Push model using huggingface_hub.

863b3fc verified 4 months ago

45.8 kB

	---
	tags:
	- setfit
	- sentence-transformers
	- text-classification
	- generated_from_setfit_trainer
	widget:
	- text: Quality assurance mechanisms will be strengthened for both public and private
	training providers, featuring accreditation, regular audits, and outcomes monitoring
	to ensure relevance, inclusivity, and measurable learning results.
	- text: 'los lineamientos de política para promover la producción sostenible de biocombustibles
	en colombia, tiene como objetivo general aprovechar las oportunidades de desarrollo
	económico y social que ofrecen los mercados emergentes de biocombustibles, de
	manera competitiva y sostenible. son sus objetivos específicos: 1) incrementar
	competitivamente la producción sostenible de biocombustibles, contribuyendo a
	la generación de empleo, al desarrollo rural y al bienestar de la población; 2)
	promover una alternativa de desarrollo productivo para la ocupación formal del
	suelo rural; 3) contribuir a la generación de empleo formal en el sector rural;
	4) posicionar al país como exportador de biocombustibles a partir de la consolidación
	de esta agroindustria como un sector de talla mundial; 5) diversificar la canasta
	energética del país mediante la producción eficiente de biocombustibles, haciendo
	uso de las tecnologías actuales y futuras; 6) garantizar un desempeño ambientalmente
	sostenible a través de la incorporación de variables ambientales en la toma de
	decisiones de la cadena productiva de biocombustibles. de acuerdo con lo anterior,
	se recomienda que en primera instancia las acciones gubernamentales estén orientadas
	a promover la consolidación del mercado doméstico y a generar los incentivos apropiados
	para que la industria local se prepare para competir en el mercado internacional.
	así, se propone: i) fortalecer la coordinación entre las entidades gubernamentales
	que tienen injerencia en el desarrollo de la industria de los biocombustibles;
	ii) promover la reducción gradual de los costos de producción y transformación
	de biomasas, con criterios de sostenibilidad ambiental y social; iii) incorporar
	los desarrollos previstos del mercado de biocombustibles como una variable para
	la planeación de la infraestructura de transporte; iv) incentivar la producción
	eficiente y económica, social y ambientalmente sostenible de biocombustibles en
	las regiones aptas para ello; v) definir un plan de investigación y desarrollo
	en biocombustibles; vi) armonizar la política nacional de biocombustibles con
	la política nacional de seguridad alimentaria; vii) definir un nuevo esquema de
	regulación de precios; viii) continuar con la política actual de mezclas; y ix)
	garantizar el cumplimiento de la normatividad ambiental y de la política ambiental
	en toda la cadena productiva. se recomienda conformar la comisión intersectorial
	para el manejo de biocombustibles, como instancia para coordinar el proceso de
	formulación e implementación de políticas públicas en materia de biocombustibles.
	en todo caso, el ministerio de agricultura y desarrollo rural (madr) será responsable
	de impulsar la implementación de las políticas y estrategias recomendadas en este
	documento, así como de las medidas adoptadas por la comisión intersectorial para
	el manejo de biocombustibles. se recomienda desarrollar estudios de zonificación
	que establezcan las áreas más aptas para la ubicación de los cultivos, considerando
	variables agroecológicas, climáticas, ambientales, sociales y de disponibilidad
	de infraestructura de transporte, con el apoyo técnico y económico de los sectores
	privados interesados. la comisión intersectorial para el manejo de biocombustibles
	coordinará el desarrollo de estos esfuerzos con las demás entidades del gobierno,
	con los gremios, centros de investigación, con la banca multilateral y con las
	autoridades departamentales. se recomienda al madr explorar nuevos mecanismos
	para facilitar el acceso a la tierra como los arrendamientos, el usufructo y la
	cesión de derechos de explotación, entre otros.'
	- text: Build national capacity for rapid response to chemical spills and accidental
	releases.
	- text: Provide incentives for precision agriculture adoption, including subsidies
	for sensors and data-analytic platforms, and ensure maintenance services through
	accredited private providers.
	- text: Data disaggregation by farmer type and holder status will guide policy targeting
	and monitor progress toward securing land rights across small, medium, and large
	holdings.
	metrics:
	- accuracy
	pipeline_tag: text-classification
	library_name: setfit
	inference: false
	base_model: sentence-transformers/paraphrase-multilingual-mpnet-base-v2
	---

	# SetFit with sentence-transformers/paraphrase-multilingual-mpnet-base-v2

	This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [sentence-transformers/paraphrase-multilingual-mpnet-base-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-mpnet-base-v2) as the Sentence Transformer embedding model. A OneVsRestClassifier instance is used for classification.

	The model has been trained using an efficient few-shot learning technique that involves:

	1. Fine-tuning a [Sentence Transformer](https://www.sbert.net) with contrastive learning.
	2. Training a classification head with features from the fine-tuned Sentence Transformer.

	## Model Details

	### Model Description
	- Model Type: SetFit
	- Sentence Transformer body: [sentence-transformers/paraphrase-multilingual-mpnet-base-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-mpnet-base-v2)
	- Classification head: a OneVsRestClassifier instance
	- Maximum Sequence Length: 128 tokens
	- Number of Classes: 95 classes
	<!-- - Training Dataset: [Unknown](https://huggingface.co/datasets/unknown) -->
	<!-- - Language: Unknown -->
	<!-- - License: Unknown -->

	### Model Sources

	- Repository: [SetFit on GitHub](https://github.com/huggingface/setfit)
	- Paper: [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055)
	- Blogpost: [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit)

	## Uses

	### Direct Use for Inference

	First install the SetFit library:

	```bash
	pip install setfit
	```

	Then you can load this model and run inference.

	```python
	from setfit import SetFitModel

	# Download from the 🤗 Hub
	model = SetFitModel.from_pretrained("faodl/model_cca_multilabel_mpnet-65max-full-poorf1")
	# Run inference
	preds = model("Build national capacity for rapid response to chemical spills and accidental releases.")
	```

	<!--
	### Downstream Use

	List how someone could finetune this model on their own dataset.
	-->

	<!--
	### Out-of-Scope Use

	List how the model may foreseeably be misused and address what users ought not to do with the model.
	-->

	<!--
	## Bias, Risks and Limitations

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

	<!--
	### Recommendations

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

	## Training Details

	### Training Set Metrics
	\| Training set \| Min \| Median \| Max \|
	\|:-------------\|:----\|:--------\|:----\|
	\| Word count \| 1 \| 35.0978 \| 951 \|

	### Training Hyperparameters
	- batch_size: (8, 8)
	- num_epochs: (2, 2)
	- max_steps: -1
	- sampling_strategy: oversampling
	- num_iterations: 10
	- body_learning_rate: (2e-05, 2e-05)
	- head_learning_rate: 2e-05
	- loss: CosineSimilarityLoss
	- distance_metric: cosine_distance
	- margin: 0.25
	- end_to_end: False
	- use_amp: False
	- warmup_proportion: 0.1
	- l2_weight: 0.01
	- seed: 42
	- eval_max_steps: -1
	- load_best_model_at_end: False

	### Training Results
	\| Epoch \| Step \| Training Loss \| Validation Loss \|
	\|:------:\|:-----:\|:-------------:\|:---------------:\|
	\| 0.0001 \| 1 \| 0.2365 \| - \|
	\| 0.0029 \| 50 \| 0.2043 \| - \|
	\| 0.0058 \| 100 \| 0.2145 \| - \|
	\| 0.0087 \| 150 \| 0.2015 \| - \|
	\| 0.0116 \| 200 \| 0.2071 \| - \|
	\| 0.0145 \| 250 \| 0.1914 \| - \|
	\| 0.0175 \| 300 \| 0.2113 \| - \|
	\| 0.0204 \| 350 \| 0.192 \| - \|
	\| 0.0233 \| 400 \| 0.1882 \| - \|
	\| 0.0262 \| 450 \| 0.1724 \| - \|
	\| 0.0291 \| 500 \| 0.1701 \| - \|
	\| 0.0320 \| 550 \| 0.1663 \| - \|
	\| 0.0349 \| 600 \| 0.1529 \| - \|
	\| 0.0378 \| 650 \| 0.1524 \| - \|
	\| 0.0407 \| 700 \| 0.1597 \| - \|
	\| 0.0436 \| 750 \| 0.1567 \| - \|
	\| 0.0466 \| 800 \| 0.1544 \| - \|
	\| 0.0495 \| 850 \| 0.1645 \| - \|
	\| 0.0524 \| 900 \| 0.1665 \| - \|
	\| 0.0553 \| 950 \| 0.1497 \| - \|
	\| 0.0582 \| 1000 \| 0.1481 \| - \|
	\| 0.0611 \| 1050 \| 0.1427 \| - \|
	\| 0.0640 \| 1100 \| 0.1384 \| - \|
	\| 0.0669 \| 1150 \| 0.1424 \| - \|
	\| 0.0698 \| 1200 \| 0.1553 \| - \|
	\| 0.0727 \| 1250 \| 0.1409 \| - \|
	\| 0.0756 \| 1300 \| 0.1339 \| - \|
	\| 0.0786 \| 1350 \| 0.1211 \| - \|
	\| 0.0815 \| 1400 \| 0.1195 \| - \|
	\| 0.0844 \| 1450 \| 0.121 \| - \|
	\| 0.0873 \| 1500 \| 0.1444 \| - \|
	\| 0.0902 \| 1550 \| 0.1215 \| - \|
	\| 0.0931 \| 1600 \| 0.1355 \| - \|
	\| 0.0960 \| 1650 \| 0.131 \| - \|
	\| 0.0989 \| 1700 \| 0.1467 \| - \|
	\| 0.1018 \| 1750 \| 0.133 \| - \|
	\| 0.1047 \| 1800 \| 0.1255 \| - \|
	\| 0.1077 \| 1850 \| 0.1343 \| - \|
	\| 0.1106 \| 1900 \| 0.1254 \| - \|
	\| 0.1135 \| 1950 \| 0.1345 \| - \|
	\| 0.1164 \| 2000 \| 0.1447 \| - \|
	\| 0.1193 \| 2050 \| 0.1157 \| - \|
	\| 0.1222 \| 2100 \| 0.1223 \| - \|
	\| 0.1251 \| 2150 \| 0.11 \| - \|
	\| 0.1280 \| 2200 \| 0.1249 \| - \|
	\| 0.1309 \| 2250 \| 0.1176 \| - \|
	\| 0.1338 \| 2300 \| 0.1142 \| - \|
	\| 0.1367 \| 2350 \| 0.1225 \| - \|
	\| 0.1397 \| 2400 \| 0.1171 \| - \|
	\| 0.1426 \| 2450 \| 0.1185 \| - \|
	\| 0.1455 \| 2500 \| 0.1107 \| - \|
	\| 0.1484 \| 2550 \| 0.1062 \| - \|
	\| 0.1513 \| 2600 \| 0.1211 \| - \|
	\| 0.1542 \| 2650 \| 0.1019 \| - \|
	\| 0.1571 \| 2700 \| 0.111 \| - \|
	\| 0.1600 \| 2750 \| 0.132 \| - \|
	\| 0.1629 \| 2800 \| 0.1211 \| - \|
	\| 0.1658 \| 2850 \| 0.1128 \| - \|
	\| 0.1688 \| 2900 \| 0.1179 \| - \|
	\| 0.1717 \| 2950 \| 0.1045 \| - \|
	\| 0.1746 \| 3000 \| 0.1278 \| - \|
	\| 0.1775 \| 3050 \| 0.1317 \| - \|
	\| 0.1804 \| 3100 \| 0.1104 \| - \|
	\| 0.1833 \| 3150 \| 0.1123 \| - \|
	\| 0.1862 \| 3200 \| 0.1053 \| - \|
	\| 0.1891 \| 3250 \| 0.1169 \| - \|
	\| 0.1920 \| 3300 \| 0.1174 \| - \|
	\| 0.1949 \| 3350 \| 0.1224 \| - \|
	\| 0.1978 \| 3400 \| 0.1144 \| - \|
	\| 0.2008 \| 3450 \| 0.0996 \| - \|
	\| 0.2037 \| 3500 \| 0.1245 \| - \|
	\| 0.2066 \| 3550 \| 0.1313 \| - \|
	\| 0.2095 \| 3600 \| 0.1045 \| - \|
	\| 0.2124 \| 3650 \| 0.1236 \| - \|
	\| 0.2153 \| 3700 \| 0.1146 \| - \|
	\| 0.2182 \| 3750 \| 0.1037 \| - \|
	\| 0.2211 \| 3800 \| 0.1091 \| - \|
	\| 0.2240 \| 3850 \| 0.0977 \| - \|
	\| 0.2269 \| 3900 \| 0.1115 \| - \|
	\| 0.2299 \| 3950 \| 0.1108 \| - \|
	\| 0.2328 \| 4000 \| 0.1195 \| - \|
	\| 0.2357 \| 4050 \| 0.1078 \| - \|
	\| 0.2386 \| 4100 \| 0.1292 \| - \|
	\| 0.2415 \| 4150 \| 0.0997 \| - \|
	\| 0.2444 \| 4200 \| 0.0964 \| - \|
	\| 0.2473 \| 4250 \| 0.1019 \| - \|
	\| 0.2502 \| 4300 \| 0.1016 \| - \|
	\| 0.2531 \| 4350 \| 0.1137 \| - \|
	\| 0.2560 \| 4400 \| 0.0781 \| - \|
	\| 0.2589 \| 4450 \| 0.1085 \| - \|
	\| 0.2619 \| 4500 \| 0.1027 \| - \|
	\| 0.2648 \| 4550 \| 0.0933 \| - \|
	\| 0.2677 \| 4600 \| 0.1073 \| - \|
	\| 0.2706 \| 4650 \| 0.0965 \| - \|
	\| 0.2735 \| 4700 \| 0.0991 \| - \|
	\| 0.2764 \| 4750 \| 0.0861 \| - \|
	\| 0.2793 \| 4800 \| 0.1062 \| - \|
	\| 0.2822 \| 4850 \| 0.1019 \| - \|
	\| 0.2851 \| 4900 \| 0.0952 \| - \|
	\| 0.2880 \| 4950 \| 0.1019 \| - \|
	\| 0.2910 \| 5000 \| 0.0966 \| - \|
	\| 0.2939 \| 5050 \| 0.1027 \| - \|
	\| 0.2968 \| 5100 \| 0.0978 \| - \|
	\| 0.2997 \| 5150 \| 0.0919 \| - \|
	\| 0.3026 \| 5200 \| 0.0872 \| - \|
	\| 0.3055 \| 5250 \| 0.0957 \| - \|
	\| 0.3084 \| 5300 \| 0.0751 \| - \|
	\| 0.3113 \| 5350 \| 0.0908 \| - \|
	\| 0.3142 \| 5400 \| 0.0888 \| - \|
	\| 0.3171 \| 5450 \| 0.0882 \| - \|
	\| 0.3200 \| 5500 \| 0.0935 \| - \|
	\| 0.3230 \| 5550 \| 0.0805 \| - \|
	\| 0.3259 \| 5600 \| 0.0828 \| - \|
	\| 0.3288 \| 5650 \| 0.081 \| - \|
	\| 0.3317 \| 5700 \| 0.0983 \| - \|
	\| 0.3346 \| 5750 \| 0.0908 \| - \|
	\| 0.3375 \| 5800 \| 0.0839 \| - \|
	\| 0.3404 \| 5850 \| 0.0788 \| - \|
	\| 0.3433 \| 5900 \| 0.0857 \| - \|
	\| 0.3462 \| 5950 \| 0.0874 \| - \|
	\| 0.3491 \| 6000 \| 0.0922 \| - \|
	\| 0.3521 \| 6050 \| 0.0874 \| - \|
	\| 0.3550 \| 6100 \| 0.0894 \| - \|
	\| 0.3579 \| 6150 \| 0.0881 \| - \|
	\| 0.3608 \| 6200 \| 0.0818 \| - \|
	\| 0.3637 \| 6250 \| 0.0712 \| - \|
	\| 0.3666 \| 6300 \| 0.0776 \| - \|
	\| 0.3695 \| 6350 \| 0.0661 \| - \|
	\| 0.3724 \| 6400 \| 0.0802 \| - \|
	\| 0.3753 \| 6450 \| 0.0879 \| - \|
	\| 0.3782 \| 6500 \| 0.0804 \| - \|
	\| 0.3811 \| 6550 \| 0.0875 \| - \|
	\| 0.3841 \| 6600 \| 0.0965 \| - \|
	\| 0.3870 \| 6650 \| 0.0696 \| - \|
	\| 0.3899 \| 6700 \| 0.0674 \| - \|
	\| 0.3928 \| 6750 \| 0.0876 \| - \|
	\| 0.3957 \| 6800 \| 0.0811 \| - \|
	\| 0.3986 \| 6850 \| 0.0848 \| - \|
	\| 0.4015 \| 6900 \| 0.0664 \| - \|
	\| 0.4044 \| 6950 \| 0.0819 \| - \|
	\| 0.4073 \| 7000 \| 0.0636 \| - \|
	\| 0.4102 \| 7050 \| 0.0723 \| - \|
	\| 0.4132 \| 7100 \| 0.064 \| - \|
	\| 0.4161 \| 7150 \| 0.0758 \| - \|
	\| 0.4190 \| 7200 \| 0.0864 \| - \|
	\| 0.4219 \| 7250 \| 0.0735 \| - \|
	\| 0.4248 \| 7300 \| 0.0778 \| - \|
	\| 0.4277 \| 7350 \| 0.0867 \| - \|
	\| 0.4306 \| 7400 \| 0.0866 \| - \|
	\| 0.4335 \| 7450 \| 0.0607 \| - \|
	\| 0.4364 \| 7500 \| 0.0764 \| - \|
	\| 0.4393 \| 7550 \| 0.0845 \| - \|
	\| 0.4422 \| 7600 \| 0.0723 \| - \|
	\| 0.4452 \| 7650 \| 0.0767 \| - \|
	\| 0.4481 \| 7700 \| 0.074 \| - \|
	\| 0.4510 \| 7750 \| 0.0699 \| - \|
	\| 0.4539 \| 7800 \| 0.0755 \| - \|
	\| 0.4568 \| 7850 \| 0.0598 \| - \|
	\| 0.4597 \| 7900 \| 0.0733 \| - \|
	\| 0.4626 \| 7950 \| 0.0731 \| - \|
	\| 0.4655 \| 8000 \| 0.0811 \| - \|
	\| 0.4684 \| 8050 \| 0.0679 \| - \|
	\| 0.4713 \| 8100 \| 0.0708 \| - \|
	\| 0.4743 \| 8150 \| 0.0615 \| - \|
	\| 0.4772 \| 8200 \| 0.0652 \| - \|
	\| 0.4801 \| 8250 \| 0.0655 \| - \|
	\| 0.4830 \| 8300 \| 0.0642 \| - \|
	\| 0.4859 \| 8350 \| 0.0797 \| - \|
	\| 0.4888 \| 8400 \| 0.0652 \| - \|
	\| 0.4917 \| 8450 \| 0.0627 \| - \|
	\| 0.4946 \| 8500 \| 0.0468 \| - \|
	\| 0.4975 \| 8550 \| 0.0736 \| - \|
	\| 0.5004 \| 8600 \| 0.0757 \| - \|
	\| 0.5033 \| 8650 \| 0.0761 \| - \|
	\| 0.5063 \| 8700 \| 0.0666 \| - \|
	\| 0.5092 \| 8750 \| 0.0771 \| - \|
	\| 0.5121 \| 8800 \| 0.0677 \| - \|
	\| 0.5150 \| 8850 \| 0.0601 \| - \|
	\| 0.5179 \| 8900 \| 0.0638 \| - \|
	\| 0.5208 \| 8950 \| 0.0707 \| - \|
	\| 0.5237 \| 9000 \| 0.0738 \| - \|
	\| 0.5266 \| 9050 \| 0.0655 \| - \|
	\| 0.5295 \| 9100 \| 0.0596 \| - \|
	\| 0.5324 \| 9150 \| 0.0483 \| - \|
	\| 0.5354 \| 9200 \| 0.0701 \| - \|
	\| 0.5383 \| 9250 \| 0.0592 \| - \|
	\| 0.5412 \| 9300 \| 0.0617 \| - \|
	\| 0.5441 \| 9350 \| 0.068 \| - \|
	\| 0.5470 \| 9400 \| 0.0647 \| - \|
	\| 0.5499 \| 9450 \| 0.0719 \| - \|
	\| 0.5528 \| 9500 \| 0.0531 \| - \|
	\| 0.5557 \| 9550 \| 0.057 \| - \|
	\| 0.5586 \| 9600 \| 0.0608 \| - \|
	\| 0.5615 \| 9650 \| 0.0723 \| - \|
	\| 0.5644 \| 9700 \| 0.0528 \| - \|
	\| 0.5674 \| 9750 \| 0.0719 \| - \|
	\| 0.5703 \| 9800 \| 0.06 \| - \|
	\| 0.5732 \| 9850 \| 0.0522 \| - \|
	\| 0.5761 \| 9900 \| 0.0502 \| - \|
	\| 0.5790 \| 9950 \| 0.0506 \| - \|
	\| 0.5819 \| 10000 \| 0.0691 \| - \|
	\| 0.5848 \| 10050 \| 0.0643 \| - \|
	\| 0.5877 \| 10100 \| 0.0644 \| - \|
	\| 0.5906 \| 10150 \| 0.0594 \| - \|
	\| 0.5935 \| 10200 \| 0.0458 \| - \|
	\| 0.5965 \| 10250 \| 0.0495 \| - \|
	\| 0.5994 \| 10300 \| 0.0664 \| - \|
	\| 0.6023 \| 10350 \| 0.0735 \| - \|
	\| 0.6052 \| 10400 \| 0.0637 \| - \|
	\| 0.6081 \| 10450 \| 0.0618 \| - \|
	\| 0.6110 \| 10500 \| 0.0529 \| - \|
	\| 0.6139 \| 10550 \| 0.067 \| - \|
	\| 0.6168 \| 10600 \| 0.0576 \| - \|
	\| 0.6197 \| 10650 \| 0.0554 \| - \|
	\| 0.6226 \| 10700 \| 0.0599 \| - \|
	\| 0.6255 \| 10750 \| 0.0785 \| - \|
	\| 0.6285 \| 10800 \| 0.056 \| - \|
	\| 0.6314 \| 10850 \| 0.0711 \| - \|
	\| 0.6343 \| 10900 \| 0.0562 \| - \|
	\| 0.6372 \| 10950 \| 0.0679 \| - \|
	\| 0.6401 \| 11000 \| 0.0589 \| - \|
	\| 0.6430 \| 11050 \| 0.056 \| - \|
	\| 0.6459 \| 11100 \| 0.0641 \| - \|
	\| 0.6488 \| 11150 \| 0.0557 \| - \|
	\| 0.6517 \| 11200 \| 0.0561 \| - \|
	\| 0.6546 \| 11250 \| 0.0653 \| - \|
	\| 0.6576 \| 11300 \| 0.0676 \| - \|
	\| 0.6605 \| 11350 \| 0.0533 \| - \|
	\| 0.6634 \| 11400 \| 0.0591 \| - \|
	\| 0.6663 \| 11450 \| 0.0588 \| - \|
	\| 0.6692 \| 11500 \| 0.0719 \| - \|
	\| 0.6721 \| 11550 \| 0.0481 \| - \|
	\| 0.6750 \| 11600 \| 0.0542 \| - \|
	\| 0.6779 \| 11650 \| 0.0596 \| - \|
	\| 0.6808 \| 11700 \| 0.0501 \| - \|
	\| 0.6837 \| 11750 \| 0.0572 \| - \|
	\| 0.6866 \| 11800 \| 0.0514 \| - \|
	\| 0.6896 \| 11850 \| 0.0418 \| - \|
	\| 0.6925 \| 11900 \| 0.0556 \| - \|
	\| 0.6954 \| 11950 \| 0.0479 \| - \|
	\| 0.6983 \| 12000 \| 0.0398 \| - \|
	\| 0.7012 \| 12050 \| 0.0495 \| - \|
	\| 0.7041 \| 12100 \| 0.0596 \| - \|
	\| 0.7070 \| 12150 \| 0.0387 \| - \|
	\| 0.7099 \| 12200 \| 0.0682 \| - \|
	\| 0.7128 \| 12250 \| 0.0647 \| - \|
	\| 0.7157 \| 12300 \| 0.0535 \| - \|
	\| 0.7186 \| 12350 \| 0.0478 \| - \|
	\| 0.7216 \| 12400 \| 0.045 \| - \|
	\| 0.7245 \| 12450 \| 0.0494 \| - \|
	\| 0.7274 \| 12500 \| 0.0551 \| - \|
	\| 0.7303 \| 12550 \| 0.0497 \| - \|
	\| 0.7332 \| 12600 \| 0.0531 \| - \|
	\| 0.7361 \| 12650 \| 0.0414 \| - \|
	\| 0.7390 \| 12700 \| 0.0576 \| - \|
	\| 0.7419 \| 12750 \| 0.0565 \| - \|
	\| 0.7448 \| 12800 \| 0.0507 \| - \|
	\| 0.7477 \| 12850 \| 0.0513 \| - \|
	\| 0.7507 \| 12900 \| 0.0342 \| - \|
	\| 0.7536 \| 12950 \| 0.0512 \| - \|
	\| 0.7565 \| 13000 \| 0.0497 \| - \|
	\| 0.7594 \| 13050 \| 0.0506 \| - \|
	\| 0.7623 \| 13100 \| 0.0458 \| - \|
	\| 0.7652 \| 13150 \| 0.0424 \| - \|
	\| 0.7681 \| 13200 \| 0.0583 \| - \|
	\| 0.7710 \| 13250 \| 0.0482 \| - \|
	\| 0.7739 \| 13300 \| 0.0562 \| - \|
	\| 0.7768 \| 13350 \| 0.0522 \| - \|
	\| 0.7797 \| 13400 \| 0.0435 \| - \|
	\| 0.7827 \| 13450 \| 0.052 \| - \|
	\| 0.7856 \| 13500 \| 0.04 \| - \|
	\| 0.7885 \| 13550 \| 0.0418 \| - \|
	\| 0.7914 \| 13600 \| 0.0619 \| - \|
	\| 0.7943 \| 13650 \| 0.0407 \| - \|
	\| 0.7972 \| 13700 \| 0.0472 \| - \|
	\| 0.8001 \| 13750 \| 0.0531 \| - \|
	\| 0.8030 \| 13800 \| 0.0487 \| - \|
	\| 0.8059 \| 13850 \| 0.0497 \| - \|
	\| 0.8088 \| 13900 \| 0.0356 \| - \|
	\| 0.8118 \| 13950 \| 0.0544 \| - \|
	\| 0.8147 \| 14000 \| 0.0429 \| - \|
	\| 0.8176 \| 14050 \| 0.0406 \| - \|
	\| 0.8205 \| 14100 \| 0.0471 \| - \|
	\| 0.8234 \| 14150 \| 0.0529 \| - \|
	\| 0.8263 \| 14200 \| 0.0388 \| - \|
	\| 0.8292 \| 14250 \| 0.0372 \| - \|
	\| 0.8321 \| 14300 \| 0.0515 \| - \|
	\| 0.8350 \| 14350 \| 0.0435 \| - \|
	\| 0.8379 \| 14400 \| 0.0428 \| - \|
	\| 0.8408 \| 14450 \| 0.0437 \| - \|
	\| 0.8438 \| 14500 \| 0.0386 \| - \|
	\| 0.8467 \| 14550 \| 0.0456 \| - \|
	\| 0.8496 \| 14600 \| 0.0544 \| - \|
	\| 0.8525 \| 14650 \| 0.0604 \| - \|
	\| 0.8554 \| 14700 \| 0.0515 \| - \|
	\| 0.8583 \| 14750 \| 0.0461 \| - \|
	\| 0.8612 \| 14800 \| 0.04 \| - \|
	\| 0.8641 \| 14850 \| 0.0528 \| - \|
	\| 0.8670 \| 14900 \| 0.0423 \| - \|
	\| 0.8699 \| 14950 \| 0.053 \| - \|
	\| 0.8729 \| 15000 \| 0.0385 \| - \|
	\| 0.8758 \| 15050 \| 0.0484 \| - \|
	\| 0.8787 \| 15100 \| 0.044 \| - \|
	\| 0.8816 \| 15150 \| 0.0464 \| - \|
	\| 0.8845 \| 15200 \| 0.045 \| - \|
	\| 0.8874 \| 15250 \| 0.0488 \| - \|
	\| 0.8903 \| 15300 \| 0.0476 \| - \|
	\| 0.8932 \| 15350 \| 0.0537 \| - \|
	\| 0.8961 \| 15400 \| 0.0433 \| - \|
	\| 0.8990 \| 15450 \| 0.043 \| - \|
	\| 0.9019 \| 15500 \| 0.0463 \| - \|
	\| 0.9049 \| 15550 \| 0.0367 \| - \|
	\| 0.9078 \| 15600 \| 0.0418 \| - \|
	\| 0.9107 \| 15650 \| 0.0471 \| - \|
	\| 0.9136 \| 15700 \| 0.0386 \| - \|
	\| 0.9165 \| 15750 \| 0.0436 \| - \|
	\| 0.9194 \| 15800 \| 0.041 \| - \|
	\| 0.9223 \| 15850 \| 0.044 \| - \|
	\| 0.9252 \| 15900 \| 0.0396 \| - \|
	\| 0.9281 \| 15950 \| 0.0388 \| - \|
	\| 0.9310 \| 16000 \| 0.0388 \| - \|
	\| 0.9340 \| 16050 \| 0.0414 \| - \|
	\| 0.9369 \| 16100 \| 0.0416 \| - \|
	\| 0.9398 \| 16150 \| 0.0328 \| - \|
	\| 0.9427 \| 16200 \| 0.0381 \| - \|
	\| 0.9456 \| 16250 \| 0.0426 \| - \|
	\| 0.9485 \| 16300 \| 0.0374 \| - \|
	\| 0.9514 \| 16350 \| 0.0471 \| - \|
	\| 0.9543 \| 16400 \| 0.0346 \| - \|
	\| 0.9572 \| 16450 \| 0.0418 \| - \|
	\| 0.9601 \| 16500 \| 0.0397 \| - \|
	\| 0.9630 \| 16550 \| 0.037 \| - \|
	\| 0.9660 \| 16600 \| 0.0303 \| - \|
	\| 0.9689 \| 16650 \| 0.0535 \| - \|
	\| 0.9718 \| 16700 \| 0.0451 \| - \|
	\| 0.9747 \| 16750 \| 0.0479 \| - \|
	\| 0.9776 \| 16800 \| 0.0419 \| - \|
	\| 0.9805 \| 16850 \| 0.0468 \| - \|
	\| 0.9834 \| 16900 \| 0.0551 \| - \|
	\| 0.9863 \| 16950 \| 0.0395 \| - \|
	\| 0.9892 \| 17000 \| 0.0312 \| - \|
	\| 0.9921 \| 17050 \| 0.0423 \| - \|
	\| 0.9951 \| 17100 \| 0.0337 \| - \|
	\| 0.9980 \| 17150 \| 0.0519 \| - \|
	\| 1.0009 \| 17200 \| 0.0393 \| - \|
	\| 1.0038 \| 17250 \| 0.0328 \| - \|
	\| 1.0067 \| 17300 \| 0.0322 \| - \|
	\| 1.0096 \| 17350 \| 0.0368 \| - \|
	\| 1.0125 \| 17400 \| 0.0465 \| - \|
	\| 1.0154 \| 17450 \| 0.0372 \| - \|
	\| 1.0183 \| 17500 \| 0.0353 \| - \|
	\| 1.0212 \| 17550 \| 0.0302 \| - \|
	\| 1.0241 \| 17600 \| 0.025 \| - \|
	\| 1.0271 \| 17650 \| 0.031 \| - \|
	\| 1.0300 \| 17700 \| 0.0345 \| - \|
	\| 1.0329 \| 17750 \| 0.032 \| - \|
	\| 1.0358 \| 17800 \| 0.0346 \| - \|
	\| 1.0387 \| 17850 \| 0.0375 \| - \|
	\| 1.0416 \| 17900 \| 0.0438 \| - \|
	\| 1.0445 \| 17950 \| 0.0464 \| - \|
	\| 1.0474 \| 18000 \| 0.0375 \| - \|
	\| 1.0503 \| 18050 \| 0.0305 \| - \|
	\| 1.0532 \| 18100 \| 0.0381 \| - \|
	\| 1.0562 \| 18150 \| 0.0447 \| - \|
	\| 1.0591 \| 18200 \| 0.0383 \| - \|
	\| 1.0620 \| 18250 \| 0.0319 \| - \|
	\| 1.0649 \| 18300 \| 0.0429 \| - \|
	\| 1.0678 \| 18350 \| 0.0353 \| - \|
	\| 1.0707 \| 18400 \| 0.0381 \| - \|
	\| 1.0736 \| 18450 \| 0.0421 \| - \|
	\| 1.0765 \| 18500 \| 0.0409 \| - \|
	\| 1.0794 \| 18550 \| 0.04 \| - \|
	\| 1.0823 \| 18600 \| 0.027 \| - \|
	\| 1.0852 \| 18650 \| 0.028 \| - \|
	\| 1.0882 \| 18700 \| 0.0392 \| - \|
	\| 1.0911 \| 18750 \| 0.0326 \| - \|
	\| 1.0940 \| 18800 \| 0.0364 \| - \|
	\| 1.0969 \| 18850 \| 0.0366 \| - \|
	\| 1.0998 \| 18900 \| 0.0354 \| - \|
	\| 1.1027 \| 18950 \| 0.0397 \| - \|
	\| 1.1056 \| 19000 \| 0.0408 \| - \|
	\| 1.1085 \| 19050 \| 0.0322 \| - \|
	\| 1.1114 \| 19100 \| 0.0286 \| - \|
	\| 1.1143 \| 19150 \| 0.0386 \| - \|
	\| 1.1173 \| 19200 \| 0.0448 \| - \|
	\| 1.1202 \| 19250 \| 0.0423 \| - \|
	\| 1.1231 \| 19300 \| 0.041 \| - \|
	\| 1.1260 \| 19350 \| 0.0324 \| - \|
	\| 1.1289 \| 19400 \| 0.039 \| - \|
	\| 1.1318 \| 19450 \| 0.0365 \| - \|
	\| 1.1347 \| 19500 \| 0.0314 \| - \|
	\| 1.1376 \| 19550 \| 0.035 \| - \|
	\| 1.1405 \| 19600 \| 0.0362 \| - \|
	\| 1.1434 \| 19650 \| 0.0357 \| - \|
	\| 1.1463 \| 19700 \| 0.0354 \| - \|
	\| 1.1493 \| 19750 \| 0.0309 \| - \|
	\| 1.1522 \| 19800 \| 0.0389 \| - \|
	\| 1.1551 \| 19850 \| 0.0455 \| - \|
	\| 1.1580 \| 19900 \| 0.0362 \| - \|
	\| 1.1609 \| 19950 \| 0.0318 \| - \|
	\| 1.1638 \| 20000 \| 0.0372 \| - \|
	\| 1.1667 \| 20050 \| 0.0417 \| - \|
	\| 1.1696 \| 20100 \| 0.0301 \| - \|
	\| 1.1725 \| 20150 \| 0.0391 \| - \|
	\| 1.1754 \| 20200 \| 0.0286 \| - \|
	\| 1.1784 \| 20250 \| 0.0398 \| - \|
	\| 1.1813 \| 20300 \| 0.0263 \| - \|
	\| 1.1842 \| 20350 \| 0.038 \| - \|
	\| 1.1871 \| 20400 \| 0.0317 \| - \|
	\| 1.1900 \| 20450 \| 0.0347 \| - \|
	\| 1.1929 \| 20500 \| 0.0353 \| - \|
	\| 1.1958 \| 20550 \| 0.0421 \| - \|
	\| 1.1987 \| 20600 \| 0.0307 \| - \|
	\| 1.2016 \| 20650 \| 0.0284 \| - \|
	\| 1.2045 \| 20700 \| 0.0324 \| - \|
	\| 1.2074 \| 20750 \| 0.029 \| - \|
	\| 1.2104 \| 20800 \| 0.027 \| - \|
	\| 1.2133 \| 20850 \| 0.0284 \| - \|
	\| 1.2162 \| 20900 \| 0.0291 \| - \|
	\| 1.2191 \| 20950 \| 0.0332 \| - \|
	\| 1.2220 \| 21000 \| 0.0312 \| - \|
	\| 1.2249 \| 21050 \| 0.0442 \| - \|
	\| 1.2278 \| 21100 \| 0.0235 \| - \|
	\| 1.2307 \| 21150 \| 0.0385 \| - \|
	\| 1.2336 \| 21200 \| 0.0292 \| - \|
	\| 1.2365 \| 21250 \| 0.0379 \| - \|
	\| 1.2395 \| 21300 \| 0.0395 \| - \|
	\| 1.2424 \| 21350 \| 0.0219 \| - \|
	\| 1.2453 \| 21400 \| 0.0295 \| - \|
	\| 1.2482 \| 21450 \| 0.032 \| - \|
	\| 1.2511 \| 21500 \| 0.0274 \| - \|
	\| 1.2540 \| 21550 \| 0.0273 \| - \|
	\| 1.2569 \| 21600 \| 0.0314 \| - \|
	\| 1.2598 \| 21650 \| 0.0424 \| - \|
	\| 1.2627 \| 21700 \| 0.0374 \| - \|
	\| 1.2656 \| 21750 \| 0.0232 \| - \|
	\| 1.2685 \| 21800 \| 0.03 \| - \|
	\| 1.2715 \| 21850 \| 0.0325 \| - \|
	\| 1.2744 \| 21900 \| 0.042 \| - \|
	\| 1.2773 \| 21950 \| 0.0295 \| - \|
	\| 1.2802 \| 22000 \| 0.0313 \| - \|
	\| 1.2831 \| 22050 \| 0.034 \| - \|
	\| 1.2860 \| 22100 \| 0.0238 \| - \|
	\| 1.2889 \| 22150 \| 0.034 \| - \|
	\| 1.2918 \| 22200 \| 0.0272 \| - \|
	\| 1.2947 \| 22250 \| 0.0277 \| - \|
	\| 1.2976 \| 22300 \| 0.0367 \| - \|
	\| 1.3006 \| 22350 \| 0.0327 \| - \|
	\| 1.3035 \| 22400 \| 0.0409 \| - \|
	\| 1.3064 \| 22450 \| 0.0336 \| - \|
	\| 1.3093 \| 22500 \| 0.0251 \| - \|
	\| 1.3122 \| 22550 \| 0.0307 \| - \|
	\| 1.3151 \| 22600 \| 0.0428 \| - \|
	\| 1.3180 \| 22650 \| 0.0334 \| - \|
	\| 1.3209 \| 22700 \| 0.0345 \| - \|
	\| 1.3238 \| 22750 \| 0.0413 \| - \|
	\| 1.3267 \| 22800 \| 0.0247 \| - \|
	\| 1.3296 \| 22850 \| 0.0244 \| - \|
	\| 1.3326 \| 22900 \| 0.035 \| - \|
	\| 1.3355 \| 22950 \| 0.022 \| - \|
	\| 1.3384 \| 23000 \| 0.0325 \| - \|
	\| 1.3413 \| 23050 \| 0.0306 \| - \|
	\| 1.3442 \| 23100 \| 0.0275 \| - \|
	\| 1.3471 \| 23150 \| 0.0375 \| - \|
	\| 1.3500 \| 23200 \| 0.034 \| - \|
	\| 1.3529 \| 23250 \| 0.0326 \| - \|
	\| 1.3558 \| 23300 \| 0.0338 \| - \|
	\| 1.3587 \| 23350 \| 0.0382 \| - \|
	\| 1.3617 \| 23400 \| 0.0249 \| - \|
	\| 1.3646 \| 23450 \| 0.0331 \| - \|
	\| 1.3675 \| 23500 \| 0.0362 \| - \|
	\| 1.3704 \| 23550 \| 0.0256 \| - \|
	\| 1.3733 \| 23600 \| 0.0376 \| - \|
	\| 1.3762 \| 23650 \| 0.0304 \| - \|
	\| 1.3791 \| 23700 \| 0.0282 \| - \|
	\| 1.3820 \| 23750 \| 0.0285 \| - \|
	\| 1.3849 \| 23800 \| 0.0388 \| - \|
	\| 1.3878 \| 23850 \| 0.0279 \| - \|
	\| 1.3907 \| 23900 \| 0.0326 \| - \|
	\| 1.3937 \| 23950 \| 0.0334 \| - \|
	\| 1.3966 \| 24000 \| 0.0336 \| - \|
	\| 1.3995 \| 24050 \| 0.0273 \| - \|
	\| 1.4024 \| 24100 \| 0.0313 \| - \|
	\| 1.4053 \| 24150 \| 0.0332 \| - \|
	\| 1.4082 \| 24200 \| 0.0244 \| - \|
	\| 1.4111 \| 24250 \| 0.0341 \| - \|
	\| 1.4140 \| 24300 \| 0.0299 \| - \|
	\| 1.4169 \| 24350 \| 0.0382 \| - \|
	\| 1.4198 \| 24400 \| 0.0289 \| - \|
	\| 1.4228 \| 24450 \| 0.0289 \| - \|
	\| 1.4257 \| 24500 \| 0.0275 \| - \|
	\| 1.4286 \| 24550 \| 0.0327 \| - \|
	\| 1.4315 \| 24600 \| 0.031 \| - \|
	\| 1.4344 \| 24650 \| 0.0266 \| - \|
	\| 1.4373 \| 24700 \| 0.0391 \| - \|
	\| 1.4402 \| 24750 \| 0.0378 \| - \|
	\| 1.4431 \| 24800 \| 0.0317 \| - \|
	\| 1.4460 \| 24850 \| 0.0198 \| - \|
	\| 1.4489 \| 24900 \| 0.0231 \| - \|
	\| 1.4518 \| 24950 \| 0.0271 \| - \|
	\| 1.4548 \| 25000 \| 0.0326 \| - \|
	\| 1.4577 \| 25050 \| 0.0307 \| - \|
	\| 1.4606 \| 25100 \| 0.0279 \| - \|
	\| 1.4635 \| 25150 \| 0.0287 \| - \|
	\| 1.4664 \| 25200 \| 0.0296 \| - \|
	\| 1.4693 \| 25250 \| 0.0228 \| - \|
	\| 1.4722 \| 25300 \| 0.0273 \| - \|
	\| 1.4751 \| 25350 \| 0.0345 \| - \|
	\| 1.4780 \| 25400 \| 0.0208 \| - \|
	\| 1.4809 \| 25450 \| 0.0358 \| - \|
	\| 1.4839 \| 25500 \| 0.0291 \| - \|
	\| 1.4868 \| 25550 \| 0.0384 \| - \|
	\| 1.4897 \| 25600 \| 0.0249 \| - \|
	\| 1.4926 \| 25650 \| 0.0361 \| - \|
	\| 1.4955 \| 25700 \| 0.0353 \| - \|
	\| 1.4984 \| 25750 \| 0.0243 \| - \|
	\| 1.5013 \| 25800 \| 0.0264 \| - \|
	\| 1.5042 \| 25850 \| 0.0241 \| - \|
	\| 1.5071 \| 25900 \| 0.0225 \| - \|
	\| 1.5100 \| 25950 \| 0.0238 \| - \|
	\| 1.5129 \| 26000 \| 0.0303 \| - \|
	\| 1.5159 \| 26050 \| 0.0268 \| - \|
	\| 1.5188 \| 26100 \| 0.0266 \| - \|
	\| 1.5217 \| 26150 \| 0.0262 \| - \|
	\| 1.5246 \| 26200 \| 0.0261 \| - \|
	\| 1.5275 \| 26250 \| 0.0363 \| - \|
	\| 1.5304 \| 26300 \| 0.0165 \| - \|
	\| 1.5333 \| 26350 \| 0.0244 \| - \|
	\| 1.5362 \| 26400 \| 0.0348 \| - \|
	\| 1.5391 \| 26450 \| 0.032 \| - \|
	\| 1.5420 \| 26500 \| 0.0367 \| - \|
	\| 1.5450 \| 26550 \| 0.0263 \| - \|
	\| 1.5479 \| 26600 \| 0.0335 \| - \|
	\| 1.5508 \| 26650 \| 0.0222 \| - \|
	\| 1.5537 \| 26700 \| 0.0406 \| - \|
	\| 1.5566 \| 26750 \| 0.044 \| - \|
	\| 1.5595 \| 26800 \| 0.0325 \| - \|
	\| 1.5624 \| 26850 \| 0.0227 \| - \|
	\| 1.5653 \| 26900 \| 0.0246 \| - \|
	\| 1.5682 \| 26950 \| 0.0245 \| - \|
	\| 1.5711 \| 27000 \| 0.0225 \| - \|
	\| 1.5740 \| 27050 \| 0.0256 \| - \|
	\| 1.5770 \| 27100 \| 0.0239 \| - \|
	\| 1.5799 \| 27150 \| 0.0317 \| - \|
	\| 1.5828 \| 27200 \| 0.0283 \| - \|
	\| 1.5857 \| 27250 \| 0.0237 \| - \|
	\| 1.5886 \| 27300 \| 0.0282 \| - \|
	\| 1.5915 \| 27350 \| 0.0258 \| - \|
	\| 1.5944 \| 27400 \| 0.024 \| - \|
	\| 1.5973 \| 27450 \| 0.0307 \| - \|
	\| 1.6002 \| 27500 \| 0.0247 \| - \|
	\| 1.6031 \| 27550 \| 0.0326 \| - \|
	\| 1.6061 \| 27600 \| 0.0257 \| - \|
	\| 1.6090 \| 27650 \| 0.0259 \| - \|
	\| 1.6119 \| 27700 \| 0.0264 \| - \|
	\| 1.6148 \| 27750 \| 0.0283 \| - \|
	\| 1.6177 \| 27800 \| 0.0218 \| - \|
	\| 1.6206 \| 27850 \| 0.0218 \| - \|
	\| 1.6235 \| 27900 \| 0.0205 \| - \|
	\| 1.6264 \| 27950 \| 0.0293 \| - \|
	\| 1.6293 \| 28000 \| 0.0194 \| - \|
	\| 1.6322 \| 28050 \| 0.0293 \| - \|
	\| 1.6351 \| 28100 \| 0.0251 \| - \|
	\| 1.6381 \| 28150 \| 0.0313 \| - \|
	\| 1.6410 \| 28200 \| 0.0274 \| - \|
	\| 1.6439 \| 28250 \| 0.0308 \| - \|
	\| 1.6468 \| 28300 \| 0.0244 \| - \|
	\| 1.6497 \| 28350 \| 0.0264 \| - \|
	\| 1.6526 \| 28400 \| 0.0278 \| - \|
	\| 1.6555 \| 28450 \| 0.0327 \| - \|
	\| 1.6584 \| 28500 \| 0.0331 \| - \|
	\| 1.6613 \| 28550 \| 0.0305 \| - \|
	\| 1.6642 \| 28600 \| 0.0309 \| - \|
	\| 1.6672 \| 28650 \| 0.0236 \| - \|
	\| 1.6701 \| 28700 \| 0.0259 \| - \|
	\| 1.6730 \| 28750 \| 0.0202 \| - \|
	\| 1.6759 \| 28800 \| 0.0272 \| - \|
	\| 1.6788 \| 28850 \| 0.0364 \| - \|
	\| 1.6817 \| 28900 \| 0.0386 \| - \|
	\| 1.6846 \| 28950 \| 0.0233 \| - \|
	\| 1.6875 \| 29000 \| 0.0265 \| - \|
	\| 1.6904 \| 29050 \| 0.0233 \| - \|
	\| 1.6933 \| 29100 \| 0.0292 \| - \|
	\| 1.6962 \| 29150 \| 0.0277 \| - \|
	\| 1.6992 \| 29200 \| 0.0237 \| - \|
	\| 1.7021 \| 29250 \| 0.0333 \| - \|
	\| 1.7050 \| 29300 \| 0.0251 \| - \|
	\| 1.7079 \| 29350 \| 0.0234 \| - \|
	\| 1.7108 \| 29400 \| 0.0177 \| - \|
	\| 1.7137 \| 29450 \| 0.0328 \| - \|
	\| 1.7166 \| 29500 \| 0.0223 \| - \|
	\| 1.7195 \| 29550 \| 0.0284 \| - \|
	\| 1.7224 \| 29600 \| 0.0261 \| - \|
	\| 1.7253 \| 29650 \| 0.0263 \| - \|
	\| 1.7283 \| 29700 \| 0.0327 \| - \|
	\| 1.7312 \| 29750 \| 0.0226 \| - \|
	\| 1.7341 \| 29800 \| 0.0313 \| - \|
	\| 1.7370 \| 29850 \| 0.0261 \| - \|
	\| 1.7399 \| 29900 \| 0.0287 \| - \|
	\| 1.7428 \| 29950 \| 0.0218 \| - \|
	\| 1.7457 \| 30000 \| 0.0209 \| - \|
	\| 1.7486 \| 30050 \| 0.0258 \| - \|
	\| 1.7515 \| 30100 \| 0.0234 \| - \|
	\| 1.7544 \| 30150 \| 0.0382 \| - \|
	\| 1.7573 \| 30200 \| 0.0326 \| - \|
	\| 1.7603 \| 30250 \| 0.03 \| - \|
	\| 1.7632 \| 30300 \| 0.0223 \| - \|
	\| 1.7661 \| 30350 \| 0.0335 \| - \|
	\| 1.7690 \| 30400 \| 0.0229 \| - \|
	\| 1.7719 \| 30450 \| 0.0263 \| - \|
	\| 1.7748 \| 30500 \| 0.0278 \| - \|
	\| 1.7777 \| 30550 \| 0.0229 \| - \|
	\| 1.7806 \| 30600 \| 0.0431 \| - \|
	\| 1.7835 \| 30650 \| 0.0222 \| - \|
	\| 1.7864 \| 30700 \| 0.0313 \| - \|
	\| 1.7894 \| 30750 \| 0.0326 \| - \|
	\| 1.7923 \| 30800 \| 0.0257 \| - \|
	\| 1.7952 \| 30850 \| 0.0277 \| - \|
	\| 1.7981 \| 30900 \| 0.0276 \| - \|
	\| 1.8010 \| 30950 \| 0.0245 \| - \|
	\| 1.8039 \| 31000 \| 0.03 \| - \|
	\| 1.8068 \| 31050 \| 0.0245 \| - \|
	\| 1.8097 \| 31100 \| 0.0299 \| - \|
	\| 1.8126 \| 31150 \| 0.0263 \| - \|
	\| 1.8155 \| 31200 \| 0.0325 \| - \|
	\| 1.8184 \| 31250 \| 0.0241 \| - \|
	\| 1.8214 \| 31300 \| 0.0199 \| - \|
	\| 1.8243 \| 31350 \| 0.0292 \| - \|
	\| 1.8272 \| 31400 \| 0.0311 \| - \|
	\| 1.8301 \| 31450 \| 0.0302 \| - \|
	\| 1.8330 \| 31500 \| 0.0232 \| - \|
	\| 1.8359 \| 31550 \| 0.0259 \| - \|
	\| 1.8388 \| 31600 \| 0.0188 \| - \|
	\| 1.8417 \| 31650 \| 0.0185 \| - \|
	\| 1.8446 \| 31700 \| 0.0231 \| - \|
	\| 1.8475 \| 31750 \| 0.0268 \| - \|
	\| 1.8505 \| 31800 \| 0.0339 \| - \|
	\| 1.8534 \| 31850 \| 0.0294 \| - \|
	\| 1.8563 \| 31900 \| 0.0352 \| - \|
	\| 1.8592 \| 31950 \| 0.0247 \| - \|
	\| 1.8621 \| 32000 \| 0.0209 \| - \|
	\| 1.8650 \| 32050 \| 0.034 \| - \|
	\| 1.8679 \| 32100 \| 0.0262 \| - \|
	\| 1.8708 \| 32150 \| 0.0276 \| - \|
	\| 1.8737 \| 32200 \| 0.0303 \| - \|
	\| 1.8766 \| 32250 \| 0.0274 \| - \|
	\| 1.8795 \| 32300 \| 0.0225 \| - \|
	\| 1.8825 \| 32350 \| 0.0208 \| - \|
	\| 1.8854 \| 32400 \| 0.0206 \| - \|
	\| 1.8883 \| 32450 \| 0.0247 \| - \|
	\| 1.8912 \| 32500 \| 0.0275 \| - \|
	\| 1.8941 \| 32550 \| 0.0203 \| - \|
	\| 1.8970 \| 32600 \| 0.0311 \| - \|
	\| 1.8999 \| 32650 \| 0.03 \| - \|
	\| 1.9028 \| 32700 \| 0.0235 \| - \|
	\| 1.9057 \| 32750 \| 0.0268 \| - \|
	\| 1.9086 \| 32800 \| 0.0264 \| - \|
	\| 1.9116 \| 32850 \| 0.0469 \| - \|
	\| 1.9145 \| 32900 \| 0.0321 \| - \|
	\| 1.9174 \| 32950 \| 0.0187 \| - \|
	\| 1.9203 \| 33000 \| 0.0172 \| - \|
	\| 1.9232 \| 33050 \| 0.0225 \| - \|
	\| 1.9261 \| 33100 \| 0.0353 \| - \|
	\| 1.9290 \| 33150 \| 0.0368 \| - \|
	\| 1.9319 \| 33200 \| 0.026 \| - \|
	\| 1.9348 \| 33250 \| 0.0234 \| - \|
	\| 1.9377 \| 33300 \| 0.0285 \| - \|
	\| 1.9406 \| 33350 \| 0.0184 \| - \|
	\| 1.9436 \| 33400 \| 0.0237 \| - \|
	\| 1.9465 \| 33450 \| 0.0266 \| - \|
	\| 1.9494 \| 33500 \| 0.0251 \| - \|
	\| 1.9523 \| 33550 \| 0.0214 \| - \|
	\| 1.9552 \| 33600 \| 0.0278 \| - \|
	\| 1.9581 \| 33650 \| 0.0214 \| - \|
	\| 1.9610 \| 33700 \| 0.0298 \| - \|
	\| 1.9639 \| 33750 \| 0.0207 \| - \|
	\| 1.9668 \| 33800 \| 0.0276 \| - \|
	\| 1.9697 \| 33850 \| 0.0213 \| - \|
	\| 1.9727 \| 33900 \| 0.0309 \| - \|
	\| 1.9756 \| 33950 \| 0.027 \| - \|
	\| 1.9785 \| 34000 \| 0.0334 \| - \|
	\| 1.9814 \| 34050 \| 0.0193 \| - \|
	\| 1.9843 \| 34100 \| 0.0254 \| - \|
	\| 1.9872 \| 34150 \| 0.0266 \| - \|
	\| 1.9901 \| 34200 \| 0.0311 \| - \|
	\| 1.9930 \| 34250 \| 0.0183 \| - \|
	\| 1.9959 \| 34300 \| 0.0193 \| - \|
	\| 1.9988 \| 34350 \| 0.0328 \| - \|

	### Framework Versions
	- Python: 3.12.12
	- SetFit: 1.1.3
	- Sentence Transformers: 5.1.2
	- Transformers: 4.57.1
	- PyTorch: 2.8.0+cu126
	- Datasets: 4.0.0
	- Tokenizers: 0.22.1

	## Citation

	### BibTeX
	```bibtex
	@article{https://doi.org/10.48550/arxiv.2209.11055,
	doi = {10.48550/ARXIV.2209.11055},
	url = {https://arxiv.org/abs/2209.11055},
	author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
	keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
	title = {Efficient Few-Shot Learning Without Prompts},
	publisher = {arXiv},
	year = {2022},
	copyright = {Creative Commons Attribution 4.0 International}
	}
	```

	<!--
	## 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.
	-->