KorFin 모델 업데이트 (2025-09-09)

.gitattributes

@@ -33,3 +33,5 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text
+unigram.json filter=lfs diff=lfs merge=lfs -text

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+    "word_embedding_dimension": 384,
+    "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 +1,525 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- dense
+- generated_from_trainer
+- dataset_size:203584
+- loss:MultipleNegativesRankingLoss
+widget:
+- source_sentence: 또한 젊은 무슬림 인 구가 점차 증가함에 따라 2030년에는 전 세계 청년층(15-29세)인구 중 무슬림 이 29%를
+    차지하게 되어 전 세계적으로 젊은 소비자 시장 비중이 커지는 효과 가 나타날 것으로 전망 된다.
+  sentences:
+  - 참가를 원하는 경우 대한상의 소통 플랫폼 홈페이지(sotong.korcham.net)를 통해 아이디어 제목과 내용, 제안 이유, 기대 효과
+    등을 담아 제출하면 된다.
+  - ② 제1항의 변상금 부과ㆍ징수에 이의가 있는 점유자는 규칙에서 정하는 서식에 따라 변상금 사전 통지에 대한 의견서를 제출할 수 있다.
+  - 젊은 무슬림 인 구가 점차 증가함에 따라 2030년에는 전 세계 청년층인구 중 무슬림 이 29%를 차지하게 되어 전 세계적으로 젊은 소비자
+    시장 비중이 커지는 효과 가 나타날 것으로 전망 된다.
+- source_sentence: 13일 LG전자에 따르면 최근 아르헨티나, 콜롬비아, 페루, 칠레 등 중남미 4개국에 LG 채널 서비스가 추가로
+    출시됐다.
+  sentences:
+  - ② 법 제16조 제1항에 따른 결정이나 법 제17조에 따른 경정을 하는 경우의 납세지는 그 결정 또는 경정일 현재를 기준으로 한다.
+  - 외국인투자의 다양한 수요를 반영할 수 있도록 유연한 공간, 기능, 유형의 외국인투자유치 구역 조성
+  - 13일 LG전자에 따르면 최근 아르헨티나, 콜롬비아, 페루, 칠레 등 중남미 4개국에 LG 채널 서비스가 추가로 출시됐다.
+- source_sentence: '- 외부감사인이 감사종료 후 당해 법인에 제출하는 감사보고서 상의 재무제표는 당해 법인의 주주총회의 승인 절차를
+    거쳐 확정된 재무제표가 아니므로 승인 과정에서 변경될 수 있습니다.'
+  sentences:
+  - 외부감사인이 감사종료 후 당해 법인에 제출하는 감사보고서 상의 재무제표는 당해 법인의 주주총회의 승인 절차를 거쳐 확정된 재무제표가 아니므로
+    승인 과정에서 변경될 수 있습니다.
+  - 제3항에 따른 금융위원회의 요구에 따르지 아니하거나 그 이행을 게을리하는 경우.
+  - 은성수 금융위원장이 이날 국회 정무위원회 전체회의에서 가상화폐 투자의 위험성에 대해 경고한 데 이어 별도 자료를 낸 것이다.
+- source_sentence: ③ 시장은 주민이 도시관리계획 입안을 제안한 도시관리계획안에 대하여는 반영할 것인지 여부를 결정함에 있어 필요한
+    경우에는 안동시도시계획위원회의 자문을 거칠 수 있으며, 자문결과 보완사항에 대하여는 제안자의 의견을 들어 입안할 수 있다.
+  sentences:
+  - 지금 이후로도 언제든지 귀하께 더욱 봉사할 수 있다면 가능한 어떤 방법으로라도 귀하를 도와드리는 것을 무한의 영예라고 생각합니다.
+  - ③ 시장은 주민이 도시관리계획 입안을 제안한 도시관리계획안에 대하여는 반영할 것인지 여부를 결정함에 있어 필요한 경우에는 안동시도시계획위원회의
+    자문을 거칠 수 있으며, 자문결과 보완사항에 대하여는 제안자의 의견을 들어 입안할 수 있다.
+  - 당사는 보고서 제출일 현재 16개의 계열회사가 있으며, 그 내역은 다음과 같습니다.
+- source_sentence: 연차주주총회는 이 투자회사의 등록사무소나 총회 소집 통지서에 기재되는 룩셈부르크의 다른 장소에서 개최됩니다.
+  sentences:
+  - ② 국제거래에 대해서는 「소득세법」 제41조와 「법인세법」 제52조를 적용하지 아니한다.
+  - 이날 유가는 유럽연합(EU)이 전날 브뤼셀에서 회의를 열고 러시아산 원유 수입을 부분 금지하는 데 합의했다고 밝히면서 장중 120달러에 육박한
+    수준까지 치솟았다.
+  - 연차주주총회는 이 투자회사의 등록사무소나 총회 소집 통지서에 기재되는 룩셈부르크의 다른 장소에서 개최됩니다.
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+- pearson_cosine
+- spearman_cosine
+- pearson_euclidean
+- spearman_euclidean
+- pearson_manhattan
+- spearman_manhattan
+- pearson_dot
+- spearman_dot
+- pearson_max
+- spearman_max
+model-index:
+- name: SentenceTransformer
+  results:
+  - task:
+      type: semantic-similarity
+      name: Semantic Similarity
+    dataset:
+      name: Unknown
+      type: unknown
+    metrics:
+    - type: pearson_cosine
+      value: 0.9872563890142012
+      name: Pearson Cosine
+    - type: spearman_cosine
+      value: 0.8670755508935585
+      name: Spearman Cosine
+    - type: pearson_euclidean
+      value: 0.9750324878266012
+      name: Pearson Euclidean
+    - type: spearman_euclidean
+      value: 0.8666548835528818
+      name: Spearman Euclidean
+    - type: pearson_manhattan
+      value: 0.9748722694971894
+      name: Pearson Manhattan
+    - type: spearman_manhattan
+      value: 0.8666535238443746
+      name: Spearman Manhattan
+    - type: pearson_dot
+      value: 0.9289374295855684
+      name: Pearson Dot
+    - type: spearman_dot
+      value: 0.8659145585242557
+      name: Spearman Dot
+    - type: pearson_max
+      value: 0.9872563890142012
+      name: Pearson Max
+    - type: spearman_max
+      value: 0.8670755508935585
+      name: Spearman Max
+    - type: pearson_cosine
+      value: 0.9873796600782967
+      name: Pearson Cosine
+    - type: spearman_cosine
+      value: 0.867217167071606
+      name: Spearman Cosine
+    - type: pearson_euclidean
+      value: 0.9751576084412295
+      name: Pearson Euclidean
+    - type: spearman_euclidean
+      value: 0.867003486040731
+      name: Spearman Euclidean
+    - type: pearson_manhattan
+      value: 0.9750413090458167
+      name: Pearson Manhattan
+    - type: spearman_manhattan
+      value: 0.8670195370208187
+      name: Spearman Manhattan
+    - type: pearson_dot
+      value: 0.9292959727106296
+      name: Pearson Dot
+    - type: spearman_dot
+      value: 0.865986213799658
+      name: Spearman Dot
+    - type: pearson_max
+      value: 0.9873796600782967
+      name: Pearson Max
+    - type: spearman_max
+      value: 0.867217167071606
+      name: Spearman Max
+---
+
+# SentenceTransformer
+
+This is a [sentence-transformers](https://www.SBERT.net) model trained. It maps sentences & paragraphs to a 384-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:** [Unknown](https://huggingface.co/unknown) -->
+- **Maximum Sequence Length:** 128 tokens
+- **Output Dimensionality:** 384 dimensions
+- **Similarity Function:** Cosine Similarity
+<!-- - **Training Dataset:** Unknown -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
+- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
+
+### Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False, 'architecture': 'BertModel'})
+  (1): Pooling({'word_embedding_dimension': 384, '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("josangho99/ko-paraphrase-multilingual-MiniLM-L12-v2-multiTask-Fin")
+# Run inference
+sentences = [
+    '연차주주총회는 이 투자회사의 등록사무소나 총회 소집 통지서에 기재되는 룩셈부르크의 다른 장소에서 개최됩니다.',
+    '연차주주총회는 이 투자회사의 등록사무소나 총회 소집 통지서에 기재되는 룩셈부르크의 다른 장소에서 개최됩니다.',
+    '② 국제거래에 대해서는 「소득세법」 제41조와 「법인세법」 제52조를 적용하지 아니한다.',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 384]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities)
+# tensor([[1.0000, 1.0000, 0.0730],
+#         [1.0000, 1.0000, 0.0730],
+#         [0.0730, 0.0730, 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
+
+#### Semantic Similarity
+
+* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| pearson_cosine      | 0.9873     |
+| **spearman_cosine** | **0.8671** |
+| pearson_euclidean   | 0.975      |
+| spearman_euclidean  | 0.8667     |
+| pearson_manhattan   | 0.9749     |
+| spearman_manhattan  | 0.8667     |
+| pearson_dot         | 0.9289     |
+| spearman_dot        | 0.8659     |
+| pearson_max         | 0.9873     |
+| spearman_max        | 0.8671     |
+
+#### Semantic Similarity
+
+* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| pearson_cosine      | 0.9874     |
+| **spearman_cosine** | **0.8672** |
+| pearson_euclidean   | 0.9752     |
+| spearman_euclidean  | 0.867      |
+| pearson_manhattan   | 0.975      |
+| spearman_manhattan  | 0.867      |
+| pearson_dot         | 0.9293     |
+| spearman_dot        | 0.866      |
+| pearson_max         | 0.9874     |
+| spearman_max        | 0.8672     |
+
+<!--
+## 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: 203,584 training samples
+* Columns: <code>sentence_0</code> and <code>sentence_1</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence_0                                                                         | sentence_1                                                                          |
+  |:--------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
+  | type    | string                                                                             | string                                                                              |
+  | details | <ul><li>min: 15 tokens</li><li>mean: 47.4 tokens</li><li>max: 128 tokens</li></ul> | <ul><li>min: 14 tokens</li><li>mean: 45.62 tokens</li><li>max: 128 tokens</li></ul> |
+* Samples:
+  | sentence_0                                                                                | sentence_1                                                                                |
+  |:------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------|
+  | <code>기존 패러다임의 한계를 극복하고 새로운 도 에 응하기 해 국가발 패러다임을 성장과 복지가 함께 가는 동반성장 략으로 환할 필요가 있다.</code>  | <code>기존 패러다임의 한계를 극복하고 국가발 패러다임을 성장과 복지가 함께 가는 동반성장 전략으로 환할 필요가 있다.</code>               |
+  | <code>회사는 계속기록법에 따라 기록한 재고자산의 수량을 실지 재고조사에 의하여 확정하고, 그 금액은 개별법에 의하여 평가하고 있습니다.</code>     | <code>회사는 계속기록법에 따라 기록한 재고자산의 수량을 실지 재고조사에 의하여 확정하고, 그 금액은 개별법에 의하여 평가하고 있습니다.</code>     |
+  | <code>금융당국은 2014년 몇 차례 공청회를 개최하여 각계의 의견 수렴을 바탕으로 K-NCR 제도 개선의 방향과 의지를 강하게 표명하고 있다.</code> | <code>금융당국은 2014년 몇 차례 공청회를 개최하여 각계의 의견 수렴을 바탕으로 K-NCR 제도 개선의 방향과 의지를 강하게 표명하고 있다.</code> |
+* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
+  ```json
+  {
+      "scale": 20.0,
+      "similarity_fct": "cos_sim",
+      "gather_across_devices": false
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 64
+- `per_device_eval_batch_size`: 64
+- `num_train_epochs`: 2
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: round_robin
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: steps
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 64
+- `per_device_eval_batch_size`: 64
+- `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`: 2
+- `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
+- `use_ipex`: False
+- `bf16`: False
+- `fp16`: False
+- `fp16_opt_level`: O1
+- `half_precision_backend`: auto
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: None
+- `local_rank`: 0
+- `ddp_backend`: None
+- `tpu_num_cores`: None
+- `tpu_metrics_debug`: False
+- `debug`: []
+- `dataloader_drop_last`: 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
+- `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`: False
+- `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`: False
+- `prompts`: None
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: round_robin
+- `router_mapping`: {}
+- `learning_rate_mapping`: {}
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss | spearman_cosine |
+|:------:|:----:|:-------------:|:---------------:|
+| 0.1000 | 318  | -             | 0.8672          |
+| 0.1572 | 500  | 0.0011        | -               |
+| 0.1999 | 636  | -             | 0.8672          |
+| 0.2999 | 954  | -             | 0.8671          |
+| 0.3144 | 1000 | 0.0015        | -               |
+| 0.3999 | 1272 | -             | 0.8672          |
+| 0.4715 | 1500 | 0.0012        | -               |
+| 0.4998 | 1590 | -             | 0.8672          |
+| 0.5998 | 1908 | -             | 0.8672          |
+| 0.6287 | 2000 | 0.0009        | -               |
+| 0.6998 | 2226 | -             | 0.8671          |
+| 0.7859 | 2500 | 0.0011        | -               |
+| 0.7997 | 2544 | -             | 0.8672          |
+| 0.8997 | 2862 | -             | 0.8672          |
+| 0.9431 | 3000 | 0.0004        | -               |
+| 0.9997 | 3180 | -             | 0.8671          |
+| 1.0    | 3181 | -             | 0.8671          |
+| 1.0997 | 3498 | -             | 0.8672          |
+| 1.1003 | 3500 | 0.0009        | -               |
+| 1.1996 | 3816 | -             | 0.8672          |
+| 1.2575 | 4000 | 0.0008        | -               |
+| 1.2996 | 4134 | -             | 0.8671          |
+| 1.3996 | 4452 | -             | 0.8671          |
+| 1.4146 | 4500 | 0.0007        | -               |
+| 1.4995 | 4770 | -             | 0.8671          |
+| 1.5718 | 5000 | 0.0003        | -               |
+| 1.5995 | 5088 | -             | 0.8671          |
+| 1.6995 | 5406 | -             | 0.8671          |
+| 1.7290 | 5500 | 0.0002        | -               |
+| 1.7994 | 5724 | -             | 0.8671          |
+| 1.8862 | 6000 | 0.0003        | -               |
+| 1.8994 | 6042 | -             | 0.8672          |
+| 1.9994 | 6360 | -             | 0.8672          |
+| 2.0    | 6362 | -             | 0.8671          |
+| -1     | -1   | -             | 0.8672          |
+
+
+### Framework Versions
+- Python: 3.12.11
+- Sentence Transformers: 5.1.0
+- Transformers: 4.56.1
+- PyTorch: 2.8.0+cu126
+- Accelerate: 1.10.1
+- Datasets: 4.0.0
+- Tokenizers: 0.22.0
+
+## Citation
+
+### BibTeX
+
+#### Sentence Transformers
+```bibtex
+@inproceedings{reimers-2019-sentence-bert,
+    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
+    author = "Reimers, Nils and Gurevych, Iryna",
+    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
+    month = "11",
+    year = "2019",
+    publisher = "Association for Computational Linguistics",
+    url = "https://arxiv.org/abs/1908.10084",
+}
+```
+
+#### MultipleNegativesRankingLoss
+```bibtex
+@misc{henderson2017efficient,
+    title={Efficient Natural Language Response Suggestion for Smart Reply},
+    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
+    year={2017},
+    eprint={1705.00652},
+    archivePrefix={arXiv},
+    primaryClass={cs.CL}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,25 @@
+{
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "classifier_dropout": null,
+  "dtype": "float32",
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 384,
+  "initializer_range": 0.02,
+  "intermediate_size": 1536,
+  "layer_norm_eps": 1e-12,
+  "max_position_embeddings": 512,
+  "model_type": "bert",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 0,
+  "position_embedding_type": "absolute",
+  "transformers_version": "4.56.1",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 250037
+}

config_sentence_transformers.json

@@ -0,0 +1,14 @@
+{
+  "model_type": "SentenceTransformer",
+  "__version__": {
+    "sentence_transformers": "5.1.0",
+    "transformers": "4.56.1",
+    "pytorch": "2.8.0+cu126"
+  },
+  "prompts": {
+    "query": "",
+    "document": ""
+  },
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:85d7b3b4caffa3316da3d28b0be2f0ab066cb77f9f5ed888800d6e95c4838003
+size 470637416

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": 128,
+    "do_lower_case": false
+}

special_tokens_map.json

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

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cad551d5600a84242d0973327029452a1e3672ba6313c2a3c3d69c4310e12719
+size 17082987

tokenizer_config.json

@@ -0,0 +1,65 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "250001": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": false,
+  "cls_token": "<s>",
+  "do_lower_case": true,
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "max_length": 128,
+  "model_max_length": 128,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}

unigram.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:da145b5e7700ae40f16691ec32a0b1fdc1ee3298db22a31ea55f57a966c4a65d
+size 14763260