Training complete

.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": 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 +1,451 @@
+---
+base_model: intfloat/multilingual-e5-large
+library_name: sentence-transformers
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:1114945
+- loss:MultipleNegativesRankingLoss
+- loss:CoSENTLoss
+widget:
+- source_sentence: Quelles sont les exigences pour qu'un objet soit classé comme une
+    planète?
+  sentences:
+  - Ce second scénario pousse certains astronomes, à parler de « planète » à propos
+    de ces objets, puisqu'elles ont été des planètes classiques avant d’être éjectées
+    de leur orbite autour de leur étoile. À l’inverse, d’autres scientifiques nient
+    ce statut car ils défendent l’idée que la définition d’une planète dépend de son
+    état observable immédiat et non de son origine. Ils avancent aussi, pour le premier
+    scénario décrit ici, que ces objets ne seraient donc pas des planètes mais plutôt
+    des naines brunes.
+  - En 2006, lors de la tentative de définition officielle précise du terme « planète
+    » par l'Union astronomique internationale, il fut proposé qu'une planète soit
+    définie comme un corps orbitant autour du Soleil et suffisamment grand pour être
+    de forme globalement sphérique. Selon cette proposition, Charon aurait été considéré
+    comme une planète, puisqu'un satellite aurait été explicitement défini comme tournant
+    autour d'un barycentre situé à l'intérieur du corps principal. La définition finalement
+    adoptée exige qu'une planète ait également éliminé tout objet de taille comparable
+    sur son orbite. Un objet répondant aux précédents critères mais pas au dernier
+    est qualifié de planète naine et Pluton a donc reçu cette nouvelle classification.
+    Charon n'a pas été explicitement classée et reste donc, pour le moment, officiellement
+    considéré comme satellite de Pluton.
+  - La plupart des planeurs sont capables d'effectuer des figures de base de voltige,
+    mais du fait de leur envergure, ils sont moins maniables que les avions. Pour
+    les compétitions, il existe donc des planeurs de voltige, d'envergure moindre
+    donc très maniables, mais dont la finesse plus faible les rend moins apte au vol
+    à voile.
+- source_sentence: 189 et les coûts d'utilisation sont estimés de la même manière.
+  sentences:
+  - Après avoir regardé autour de ces collections, grimpez la colline jusqu'à la maison
+    de la commissaire, où vous trouverez de belles vues sur la côte environnante et
+    le reste du complexe de l'arsenal maritime.
+  - Ils connaissaient les coûts d'utilisateur exacts.
+  - 189 et les coûts d'utilisation sont estimés de la même manière.
+- source_sentence: c'est vrai, ils vont passer par la fente
+  sentences:
+  - Ailleurs dans le jardin du prince, dans un bâtiment moderne appelé la Maison du
+    Marin (Casa de Marinos), vous pouvez découvrir ce que devint l'étrange escadre
+    du Tage de la flotte royale.
+  - Ils vont à l'inauguration.
+  - c'est vrai, ils vont passer par la fente
+- source_sentence: Créer des moments permettant aux parents et aux enfants d'être
+    ensemble constitue un préalable à l'implémentation des idées et des pratiques
+    dont je parle dans ce livre.
+  sentences:
+  - Avant que les Américains n’en prennent le contrôle, Culebra était appelée l'île
+    Vierge espagnole. Elle est située dans les îles Vierges des États-Unis, à mi-chemin
+    entre Puerto Rico et St. Thomas.
+  - Créer des moments permettant aux parents et aux enfants d'être ensemble constitue
+    un préalable à l'implémentation des idées et des pratiques dont je parle dans
+    ce livre.
+  - Ce livre nous explique que les parents ne devraient pas passer de temps avec leurs
+    enfants.
+- source_sentence: Tenet est sous surveillance depuis novembre, lorsque l'ancien directeur
+    général Jeffrey Barbakow a déclaré que la société a utilisé des prix agressifs
+    pour déclencher des paiements plus élevés pour les patients les plus malades de
+    l'assurance maladie.
+  sentences:
+  - Il est destiné à stimuler la croissance des racines - en particulier à stimuler
+    la création de racines.
+  - En novembre, Jeffrey Brabakow, le directeur général de l'époque, a déclaré que
+    la société utilisait des prix agressifs pour obtenir des paiements plus élevés
+    pour les patients les plus malades de l'assurance maladie.
+  - La femme est en route pour un rendez-vous.
+---
+
+# SentenceTransformer based on intfloat/multilingual-e5-large
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large). 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:** [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) <!-- at revision ab10c1a7f42e74530fe7ae5be82e6d4f11a719eb -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 1024 tokens
+- **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': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
+  (1): Pooling({'word_embedding_dimension': 1024, '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("bourdoiscatie/multilingual-e5-large-approche5")
+# Run inference
+sentences = [
+    "Tenet est sous surveillance depuis novembre, lorsque l'ancien directeur général Jeffrey Barbakow a déclaré que la société a utilisé des prix agressifs pour déclencher des paiements plus élevés pour les patients les plus malades de l'assurance maladie.",
+    "En novembre, Jeffrey Brabakow, le directeur général de l'époque, a déclaré que la société utilisait des prix agressifs pour obtenir des paiements plus élevés pour les patients les plus malades de l'assurance maladie.",
+    'La femme est en route pour un rendez-vous.',
+]
+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.*
+-->
+
+<!--
+## 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 Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: epoch
+- `learning_rate`: 1e-05
+- `weight_decay`: 0.01
+- `num_train_epochs`: 1
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: epoch
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 8
+- `per_device_eval_batch_size`: 8
+- `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`: 1e-05
+- `weight_decay`: 0.01
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `max_grad_norm`: 1.0
+- `num_train_epochs`: 1
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.0
+- `warmup_steps`: 0
+- `log_level`: passive
+- `log_level_replica`: warning
+- `log_on_each_node`: True
+- `logging_nan_inf_filter`: True
+- `save_safetensors`: True
+- `save_on_each_node`: False
+- `save_only_model`: False
+- `restore_callback_states_from_checkpoint`: False
+- `no_cuda`: False
+- `use_cpu`: False
+- `use_mps_device`: False
+- `seed`: 42
+- `data_seed`: None
+- `jit_mode_eval`: False
+- `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
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch  | Step  | Training Loss | nli loss | sts loss | triplet loss |
+|:------:|:-----:|:-------------:|:--------:|:--------:|:------------:|
+| 0.0137 | 500   | 2.3683        | -        | -        | -            |
+| 0.0273 | 1000  | 2.2564        | -        | -        | -            |
+| 0.0410 | 1500  | 2.3976        | -        | -        | -            |
+| 0.0547 | 2000  | 2.1925        | -        | -        | -            |
+| 0.0684 | 2500  | 2.1542        | -        | -        | -            |
+| 0.0820 | 3000  | 2.0945        | -        | -        | -            |
+| 0.0957 | 3500  | 2.1411        | -        | -        | -            |
+| 0.1094 | 4000  | 1.9079        | -        | -        | -            |
+| 0.1231 | 4500  | 1.7574        | -        | -        | -            |
+| 0.1367 | 5000  | 2.1923        | -        | -        | -            |
+| 0.1504 | 5500  | 2.0054        | -        | -        | -            |
+| 0.1641 | 6000  | 1.6717        | -        | -        | -            |
+| 0.1778 | 6500  | 1.7374        | -        | -        | -            |
+| 0.1914 | 7000  | 2.0042        | -        | -        | -            |
+| 0.2051 | 7500  | 1.7486        | -        | -        | -            |
+| 0.2188 | 8000  | 1.5635        | -        | -        | -            |
+| 0.2324 | 8500  | 1.8133        | -        | -        | -            |
+| 0.2461 | 9000  | 1.7885        | -        | -        | -            |
+| 0.2598 | 9500  | 1.6298        | -        | -        | -            |
+| 0.2735 | 10000 | 1.3568        | -        | -        | -            |
+| 0.2871 | 10500 | 1.8475        | -        | -        | -            |
+| 0.3008 | 11000 | 1.7642        | -        | -        | -            |
+| 0.3145 | 11500 | 1.4048        | -        | -        | -            |
+| 0.3282 | 12000 | 1.3782        | -        | -        | -            |
+| 0.3418 | 12500 | 1.8164        | -        | -        | -            |
+| 0.3555 | 13000 | 1.5559        | -        | -        | -            |
+| 0.3692 | 13500 | 1.2515        | -        | -        | -            |
+| 0.3828 | 14000 | 1.4736        | -        | -        | -            |
+| 0.3965 | 14500 | 1.5527        | -        | -        | -            |
+| 0.4102 | 15000 | 1.384         | -        | -        | -            |
+| 0.4239 | 15500 | 1.167         | -        | -        | -            |
+| 0.4375 | 16000 | 1.6116        | -        | -        | -            |
+| 0.4512 | 16500 | 1.5668        | -        | -        | -            |
+| 0.4649 | 17000 | 1.1458        | -        | -        | -            |
+| 0.4786 | 17500 | 1.1103        | -        | -        | -            |
+| 0.4922 | 18000 | 1.6152        | -        | -        | -            |
+| 0.5059 | 18500 | 1.347         | -        | -        | -            |
+| 0.5196 | 19000 | 1.1           | -        | -        | -            |
+| 0.5333 | 19500 | 1.2662        | -        | -        | -            |
+| 0.5469 | 20000 | 1.456         | -        | -        | -            |
+| 0.5606 | 20500 | 1.1928        | -        | -        | -            |
+| 0.5743 | 21000 | 0.9972        | -        | -        | -            |
+| 0.5879 | 21500 | 1.4499        | -        | -        | -            |
+| 0.6016 | 22000 | 1.3264        | -        | -        | -            |
+| 0.6153 | 22500 | 1.003         | -        | -        | -            |
+| 0.6290 | 23000 | 1.0512        | -        | -        | -            |
+| 0.6426 | 23500 | 1.3041        | -        | -        | -            |
+| 0.6563 | 24000 | 1.1227        | -        | -        | -            |
+| 0.6700 | 24500 | 0.9579        | -        | -        | -            |
+| 0.6837 | 25000 | 1.1196        | -        | -        | -            |
+| 0.6973 | 25500 | 1.1362        | -        | -        | -            |
+| 0.7110 | 26000 | 1.0376        | -        | -        | -            |
+| 0.7247 | 26500 | 0.8037        | -        | -        | -            |
+| 0.7384 | 27000 | 1.2622        | -        | -        | -            |
+| 0.7520 | 27500 | 1.1696        | -        | -        | -            |
+| 0.7657 | 28000 | 0.8923        | -        | -        | -            |
+| 0.7794 | 28500 | 0.8389        | -        | -        | -            |
+| 0.7930 | 29000 | 1.2655        | -        | -        | -            |
+| 0.8067 | 29500 | 0.965         | -        | -        | -            |
+| 0.8204 | 30000 | 0.8043        | -        | -        | -            |
+| 0.8341 | 30500 | 1.0491        | -        | -        | -            |
+| 0.8477 | 31000 | 1.1186        | -        | -        | -            |
+| 0.8614 | 31500 | 0.8794        | -        | -        | -            |
+| 0.8751 | 32000 | 0.7776        | -        | -        | -            |
+| 0.8888 | 32500 | 1.1299        | -        | -        | -            |
+| 0.9024 | 33000 | 0.9544        | -        | -        | -            |
+| 0.9161 | 33500 | 0.7195        | -        | -        | -            |
+| 0.9298 | 34000 | 0.8298        | -        | -        | -            |
+| 0.9434 | 34500 | 1.0767        | -        | -        | -            |
+| 0.9571 | 35000 | 0.8287        | -        | -        | -            |
+| 0.9708 | 35500 | 0.7331        | -        | -        | -            |
+| 0.9845 | 36000 | 0.904         | -        | -        | -            |
+| 0.9981 | 36500 | 0.9645        | -        | -        | -            |
+| 1.0    | 36568 | -             | 0.0193   | 5.4479   | 0.5933       |
+
+
+### Framework Versions
+- Python: 3.12.6
+- Sentence Transformers: 3.1.1
+- Transformers: 4.45.2
+- PyTorch: 2.4.0+cu121
+- Accelerate: 0.29.3
+- Datasets: 3.0.2
+- Tokenizers: 0.20.1
+
+## 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}
+}
+```
+
+#### CoSENTLoss
+```bibtex
+@online{kexuefm-8847,
+    title={CoSENT: A more efficient sentence vector scheme than Sentence-BERT},
+    author={Su Jianlin},
+    year={2022},
+    month={Jan},
+    url={https://kexue.fm/archives/8847},
+}
+```
+
+<!--
+## 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": "intfloat/multilingual-e5-large",
+  "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": 514,
+  "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": "4.45.2",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.1.1",
+    "transformers": "4.45.2",
+    "pytorch": "2.4.0+cu121"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:7038d674f0b1f2de13a55b40ea354f65ddb68dea5dc589bf77c76fff2ded65ae
+size 2239607176

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "__main__.CustomTransformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 512,
+  "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 sha256:883b037111086fd4dfebbbc9b7cee11e1517b5e0c0514879478661440f137085
+size 17082987

tokenizer_config.json

@@ -0,0 +1,54 @@
+{
+  "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>",
+  "model_max_length": 512,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "unk_token": "<unk>"
+}