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": 768,
+  "pooling_mode_cls_token": false,
+  "pooling_mode_mean_tokens": true,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

README.md

@@ -0,0 +1,515 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:6260
+- loss:ContrastiveLoss
+base_model: intfloat/multilingual-e5-base
+widget:
+- source_sentence: 'Type de project: Le Fonds régional pour le tourisme est destiné
+    aux actions ayant l''un de ces objectifs : La création, l’adaptation et le développement
+    de l’offre d’activités et de loisirs ainsi que le renforcement de la sécurisation
+    des sites touristiques et des visiteurs,La digitalisation de l’offre touristique
+    pour accélérer la transformation numérique et favoriser l’innovation,La création
+    d’offres d’hébergements touristiques durables contribuant à l’enrichissement de
+    l’offre touristique régionale,Le soutien aux évènements gastronomiques d’envergure
+    régionale. Afin que les professionnels du tourisme s’adaptent et contribuent à
+    la transition durable de la destination Paris Île-de-France, l’aide régionale
+    est attribuée sur la base de critères d’éco-conditionnalité.'
+  sentences:
+  - '[aide](concept) --- DÉPOSER_DOSSIER_SUR ---> [plateforme en ligne](plateforme)'
+  - '[modalités d’exploitation] (concept)'
+  - '[Date de début] (concept)'
+- source_sentence: 'Type de project: Actions de valorisation (expos physiques ou virtuelles,
+    journées d’étude, site internet, publications, documentaires…),Outils de médiation  (cartes
+    et itinéraires papier ou numériques, livrets de visite, outils numériques, multimédia,
+    parcours d’interprétation…),Dispositifs pédagogiques (mallettes pédagogiques,
+    Moocs, supports de visite à destination des jeunes…),Événements rayonnant à l’échelle
+    de l’Île-de-France. Une attention particulière sera portée à la qualité des contenus,
+    à l’originalité et la pertinence des outils ou actions proposés, et à leur adéquation
+    avec les publics ciblés.'
+  sentences:
+  - '[Clubs sportifs agréés](bénéficiaire) --- ÉLIGIBLE_POUR ---> [Dossier de candidature](document)'
+  - '[Événements rayonnant à l’échelle de l’Île-de-France](projet) --- ÉVALUÉ_PAR
+    ---> [originalité](critère)'
+  - '[aide](concept) --- DÉPOSER_DOSSIER_SUR ---> [plateforme en ligne](plateforme)'
+- source_sentence: 'Type de project: Actions de valorisation (expos physiques ou virtuelles,
+    journées d’étude, site internet, publications, documentaires…),Outils de médiation  (cartes
+    et itinéraires papier ou numériques, livrets de visite, outils numériques, multimédia,
+    parcours d’interprétation…),Dispositifs pédagogiques (mallettes pédagogiques,
+    Moocs, supports de visite à destination des jeunes…),Événements rayonnant à l’échelle
+    de l’Île-de-France. Une attention particulière sera portée à la qualité des contenus,
+    à l’originalité et la pertinence des outils ou actions proposés, et à leur adéquation
+    avec les publics ciblés.'
+  sentences:
+  - '[projets éligibles](projet) --- CONTRIBUE_ANIMATION ---> [résidences étudiantes
+    à caractère social](lieu)'
+  - '[adéquation avec les publics ciblés] (critère)'
+  - '[[email protected]] (email)'
+- source_sentence: 'Aide proposée par Région IDF: C''POSSIBLE : Favoriser l''insertion
+    professionnelle des lycéens
+
+    (Nom alternatif de l''aide: École-Entreprise - C''Possible : Favoriser l''insertion
+    professionnelle des lycéens)'
+  sentences:
+  - '[Dossier de candidature](document) --- DISPONIBLE_SUR ---> [mesdemarches.iledefrance.fr](plateforme)'
+  - '[outils collaboratifs] (concept)'
+  - '[École-Entreprise - C''Possible] (programme)'
+- source_sentence: 'Type de project: Les thématiques abordées, au titre du programme,
+    comprennent la santé numérique et les risques de dépendance, la protection des
+    données personnelles et la prévention des situations de harcèlement et de cyberharcèlement
+    ; les interventions questionnent aussi les aspects numériques de la vie affective
+    et sexuelle et son corollaire de risques tels que le "sexting", le "Revenge porn",
+    le chantage sexuel et l''impact de la pornographie sur les jeunes.    A la demande
+    des établissements, des focus thématiques peuvent être réalisés sur d''autres
+    sujets comme la prévention des phénomènes de prostitution des mineurs, les problématiques
+    liées aux jeux d''argent et de hasard en ligne ou encore la lutte contre la désinformation
+    à travers une approche d''éducation aux médias et à l''information.    Les établissements
+    bénéficiaires peuvent choisir jusqu''à deux thématiques qu''ils identifient comme
+    prioritaires.'
+  sentences:
+  - '[petites entreprises innovantes franciliennes](bénéficiaire) --- INCLUT --->
+    [Professionnel - Créateur d''entreprise](bénéficiaire)'
+  - '[prévention du cyberharcèlement] (thématique)'
+  - '[appel à projets](projet) --- RÉPOND_À ---> [entreprise](organisation)'
+datasets:
+- Lettria/GRAG-GO-IDF-Pos-Neg
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+- pearson_cosine
+- spearman_cosine
+- cosine_accuracy
+- cosine_accuracy_threshold
+- cosine_f1
+- cosine_f1_threshold
+- cosine_precision
+- cosine_recall
+- cosine_ap
+model-index:
+- name: SentenceTransformer based on intfloat/multilingual-e5-base
+  results:
+  - task:
+      type: semantic-similarity
+      name: Semantic Similarity
+    dataset:
+      name: EmbeddingSimEval
+      type: EmbeddingSimEval
+    metrics:
+    - type: pearson_cosine
+      value: 0.3639192711147146
+      name: Pearson Cosine
+    - type: spearman_cosine
+      value: 0.38169322333084305
+      name: Spearman Cosine
+  - task:
+      type: binary-classification
+      name: Binary Classification
+    dataset:
+      name: BinaryClassifEval
+      type: BinaryClassifEval
+    metrics:
+    - type: cosine_accuracy
+      value: 0.8182912154031288
+      name: Cosine Accuracy
+    - type: cosine_accuracy_threshold
+      value: 0.9358570575714111
+      name: Cosine Accuracy Threshold
+    - type: cosine_f1
+      value: 0.8961525366019748
+      name: Cosine F1
+    - type: cosine_f1_threshold
+      value: 0.8844354152679443
+      name: Cosine F1 Threshold
+    - type: cosine_precision
+      value: 0.8163771712158809
+      name: Cosine Precision
+    - type: cosine_recall
+      value: 0.9932075471698113
+      name: Cosine Recall
+    - type: cosine_ap
+      value: 0.9359358880785346
+      name: Cosine Ap
+---
+
+# SentenceTransformer based on intfloat/multilingual-e5-base
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base) on the [grag-go-idf-pos-neg](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg) dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
+
+## Model Details
+
+### Model Description
+- **Model Type:** Sentence Transformer
+- **Base model:** [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base) <!-- at revision d13f1b27baf31030b7fd040960d60d909913633f -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 768 dimensions
+- **Similarity Function:** Cosine Similarity
+- **Training Dataset:**
+    - [grag-go-idf-pos-neg](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg)
+<!-- - **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': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
+  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
+  (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("Lettria/idf-go_embedder-contrastive")
+# Run inference
+sentences = [
+    'Type de project: Les thématiques abordées, au titre du programme, comprennent la santé numérique et les risques de dépendance, la protection des données personnelles et la prévention des situations de harcèlement et de cyberharcèlement ; les interventions questionnent aussi les aspects numériques de la vie affective et sexuelle et son corollaire de risques tels que le "sexting", le "Revenge porn", le chantage sexuel et l\'impact de la pornographie sur les jeunes.  \xa0 A la demande des établissements, des focus thématiques peuvent être réalisés sur d\'autres sujets comme la prévention des phénomènes de prostitution des mineurs, les problématiques liées aux jeux d\'argent et de hasard en ligne ou encore la lutte contre la désinformation à travers une approche d\'éducation aux médias et à l\'information.  \xa0 Les établissements bénéficiaires\xa0peuvent choisir jusqu\'à deux thématiques qu\'ils identifient comme prioritaires.',
+    "[petites entreprises innovantes franciliennes](bénéficiaire) --- INCLUT ---> [Professionnel - Créateur d'entreprise](bénéficiaire)",
+    '[prévention du cyberharcèlement] (thématique)',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 768]
+
+# 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
+
+#### Semantic Similarity
+
+* Dataset: `EmbeddingSimEval`
+* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| pearson_cosine      | 0.3639     |
+| **spearman_cosine** | **0.3817** |
+
+#### Binary Classification
+
+* Dataset: `BinaryClassifEval`
+* Evaluated with [<code>BinaryClassificationEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.BinaryClassificationEvaluator)
+
+| Metric                    | Value      |
+|:--------------------------|:-----------|
+| cosine_accuracy           | 0.8183     |
+| cosine_accuracy_threshold | 0.9359     |
+| cosine_f1                 | 0.8962     |
+| cosine_f1_threshold       | 0.8844     |
+| cosine_precision          | 0.8164     |
+| cosine_recall             | 0.9932     |
+| **cosine_ap**             | **0.9359** |
+
+<!--
+## 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
+
+#### grag-go-idf-pos-neg
+
+* Dataset: [grag-go-idf-pos-neg](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg) at [ecbf53b](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg/tree/ecbf53b42e74acaa0a5a7263640fb2f3dd53cc05)
+* Size: 6,260 training samples
+* Columns: <code>sentence1</code>, <code>sentence2</code>, and <code>label</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence1                                                                            | sentence2                                                                         | label                                           |
+  |:--------|:-------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:------------------------------------------------|
+  | type    | string                                                                               | string                                                                            | int                                             |
+  | details | <ul><li>min: 24 tokens</li><li>mean: 195.35 tokens</li><li>max: 429 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 24.36 tokens</li><li>max: 75 tokens</li></ul> | <ul><li>0: ~16.40%</li><li>1: ~83.60%</li></ul> |
+* Samples:
+  | sentence1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      | sentence2                                                                | label          |
+  |:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------|:---------------|
+  | <code>Procédures et démarches: L'appel à projets Lycées Éco-Responsables est organisé par la Région tous les ans, en avril.  Pour y participer : Rendez-vous sur la plateforme des aides mesdemarches.iledefrance.fr.Compléter votre dossier avec le descriptif et le chiffrage des actions proposées, ainsi que le public visé et les résultats escomptés. L’implication large des acteurs de la communauté scolaire (élèves, enseignants, agents des lycées, direction), les moyens mis en œuvre et la structuration du projet, ainsi que son caractère innovant, seront des critères d’appréciation de la qualité de votre dossier.  Selon les capacités de l’enveloppe budgétaire, les bénéficiaires seront informés de la décision votée en Commission permanente entre fin septembre et début octobre 2024.   Si le projet est retenu, une notification sera envoyée au proviseur (e) de l’établissement pour informer du projet ou des projets financé(s) et du ou des montant(s) alloué(s).  A cela, il est demandé aux établissements...</code>       | <code>[Commission permanente] (organisation)</code>                      | <code>1</code> |
+  | <code>Procédures et démarches: Consultation de l'appel à projets et dépôt de candidature en ligne ici :http://leaderpia.iledefrance.fr/SESAME-Filieres-France-2030<br>Bénéficiaires: Professionnel - Chercheur, Établissement de recherche et laboratoire<br>Précision sure les bénéficiaires: Le projet est présenté par un unique porteur, prioritairement un organisme ou établissement d'enseignement supérieur et de recherche ou de transfert de technologie, localisé en Île-de-France.Il peut également être porté par une entreprise ou éventuellement par une structure fédérant plusieurs entreprises, voire une entité représentative des entreprises de la filière (telle une fédération professionnelle, un GIE, une association, un pôle de compétitivité...), pour autant que les projets associent étroitement des organismes de recherche franciliens. Dans ce cas, ils doivent obligatoirement être associés à leur gouvernance et à leur programme d'activités.</code>                                                                     | <code>[Chercheur] (personne)</code>                                      | <code>1</code> |
+  | <code>Procédures et démarches: Quand déposer la demande ?La demande de subvention doit être déposée avant tout commencement d'exécution.Où déposer la demande ?   Le dépôt des demandes de subvention doit se faire sur la plateforme des aides régionales mesdemarches.iledefrance.fr.  sélectionner le téléservice « Aides aux copropriétés en difficulté labellisées par la Région: ingénierie et travaux »   Qui peut déposer la demande ? L'opérateur chargé du suivi-animation,La collectivité d'implantation,Le cas échéant , le mandataire de la copropriété (syndic, administrateur provisoire).<br>Bénéficiaires: Collectivité ou institution - Autre (GIP, copropriété, EPA...), Collectivité ou institution - Communes de 10 000 à 20 000 hab, Collectivité ou institution - Communes de < 2000 hab, Collectivité ou institution - Département, Collectivité ou institution - EPCI, Collectivité ou institution - EPT / Métropole du Grand Paris, Particulier - Francilien<br>Précision sure les bénéficiaires: Les syndicats des coprop...</code> | <code>[collectivités territoriales d'implantation] (bénéficiaire)</code> | <code>1</code> |
+* Loss: [<code>ContrastiveLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#contrastiveloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
+      "margin": 0.5,
+      "size_average": true
+  }
+  ```
+
+### Evaluation Dataset
+
+#### grag-go-idf-pos-neg
+
+* Dataset: [grag-go-idf-pos-neg](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg) at [ecbf53b](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg/tree/ecbf53b42e74acaa0a5a7263640fb2f3dd53cc05)
+* Size: 1,662 evaluation samples
+* Columns: <code>sentence1</code>, <code>sentence2</code>, and <code>label</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence1                                                                            | sentence2                                                                         | label                                           |
+  |:--------|:-------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:------------------------------------------------|
+  | type    | string                                                                               | string                                                                            | int                                             |
+  | details | <ul><li>min: 24 tokens</li><li>mean: 179.15 tokens</li><li>max: 394 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 24.58 tokens</li><li>max: 73 tokens</li></ul> | <ul><li>0: ~20.60%</li><li>1: ~79.40%</li></ul> |
+* Samples:
+  | sentence1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                              | sentence2                                                                                                                                       | label          |
+  |:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------|:---------------|
+  | <code>Type de project: Les projets éligibles doivent être déployés dans les résidences étudiantes à caractère social.  Les projets doivent favoriser l’engagement bénévole des résidents et contribuer à l’animation au sein des résidences étudiantes. Ils doivent contribuer à améliorer les conditions de vie dans les résidences (favoriser la sociabilité, le vivre-ensemble, l’appropriation des bâtiments) et enrichir les compétences informelles des étudiants par la réalisation de projets.  Le porteur de projet devra prévoir :   Une animation collective,Une mise en œuvre du projet ancrée dans le territoire d'implantation de la résidence étudiante,un accompagnement des projets inités.</code>                                                                                                                                                                                                                                                    | <code>[projets éligibles] (projet)</code>                                                                                                       | <code>1</code> |
+  | <code>Type de project: Les thématiques abordées, au titre du programme, comprennent la santé numérique et les risques de dépendance, la protection des données personnelles et la prévention des situations de harcèlement et de cyberharcèlement ; les interventions questionnent aussi les aspects numériques de la vie affective et sexuelle et son corollaire de risques tels que le "sexting", le "Revenge porn", le chantage sexuel et l'impact de la pornographie sur les jeunes.    A la demande des établissements, des focus thématiques peuvent être réalisés sur d'autres sujets comme la prévention des phénomènes de prostitution des mineurs, les problématiques liées aux jeux d'argent et de hasard en ligne ou encore la lutte contre la désinformation à travers une approche d'éducation aux médias et à l'information.    Les établissements bénéficiaires peuvent choisir jusqu'à deux thématiques qu'ils identifient comme prioritaires.</code> | <code>[petites entreprises innovantes franciliennes](bénéficiaire) --- INCLUT ---> [Professionnel - Cr��ateur d'entreprise](bénéficiaire)</code> | <code>0</code> |
+  | <code>Type de project: Actions de valorisation (expos physiques ou virtuelles, journées d’étude, site internet, publications, documentaires…),Outils de médiation  (cartes et itinéraires papier ou numériques, livrets de visite, outils numériques, multimédia, parcours d’interprétation…),Dispositifs pédagogiques (mallettes pédagogiques, Moocs, supports de visite à destination des jeunes…),Événements rayonnant à l’échelle de l’Île-de-France. Une attention particulière sera portée à la qualité des contenus, à l’originalité et la pertinence des outils ou actions proposés, et à leur adéquation avec les publics ciblés.</code>                                                                                                                                                                                                                                                                                                                      | <code>[Événements rayonnant à l’échelle de l’Île-de-France](projet) --- ÉVALUÉ_PAR ---> [qualité des contenus](critère)</code>                  | <code>1</code> |
+* Loss: [<code>ContrastiveLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#contrastiveloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
+      "margin": 0.5,
+      "size_average": true
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 4
+- `per_device_eval_batch_size`: 4
+- `gradient_accumulation_steps`: 8
+- `num_train_epochs`: 10
+- `warmup_steps`: 626
+
+#### 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`: 4
+- `per_device_eval_batch_size`: 4
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 8
+- `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`: 1.0
+- `num_train_epochs`: 10
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.0
+- `warmup_steps`: 626
+- `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}
+- `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`: False
+- `hub_always_push`: False
+- `gradient_checkpointing`: False
+- `gradient_checkpointing_kwargs`: None
+- `include_inputs_for_metrics`: False
+- `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
+- `dispatch_batches`: None
+- `split_batches`: 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
+- `prompts`: None
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss | Validation Loss | EmbeddingSimEval_spearman_cosine | BinaryClassifEval_cosine_ap |
+|:------:|:----:|:-------------:|:---------------:|:--------------------------------:|:---------------------------:|
+| 7.9744 | 1560 | 0.0021        | 0.0219          | 0.3997                           | 0.9399                      |
+| 9.9681 | 1950 | -             | 0.0217          | 0.3817                           | 0.9359                      |
+
+
+### Framework Versions
+- Python: 3.11.9
+- Sentence Transformers: 3.3.1
+- Transformers: 4.45.2
+- PyTorch: 2.4.1+cu121
+- Accelerate: 1.2.1
+- Datasets: 3.2.0
+- Tokenizers: 0.20.3
+
+## 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",
+}
+```
+
+#### ContrastiveLoss
+```bibtex
+@inproceedings{hadsell2006dimensionality,
+    author={Hadsell, R. and Chopra, S. and LeCun, Y.},
+    booktitle={2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06)},
+    title={Dimensionality Reduction by Learning an Invariant Mapping},
+    year={2006},
+    volume={2},
+    number={},
+    pages={1735-1742},
+    doi={10.1109/CVPR.2006.100}
+}
+```
+
+<!--
+## 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 +1,28 @@
+{
+  "_name_or_path": "models/go_contrastive_new",
+  "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": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "xlm-roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "output_past": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.45.2",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.3.1",
+    "transformers": "4.45.2",
+    "pytorch": "2.4.1+cu121"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:0ebe7227d6919ae9d0e3e2c6a6f4e9fa1819e4f057c0f53616ed4e3c6d72184f
+size 1112197096

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": 512,
+  "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 sha256:883b037111086fd4dfebbbc9b7cee11e1517b5e0c0514879478661440f137085
+size 17082987

tokenizer_config.json

@@ -0,0 +1,61 @@
+{
+  "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>",
+  "mask_token": "<mask>",
+  "max_length": 512,
+  "model_max_length": 512,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "stride": 0,
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}