Add new SentenceTransformer model

.gitattributes

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

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 1024,
+  "pooling_mode_cls_token": true,
+  "pooling_mode_mean_tokens": false,
+  "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 +1,427 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:5
+- loss:MultipleNegativesRankingLoss
+base_model: BAAI/bge-m3
+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: SentenceTransformer based on BAAI/bge-m3
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: Unknown
+      type: unknown
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.65
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.8
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.85
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.9
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.65
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.2666666666666666
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.17000000000000004
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.09000000000000002
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.65
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.8
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.85
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.9
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.7817924627528469
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.7433333333333333
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.7483333333333333
+      name: Cosine Map@100
+---
+
+# SentenceTransformer based on BAAI/bge-m3
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [BAAI/bge-m3](https://huggingface.co/BAAI/bge-m3). It maps sentences & paragraphs to a 1024-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:** [BAAI/bge-m3](https://huggingface.co/BAAI/bge-m3) <!-- at revision 5617a9f61b028005a4858fdac845db406aefb181 -->
+- **Maximum Sequence Length:** 8192 tokens
+- **Output Dimensionality:** 1024 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': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
+  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
+  (2): Normalize()
+)
+```
+
+## Usage
+
+### Direct Usage (Sentence Transformers)
+
+First install the Sentence Transformers library:
+
+```bash
+pip install -U sentence-transformers
+```
+
+Then you can load this model and run inference.
+```python
+from sentence_transformers import SentenceTransformer
+
+# Download from the 🤗 Hub
+model = SentenceTransformer("micky1625/finetuned2")
+# Run inference
+sentences = [
+    'The weather is lovely today.',
+    "It's so sunny outside!",
+    'He drove to the stadium.',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 1024]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities.shape)
+# [3, 3]
+```
+
+<!--
+### 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
+
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.65       |
+| cosine_accuracy@3   | 0.8        |
+| cosine_accuracy@5   | 0.85       |
+| cosine_accuracy@10  | 0.9        |
+| cosine_precision@1  | 0.65       |
+| cosine_precision@3  | 0.2667     |
+| cosine_precision@5  | 0.17       |
+| cosine_precision@10 | 0.09       |
+| cosine_recall@1     | 0.65       |
+| cosine_recall@3     | 0.8        |
+| cosine_recall@5     | 0.85       |
+| cosine_recall@10    | 0.9        |
+| **cosine_ndcg@10**  | **0.7818** |
+| cosine_mrr@10       | 0.7433     |
+| cosine_map@100      | 0.7483     |
+
+<!--
+## 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: 5 training samples
+* Columns: <code>sentence_0</code> and <code>sentence_1</code>
+* Approximate statistics based on the first 5 samples:
+  |         | sentence_0                                                                        | sentence_1                                                                           |
+  |:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                               |
+  | details | <ul><li>min: 16 tokens</li><li>mean: 37.4 tokens</li><li>max: 55 tokens</li></ul> | <ul><li>min: 406 tokens</li><li>mean: 406.0 tokens</li><li>max: 406 tokens</li></ul> |
+* Samples:
+  | sentence_0                                                                                    | sentence_1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             |
+  |:----------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>인체 수곡대사에 있어 액해(液海)의 탁재(濁滓)가 보익하는 장부에서 생성되는 것은?</code>                                   | <code>[1-1] 천기(天機)에 넷이 있는데 첫째는 지방(地方)이고 둘째는 인륜(人倫)이고 셋째는 세회(世會)이<br>고 넷째는 천시(天時)이다.<br>[1-2] 인사(人事)에 넷이 있는데 첫째는 거처(居處)이고 둘째는 당여(黨與)이고 셋째는 교우(交遇)이<br>고 넷째는 사무(事務)이다.<br>[1-3] 귀로 천시를 들으며 눈으로 세회를 보며 코로 인륜을 냄새 맡고 입으로 지방을 맛본다.<br>[1-4] 천시는 지극히 탕(蕩)한 것이고 세회는 극히 큰 것이고 인륜은 극히 넓은 것이고 지방은 극히 <br>먼 것이다.<br>[1-5] 폐는 사무를 수행하며 비는 교우를 맺게 하며 간은 당여를 형성하며 신은 거처를 정한다.<br>[1-6] 사무는 잘 닦여져야 하고 교우는 잘 이루어져야 하고 당여는 잘 정돈되어야 하고, 거처는 잘 <br>다스려져야 한다.<br>[1-7] 턱에는 주책(籌策)이 있고 가슴에는 경륜(經綸)이 있고 배꼽에는 행검(行檢)이 있고 배에는 도<br>량(度量)이 있다.<br>[1-8] 주책은 교만하지 말아야 할 것이고 경륜은 뻐기지 말아야 할 것이고 행검은 함부로 하지 말아<br>야 할 것이고 도량은 과장하지 말아야 할 것이다.<br>[1-9] 머리에는 식견(識見)이 있고 어깨에는 위의(���儀)가 있고 허리에는 재간(材幹)이 있고 엉덩이<br>에는 방략(方略)이 있다.</code> |
+  | <code>소음인 여성이 병원에 왔다. 배가 아프고 설사를 하다가 며칠 후에 갑자기 의식을 잃고 넘어지며, 손발이 시리고 열이 나면서 땀이 났다. 치방은?</code> | <code>[1-1] 천기(天機)에 넷이 있는데 첫째는 지방(地方)이고 둘째는 인륜(人倫)이고 셋째는 세회(世會)이<br>고 넷째는 천시(天時)이다.<br>[1-2] 인사(人事)에 넷이 있는데 첫째는 거처(居處)이고 둘째는 당여(黨與)이고 셋째는 교우(交遇)이<br>고 넷째는 사무(事務)이다.<br>[1-3] 귀로 천시를 들으며 눈으로 세회를 보며 코로 인륜을 냄새 맡고 입으로 지방을 맛본다.<br>[1-4] 천시는 지극히 탕(蕩)한 것이고 세회는 극히 큰 것이고 인륜은 극히 넓은 것이고 지방은 극히 <br>먼 것이다.<br>[1-5] 폐는 사무를 수행하며 비는 교우를 맺게 하며 간은 당여를 형성하며 신은 거처를 정한다.<br>[1-6] 사무는 잘 닦여져야 하고 교우는 잘 이루어져야 하고 당여는 잘 정돈되어야 하고, 거처는 잘 <br>다스려져야 한다.<br>[1-7] 턱에는 주책(籌策)이 있고 가슴에는 경륜(經綸)이 있고 배꼽에는 행검(行檢)이 있고 배에는 도<br>량(度量)이 있다.<br>[1-8] 주책은 교만하지 말아야 할 것이고 경륜은 뻐기지 말아야 할 것이고 행검은 함부로 하지 말아<br>야 할 것이고 도량은 과장하지 말아야 할 것이다.<br>[1-9] 머리에는 식견(識見)이 있고 어깨에는 위의(威儀)가 있고 허리에는 재간(材幹)이 있고 엉덩이<br>에는 방략(方略)이 있다.</code> |
+  | <code>나아가려고만 하고 물러나려 하지 않는 체질은?</code>                                                        | <code>[1-1] 천기(天機)에 넷이 있는데 첫째는 지방(地方)이고 둘째는 인륜(人倫)이고 셋째는 세회(世會)이<br>고 넷째는 천시(天時)이다.<br>[1-2] 인사(人事)에 넷이 있는데 첫째는 거처(居處)이고 둘째는 당여(黨與)이고 셋째는 교우(交遇)이<br>고 넷째는 사무(事務)이다.<br>[1-3] 귀로 천시를 들으며 눈으로 세회를 보며 코로 인륜을 냄새 맡고 입으로 지방을 맛본다.<br>[1-4] 천시는 지극히 탕(蕩)한 것이고 세회는 극히 큰 것이고 인륜은 극히 넓은 것이고 지방은 극히 <br>먼 것이다.<br>[1-5] 폐는 사무를 수행하며 비는 교우를 맺게 하며 간은 당여를 형성하며 신은 거처를 정한다.<br>[1-6] 사무는 잘 닦여져야 하고 교우는 잘 이루어져야 하고 당여는 잘 정돈되어야 하고, 거처는 잘 <br>다스려져야 한다.<br>[1-7] 턱에는 주책(籌策)이 있고 가슴에는 경륜(經綸)이 있고 배꼽에는 행검(行檢)이 있고 배에는 도<br>량(度量)이 있다.<br>[1-8] 주책은 교만하지 말아야 할 것이고 경륜은 뻐기지 말아야 할 것이고 행검은 함부로 하지 말아<br>야 할 것이고 도량은 과장하지 말아야 할 것이다.<br>[1-9] 머리에는 식견(識見)이 있고 어깨에는 위의(威儀)가 있고 허리에는 재간(材幹)이 있고 엉덩이<br>에는 방략(方略)이 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"
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 5
+- `per_device_eval_batch_size`: 5
+- `num_train_epochs`: 2
+- `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`: 5
+- `per_device_eval_batch_size`: 5
+- `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}
+- `tp_size`: 0
+- `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}
+- `deepspeed`: None
+- `label_smoothing_factor`: 0.0
+- `optim`: adamw_torch
+- `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
+- `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
+- `eval_use_gather_object`: False
+- `average_tokens_across_devices`: False
+- `prompts`: None
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: round_robin
+
+</details>
+
+### Training Logs
+| Epoch | Step | cosine_ndcg@10 |
+|:-----:|:----:|:--------------:|
+| 1.0   | 1    | 0.7818         |
+
+
+### Framework Versions
+- Python: 3.11.12
+- Sentence Transformers: 4.1.0
+- Transformers: 4.51.3
+- PyTorch: 2.6.0+cu124
+- Accelerate: 1.5.2
+- Datasets: 3.5.0
+- Tokenizers: 0.21.1
+
+## 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",
+}
+```
+
+#### 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 +1,27 @@
+{
+  "architectures": [
+    "XLMRobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 1024,
+  "initializer_range": 0.02,
+  "intermediate_size": 4096,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 8194,
+  "model_type": "xlm-roberta",
+  "num_attention_heads": 16,
+  "num_hidden_layers": 24,
+  "output_past": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.51.3",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "4.1.0",
+    "transformers": "4.51.3",
+    "pytorch": "2.6.0+cu124"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:26184a92460a9913cdd11a16cdab549c28a424f54efcf6e5d299dc750a3bb639
+size 2271064456

modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.models.Normalize"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 8192,
+  "do_lower_case": false
+}

sentencepiece.bpe.model

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cfc8146abe2a0488e9e2a0c56de7952f7c11ab059eca145a0a727afce0db2865
+size 5069051

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:e4f7e21bec3fb0044ca0bb2d50eb5d4d8c596273c422baef84466d2c73748b9c
+size 17083053

tokenizer_config.json

@@ -0,0 +1,63 @@
+{
+  "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": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "max_length": 8192,
+  "model_max_length": 8192,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "sp_model_kwargs": {},
+  "stride": 0,
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}