자인 김의경 씨(36)의 당선작 청춘파산(민음사)은 젊은 세대가 겪는 어려움을 솔직하게 표현해 호평받은 작품이다. 이 소설에는 김씨가 겪은 일들이 상당 부분 녹아 있다. 김씨는 집안이 어려워지는 바람에 어린 시절 해 보지 않은 아르바이트가 없을 정도였다.김씨는 지난 2월 한국문화예술위원회와 서울 프린스호텔이 후원하는 창작집필실 입주작가 프로그램에 선정돼 한 달 동안 호텔에서 집필에 전념했다. 호텔에서 펜을 잡자 대학생 시절 호텔 주방에서 설거지했던 기억이 떠올랐다. “호텔에서 글을 쓰니 옛날 생각이 나서 기분이 묘했어요. 호텔에서 일할 때는 정문으로 들어갈 수도 없는 신세였는데 말이죠.” 정식 작가가 된 뒤 더 큰 책임감을 느끼고 있다는 그는 이달 두 번째 작품을 탈고할 계획이다.제3회 시 부문 당선자 김민율 씨(37)는 등단 이전과 별다를 것 없어 보이는 일상을 보내고 있다. 하지만 그에게도 분명한 변화가 생겼다. “등단 전에는 좀 편안하게 시를 썼는데 등단한 뒤로는 책임감 있게 시를 쓰려고 한다”고 김씨는 말했다. “그래서 더 예민한 상태를 유지하려고 노력합니다. 시를 썼다는 데 만족하지 않고 이 시를 통해 무엇을 할 수 있을까 고민하고 있어요.”제2회 시 부문 당선자 이소연 씨(32)도 “작품을 쓴 사람은 읽는 사람보다 주제에 대해 더 깊이 생각할 수밖에 없다”며 “작품을 쓰면서 내 자신이 바뀌어가는 것을 느낀다”고 말했다.신인 작가를 발굴·육성하고 문화콘텐츠를 발굴하기 위한 한경 청년신춘문예가 4회를 맞았다. 제3회부터 만 39세 이하까지 참여할 수 있도록 폭을 넓혔다. 20대 대학생부터 작가의 꿈을 놓지 않은 30대 지망생에게까지 문이 열려 있다.올해는 시, 장편소설, 시나리오 등 세 개 부문에서 새로운 작가를 찾아 나선다. 장편소설 부문은 3000만원의 상금을 준다. 원고량은 200자 원고지 기준 1000장 안팎이며 10장 분량의 줄거리 설명을 따로 제출해야 한다. 시는 5편 이상 제출해야 하며, 시나리오 원고는 400장 안팎(시놉시스 10장 별도)이다. 시와 시나리오 상금은 500만원씩이다.원고는 A4 용지에 출력해서 보내야 한다. 응모작은 과거에 발표했거나 입상한 적이 없는 순수 창작물이어야 한다. 다른 공모전에 중복 투고해 이미 입상한 작품이거나 표절한 사실이 밝혀지면 당선을 취소한다. 봉투에 ‘한경 청년신춘문예 응모작품’이라 적고 작품 첫 장과 마지막 장에 응모 부문, 이름(필명일 경우 본명 병기), 주소, 전화번호, 원고량(200자 원고지 기준), 주민등록상 생년월일을 명시해야 정식 응모작으로 접수한다. 모든 원고는 반환하지 않는다.',
        '솔트레이크시티(Salt Lake City)는 미국 서부 유타주의 주도이다. 면적은 285.9 km², 인구는 시내가 180,651명(2007)이며, 대도시권은 1,099,973명이다.\n\n유타 주 북부, 그레이트솔트 호 동남쪽에 위치한다. 그레이트솔트 호의 서쪽은 사막이 이어지는 불모지이나, 이 곳의 동쪽에는 워새치 산맥의 연봉이 이어진다. 평균 고도는 1,320m이다. 기후는 반건조성이며, 연평균 강수량은 400mm에 불과하나, 그레이트솔트 호의 영향으로 겨울철에서 봄철에 걸쳐서는 눈이 비교적 많이 내려 서부 내륙 일대에서는 강수량이 많은 편이다. 연평균 기온은 11 °C 내외로, 고도를 감안하면 위도에 비해 높은 편이며, 여름철에는 평균 기온이 상당히 높으나 건조하여 무더위가 심하지는 않다.\n\n이 지역은 본래 인디언 부족의 땅이었으나, 거의 개척되지 않았던 황무지였다가 1847년 브리검 영이 이끄는 후기성도들이 정착하기 시작했다. 그 후 곧바로 유타 지역은 멕시코에서 미국으로 양도되었으며, 1850년 준주가 되면서 솔트레이크시티는 준주의 주도가 되었다. 유타 지역이 동부에서 박해를 피해 이 곳으로 옮겨온 후기성도들은 이 곳에 질서 정연한 도시 계획을 수립하여 예수 그리스도 후기 성도 교회의 중심지로 발전시키고자 했다. 이에 후기성도와 비 후기성도들 사이에 분쟁이 일어나기도 했으나, 철도의 개통과 인근 지역의 광산 개발로 서부 일대의 중요한 도시로 성장하였다. 건조지이지만 관개에 의한 농업, 인근 염호를 이용한 제염(製鹽)이 왕성하다. \n\n시의 중심가는 처음에 후기성도들에 의해 개발되었고, 예수 그리스도 후기성도 교회에서 관할하는 시설과 아름다운 공원이 조화를 이룬 청결하고 질서 정연한 시가지 형태를 갖추고 있다. 솔트레이크시티는 여러 철도가 교차하는 교통의 중심지로 발전하시 시작했으며, 자동차 시대 이후로도 도로가 교차하는 교통의 요지이다. 항공기 교통 발달 이후 솔트레이크시티 국제공항은 서부 일대의 중요한 공항 중 하나로 떠올랐으며, 델타 항공이 허브 공항으로 사용하고 있어 서부의 인근 지역은 물론이고 미국 각지와 항공로로 연결되어 있다. 최근에는 정보통신산업의 발달로 번창하고 있으며, 주변 지역으로의 인구 유입이 활발하여 미국의 대도시 중에서 성장 속도가 상당히 빠른 편이다.\n\n그레이트솔트 호 동쪽에 위치하는 이 곳은 그레이트솔트 호와 워새치 산맥 사이에 있는 지형적 영향으로 눈이 많이 내려 제2차 세계대전 이후 스키장이 많이 건설되었다. 솔트레이크시티 동쪽에 위치하는 스키장들은 뛰어난 설질로도 유명하다. 2002년 제19회 동계올림픽이 개최되어 동계 스포츠의 명소로 더욱 유명해졌다. 관광의 중심지로 시내의 예수 그리스도 후기성도 교회 시설 관련물 관람이나 부근의 스키와 등산 등으로 관광객이 많이 찾는다.',
        '2004년 아자라 위기\n셰바르드나제의 파면 직후인, 2003년 11월 23년에, 아슬란 아바시제는 아자라에 비상 태세를 발령했다. 그럼에도 불구하고, 아자라는 2004년 1월 4일 조지아 대통령 선거에 참여했고, 선거의 결과로 미헤일 사카시빌리가 당선됐다. 사카시빌리는 아자라의 지도자에게 조지아 헌법에 따를 것과 군대의 해산을 명령했다. 2004년 5월에, 아바시제는 조지아 군대가 침입을 준비한다고 주장했다. 그의 군대는 아자라와 조지아의 다머지 지역들을 연결하는 다리들을 폭파했다. 비상 사태가 5월 4일의 지방의 반대 시위대의 분산에 뒤따라 발령되었다. 그 사태는 같은날 대규모 시위 후반 까지도 촉매 역할을 하였다. 아자라에서 전체적으로 수만명이 아바시제의 사임을 요구하기 위해 바투미로 향했다. 지방의 항변자들이 중심 바투비를 점령했을 때 5월 6일, 아바시제의 입장은 옹오할 수 없게 되었고 조지아 특수부대는 그 지역으로 진입하여 친아바시제 단체들을 무장해제 시키기 시작했다. 러시아 임원 이고르 이바노프와의 밤샘 회담 이후, 아바시제씨는 퇴진했고 모스크바로 떠났다.',
    ]
)
# [{'corpus_id': ..., 'score': ...}, {'corpus_id': ..., 'score': ...}, ...]
```

<!--
### 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

#### Cross Encoder Correlation

* Evaluated with [<code>CrossEncoderCorrelationEvaluator</code>](https://sbert.net/docs/package_reference/cross_encoder/evaluation.html#sentence_transformers.cross_encoder.evaluation.CrossEncoderCorrelationEvaluator)

| Metric       | Value      |
|:-------------|:-----------|
| pearson      | 0.9809     |
| **spearman** | **0.8643** |

<!--
## Bias, Risks and Limitations

*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->

<!--
### Recommendations

*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->

## Training Details

### Training Dataset

#### Unnamed Dataset

* Size: 35,108 training samples
* Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>label</code>
* Approximate statistics based on the first 1000 samples:
  |         | sentence_0                                                                                     | sentence_1                                                                                          | label                                           |
  |:--------|:-----------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------|:------------------------------------------------|
  | type    | string                                                                                         | string                                                                                              | int                                             |
  | details | <ul><li>min: 11 characters</li><li>mean: 29.18 characters</li><li>max: 66 characters</li></ul> | <ul><li>min: 504 characters</li><li>mean: 1007.09 characters</li><li>max: 2030 characters</li></ul> | <ul><li>0: ~51.40%</li><li>1: ~48.60%</li></ul> |
* Samples:
  | sentence_0                                                | sentence_1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                               | label          |
  |:----------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------|
  | <code>선진국이 외국 기업을 대우하기 위한 제도는?</code>                     | <code>현오석 부총리 겸 기획재정부 장관이 중소기업 보호를 위해 공공조달 시장에서 ‘국내외 대기업에 대한 동등 규제’ 원칙을 밝힘에 따라 정부가 세부 규제 방안 마련에 들어갔다. 정부는 특히 이 같은 규제는 외국 기업만을 대상으로 한 규제와 달리 세계무역기구(WTO) 43개 가입국이 맺고 있는 정부조달협정(GPA)에 위배되지 않는다는 입장을 분명히 했다. ▶본지 11월11일자 A1, 3면 참고○정부, “공공시장 역차별 시정”기재부 관계자는 11일 “내부 검토 결과 국내 대기업과 외국 대기업을 동등하게 규제하는 것은 국제적으로 문제가 안 된다”며 “선진국도 세제 지원, 진입 장벽 설치, 재정 지원 등을 통해 자국 중소기업을 100% 보호하고 있다”고 말했다. 외국 기업을 차별 대우하면 문제가 되지만 그렇지 않으면 국제법상 문제가 없다는 것이다.이 관계자는 이어 “중소기업 보호를 위해 국내 대기업을 배제했는데 (국내 대기업보다 덩치가 큰) 외국계 대기업이 들어오는 건 문제가 있다는 점이 국정감사에서도 여러 번 지적됐다”며 “이런 현상을 방치할 수 없다는 게 정부 방침”이라고 강조했다. 일부에서 ‘외국계 대기업 규제가 국내 시장을 지키려다 해외 시장을 잃는 조치 아니냐’는 지적이 나오는 데 대해서도 “해외 시장 포기가 아니라 국내 기업이 받는 역차별 해소 차원”이라고 적극 반박했다. 중소기업을 위해 남겨둔 자리를 외국계 기업이 치고 들어오면 국내 대기업이 역차별을 받는 것은 물론 중소기업 사이에서도 ‘외국계 기업과 제휴를 하느냐 못하느냐’에 따라 공공조달 시장에서 차별을 받을 수 있다는 이유에서다. 기재부는 이에 따라 조만간 산업통상자원부 중소기업청 조달청 등 관계부처와 협의해 현 부총리가 밝힌 규제 방안을 다듬는 작업에 나서기로 했다. 기재부 내부적으로는 이미 지난주에 검토 작업을 한 차례 했다. 통상 주무부처인 산업부도 이미 내부적으로는 이 같은 국내외 동등 규제는 WTO 협정에 위배되지 않는다는 판단을 내렸다. 산업부의 관계자는 “중소기업 보호를 위한 예외 적용은 정...</code> | <code>1</code> |
  | <code>워렌이 스스로 영화를 제작할 수 있음을 입증하여 승부에서 이긴 상대는 누구인가?</code> | <code>“마노스: 운명의 손”은 워렌의 고향인 텍사스주 엘 파소에 있는 카프리 극장에서 1966년 11월 15일 시사회를 가졌다. 워렌은 시사회에 쓰려고 서치라이트를 구했으며 헐리우드 분위기를 내기 위해 캐스트가 탈 리무진을 대여했다. 하지만 리무진 한 대 밖에 대여가 안 되었으므로, 캐스트를 반으로 나누어 한 그룹을 시사회로 태우고, 다시 리무진을 돌려 기다리고 있던 나머지 그룹을 근처 모퉁이에서 태우고 시사회로 데려와야했다. 시사회에는 시장, 지역 보안관 등 지역의 주요 인사들이 다수 초대되었다. 영화가 시작한 지 얼마 지나지 않아, 시사회장은 웃음으로 가득찼다. 워렌과 나머지 출연진은 민망해진 채로 재빨리 출구를 통해 빠져나갔다. 시사회 후, 워렌은 자신이 보기에도 “마노스”가 최악의 영화라고 생각하지만 그래도 자랑스럽다고 밝혔다. 또한, 잘만 다듬으면 재밌는 코미디 영화로 만들 수 있을 것 같다는 얘기도 인터뷰에서 하였다<br><br>이 영화는 에머슨 사가 배포를 맡았다. 또한 카프리 극장에서 잠시 동안 상영되었으며, 텍사스 서부의 드라이브인 극장에서도 상영이 되었다. 어떤 보고에 따르면 작업의 대가를 받은 스탭은 잭키 니먼 존스와 그녀의 강아지 뿐이었으며, 그 대가도 자전거와 다량의 강아지 음식이었다고 하는데, 이는 영화가 재정적으로 얼마나 크게 실패했는지를 보여준다 공식 박스오피스 집계는 알려져있지 않다. 영화에 대한 반응은 좋지 않았으나, 워렌은 자신이 혼자 영화를 만들 수 있음을 증명하여, 스털링 실리펀트와의 내기에서 승리하였다</code>                                                                                                                                                                                                                                                      | <code>1</code> |
  | <code>장편소설 분야에 지원할 때, 작품 외에 별도로 써야 하는 글은 몇 장인가?</code>    | <code>부산대 철학과에 다니는 홍준성 씨(24)는 지난해 가을 학생 신분으로 제3회 한경 청년신춘문예의 문을 두드렸다. 홍씨는 철학과 책을 좋아하는 평범한 학생이었다. 신춘문예 장편소설 부문에 당선되며 그의 삶은 변했다. 상금을 여비 삼아 전국을 여행하며 이야기를 수집했다. 강원 호남 영남 등 역사적 비극을 지닌 곳을 찾아다니며 이야기를 들었다. 당선 전까지만 해도 말하기를 좋아했던 젊은 청년은 어느새 타인의 말을 귀 기울여 듣는 젊은 작가로 변신했다. 홍씨는 올해 문학동네 작가상 본심에 이름을 올리는 등 신춘문예 당선이 우연이 아니었음을 증명해 나가고 있다. 그의 청년신춘문예 당선작 열등의 계보(은행나무)는 퇴고를 거듭해 이달 정식 출간된다.좋은 작품은 그것을 읽는 사람의 인생은 물론 만든 사람의 인생도 바꾼다. 가장 좋은 사례가 신춘문예다. 문학 지망생으로서 끝없는 습작의 나날을 보내던 이들은 신춘문예라는 관문을 거쳐 작가로 변신한다.제2회 장편소설 당선자인 김의경 씨(36)의 당선작 청춘파산(민음사)은 젊은 세대가 겪는 어려움을 솔직하게 표현해 호평받은 작품이다. 이 소설에는 김씨가 겪은 일들이 상당 부분 녹아 있다. 김씨는 집안이 어려워지는 바람에 어린 시절 해 보지 않은 아르바이트가 없을 정도였다.김씨는 지난 2월 한국문화예술위원회와 서울 프린스호텔이 후원하는 창작집필실 입주작가 프로그램에 선정돼 한 달 동안 호텔에서 집필에 전념했다. 호텔에서 펜을 잡자 대학생 시절 호텔 주방에서 설거지했던 기억이 떠올랐다. “호텔에서 글을 쓰니 옛날 생각이 나서 기분이 묘했어요. 호텔에서 일할 때는 정문으로 들어갈 수도 없는 신세였는데 말이죠.” 정식 작가가 된 뒤 더 큰 책임감을 느끼고 있다는 그는 이달 두 번째 작품을 탈고할 계획이다.제3회 시 부문 당선자 김민율 씨(37)는 등단 이전과 별다를 것 없어 보이는 일상을 보내고 있다. 하지만 그에게도 분명한 변화가 생겼다. “등단 전에는 좀 편안하게 시를 썼는데 등단한 뒤로는 책임감 있게 시를 쓰려고 한다”고 김씨는 말했...</code> | <code>1</code> |
* Loss: [<code>BinaryCrossEntropyLoss</code>](https://sbert.net/docs/package_reference/cross_encoder/losses.html#binarycrossentropyloss) with these parameters:
  ```json
  {
      "activation_fn": "torch.nn.modules.linear.Identity",
      "pos_weight": null
  }
  ```

### Training Hyperparameters
#### Non-Default Hyperparameters

- `per_device_train_batch_size`: 16
- `per_device_eval_batch_size`: 16
- `num_train_epochs`: 1

#### All Hyperparameters
<details><summary>Click to expand</summary>

- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: no
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 16
- `per_device_eval_batch_size`: 16
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 1
- `eval_accumulation_steps`: None
- `torch_empty_cache_steps`: None
- `learning_rate`: 5e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1
- `num_train_epochs`: 1
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.0
- `warmup_steps`: 0
- `log_level`: passive
- `log_level_replica`: warning
- `log_on_each_node`: True
- `logging_nan_inf_filter`: True
- `save_safetensors`: True
- `save_on_each_node`: False
- `save_only_model`: False
- `restore_callback_states_from_checkpoint`: False
- `no_cuda`: False
- `use_cpu`: False
- `use_mps_device`: False
- `seed`: 42
- `data_seed`: None
- `jit_mode_eval`: False
- `bf16`: False
- `fp16`: False
- `fp16_opt_level`: O1
- `half_precision_backend`: auto
- `bf16_full_eval`: False
- `fp16_full_eval`: False
- `tf32`: None
- `local_rank`: 0
- `ddp_backend`: None
- `tpu_num_cores`: None
- `tpu_metrics_debug`: False
- `debug`: []
- `dataloader_drop_last`: 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`: False
- `ignore_data_skip`: False
- `fsdp`: []
- `fsdp_min_num_params`: 0
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
- `fsdp_transformer_layer_cls_to_wrap`: None
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
- `parallelism_config`: None
- `deepspeed`: None
- `label_smoothing_factor`: 0.0
- `optim`: adamw_torch_fused
- `optim_args`: None
- `adafactor`: False
- `group_by_length`: False
- `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`: batch_sampler
- `multi_dataset_batch_sampler`: proportional
- `router_mapping`: {}
- `learning_rate_mapping`: {}

</details>

### Training Logs
| Epoch  | Step | Training Loss | spearman |
|:------:|:----:|:-------------:|:--------:|
| -1     | -1   | -             | -0.0253  |
| 0.2278 | 500  | 0.2336        | -        |
| 0.4556 | 1000 | 0.0783        | -        |
| 0.6834 | 1500 | 0.0639        | -        |
| 0.9112 | 2000 | 0.0547        | -        |
| -1     | -1   | -             | 0.8646   |
| 0.2278 | 500  | 0.0501        | -        |
| 0.4556 | 1000 | 0.0422        | -        |
| 0.6834 | 1500 | 0.0364        | -        |
| 0.9112 | 2000 | 0.0408        | -        |
| 0.2278 | 500  | 0.0145        | -        |
| 0.4556 | 1000 | 0.0161        | -        |
| 0.6834 | 1500 | 0.0158        | -        |
| 0.9112 | 2000 | 0.0222        | -        |
| 0.2278 | 500  | 0.0068        | -        |
| 0.4556 | 1000 | 0.0083        | -        |
| 0.6834 | 1500 | 0.0077        | -        |
| 0.9112 | 2000 | 0.0143        | -        |
| -1     | -1   | -             | 0.8643   |


### Framework Versions
- Python: 3.12.3
- Sentence Transformers: 5.1.1
- Transformers: 4.57.1
- PyTorch: 2.8.0+cu128
- Accelerate: 1.11.0
- Datasets: 3.2.0
- 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",
}
```

<!--
## 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.*
-->