Add new SentenceTransformer model.

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 +1,503 @@
+---
+language:
+- es
+license: apache-2.0
+library_name: sentence-transformers
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:74124
+- loss:MultipleNegativesRankingLoss
+base_model: nreimers/MiniLM-L6-H384-uncased
+datasets: []
+metrics:
+- cosine_accuracy
+- dot_accuracy
+- manhattan_accuracy
+- euclidean_accuracy
+- max_accuracy
+widget:
+- source_sentence: Enumere los tres casos en los que se aplican las prescripciones
+    del artículo 40.1.1.
+  sentences:
+  - 'Reglamento de Baja Tensión de la ANDE: El 39.1.1 trata sobre: Estas prescripciones
+    se aplican a todos los aparatos domésticos y de iluminación de cualquier tipo,
+    forma y tamaño, siempre que:  a) La instalación eléctrica de la residencia se
+    halle capacitada para servirlos. b) Se respeten las demás prescripciones de este
+    Reglamento que le sean aplicables.. El 39.1.1 pertenece a la sección: <section>39.1</section>'
+  - 'Reglamento de Baja Tensión de la ANDE: El 14.3.1 trata sobre: Circuitos trifásicos
+    son aquellos que emplean las tres fases de la energía que provee la ANDE, con
+    interruptor y protección adecuados en el tablero de arranque y se emplean en líneas
+    distribuidoras de fuerza motriz, calefacción, refrigeración y similares, comprendiendo
+    incluso aparatos monofásicos, sin limitaciones de carga, siempre que:  a) Se realice
+    el equilibrio de cargas de los equipos monofásicos. b) Se atienda correctamente
+    a 13.4.2. c) Que ninguna de las cargas trifásicas individuales sea igual o superior
+    a 15 A nominales en el caso de motores, o 20 A si son equipos de calefacción o
+    similares. d) Se use un circuito trifásico independiente por cada motor de 15
+    A nominales o más. e) Se use un circuito trifásico independiente por cada equipo
+    de calefacción o similar de 20 A o más.. El 14.3.1 pertenece a la sección: <section>14.3</section>'
+  - 'Reglamento de Baja Tensión de la ANDE: El 40.1.1 trata sobre: Sin perjuicio de
+    las demás disposiciones de este Reglamento, estas prescripciones se aplican para:
+    a) Conexiones entre las instalaciones fijas y los aparatos portátiles, o que deban
+    ser desplazadas con alguna frecuencia. b) Conexiones de las partes móviles de
+    aparatos y máquinas fijas. c) Conexiones de aparatos de iluminación, colgantes,
+    etc. con la observación del numeral 39.   40.2 Tipos de conductores:. El 40.1.1
+    pertenece a la sección: <section>40.1</section>'
+- source_sentence: ¿Hasta dónde llega la conexión eléctrica según el punto 11.1.1
+    del reglamento de baja tensión de la ANDE?
+  sentences:
+  - 'Reglamento de Baja Tensión de la ANDE: El 11.5.3 trata sobre: Los conductores,
+    equipo eléctrico auxiliar y la mano de obra para el servicio y entrada subterránea,
+    serán aportados por la ANDE, y abonados por el usuario, quedando de propiedad
+    de la ANDE, la que, en consecuencia, tendrá a su cargo su conservación y buen
+    servicio.. El 11.5.3 pertenece a la sección: <section>11.5</section>'
+  - 'Reglamento de Baja Tensión de la ANDE: El 11.1.1 trata sobre: Servicio es la
+    conexión eléctrica desde el punto de toma de energía de la red, hasta la parte
+    externa de la propiedad del usuario, sobre la calle, en el punto escogido para
+    la entrada de energía.. El 11.1.1 pertenece a la sección: <section>11.1</section>'
+  - 'Reglamento de Baja Tensión de la ANDE: El 22.2.3 trata sobre: En los sistemas
+    de distribución sin neutro, la conexión a tierra de equipos es obligatoria (22.1.2).
+    En los sistemas de distribución con neutro, la red de interconexión de tierra
+    de los equipos quedará substituida por el conductor neutro, que hará sus veces,
+    debiendo conectarse a él todas las partes que normalmente irían conectadas a la
+    red de conexión de tierra de equipos.. El 22.2.3 pertenece a la sección: <section>22.2</section>'
+- source_sentence: ¿Cuál es el propósito de los grupos mencionados en el reglamento
+    de baja tensión de la ANDE?
+  sentences:
+  - 'Reglamento de Baja Tensión de la ANDE: El 6.1 trata sobre: En todos los planos
+    de instalaciones eléctricas deberá usarse la simbología indicada en el Anexo N°
+    2.. El 6.1 pertenece a la sección: <section>6-</section>'
+  - 'Reglamento de Baja Tensión de la ANDE: El 25- trata sobre Instalación en tubos
+    flexibles: y tiene las siguientes sub-secciones: <sub-section>25.1</sub-section>,
+    <sub-section>25.2</sub-section>'
+  - 'Reglamento de Baja Tensión de la ANDE: El 42.3.1 trata sobre: Estos grupos se
+    utilizarán para proveer energía eléctrica complementaria a la que se toma de la
+    red de distribución de ANDE y, exclusivamente, a las instalaciones del usuario..
+    El 42.3.1 pertenece a la sección: <section>42.3</section>'
+- source_sentence: ¿Cuántas redes independientes debe comprender la instalación de
+    iluminación de cines, teatros y locales semejantes?
+  sentences:
+  - 'Reglamento de Baja Tensión de la ANDE: El 41.5.2 trata sobre: La instalación
+    de iluminación de cines, teatros y locales semejantes deberá comprender las siguientes
+    redes independientes:  a) Iluminación del edificio propiamente dicho (oficinas,
+    pasillos, taquilla, baños, entradas y salidas, guardarropas, camarines, etc.).  b)
+    Iluminación del escenario. c) Iluminación del local ocupado por las personas (plateas,
+    palcos, balcones, así como para circulación de las personas durante la realización
+    del programa con luces generales apagadas). d) Iluminación de emergencia.. El
+    41.5.2 pertenece a la sección: <section>41.5</section>'
+  - 'Reglamento de Baja Tensión de la ANDE: El 33.3.2 trata sobre: Los cables, aunque
+    del tipo adecuado, no podrán ser enterrados en el suelo en el interior de edificios,
+    salvo que se trate de áreas industriales. La profundidad de instalación no deberá
+    ser inferior a 60 cm, debiendo llevar el cable en toda su extensión, una capa
+    de arena, y encima de la misma una línea continua de ladrillos simplemente apoyados
+    (no unidos con argamasa), cuya función fundamental es denunciar la presencia del
+    cable, además de brindar una pequeña protección mecánica adicional.. El 33.3.2
+    pertenece a la sección: <section>33.3</section>'
+  - 'Reglamento de Baja Tensión de la ANDE: El 12.1.2 trata sobre: Los tableros se
+    instalarán en lugares secos y de fácil acceso y, si es posible, en lugares expresamente
+    reservados, ventilados e iluminados.. El 12.1.2 pertenece a la sección: <section>12.1</section>'
+- source_sentence: ¿Cuál es el nombre del reglamento que se menciona en la información
+    proporcionada?
+  sentences:
+  - 'Reglamento de Baja Tensión de la ANDE: El 22.1.2 trata sobre: Se entiende “tierra
+    de equipos”, la conexión a tierra de las partes metálicas de la instalación o
+    de los aparatos que no transportan corriente, tales como: tubos de metal, blindajes
+    metálicos de los cables, cajas de conexión y/o derivación, estructuras de tableros
+    o cuadros, cajas de interruptores, bastidores de máquinas y, en general, cualquier
+    parte metálica relacionada con la instalación eléctrica y no destinada a la conducción
+    de corriente.. El 22.1.2 pertenece a la sección: <section>22.1</section>'
+  - 'Reglamento de Baja Tensión de la ANDE: El 10- trata sobre Partes de que se compone
+    una instalación eléctrica: y tiene las siguientes sub-secciones: <sub-section>10.1</sub-section>'
+  - 'Reglamento de Baja Tensión de la ANDE: El 37- trata sobre Soldadura eléctrica:
+    y tiene las siguientes sub-secciones: <sub-section>37.1</sub-section>, <sub-section>37.2</sub-section>,
+    <sub-section>37.3</sub-section>, <sub-section>37.4</sub-section>'
+pipeline_tag: sentence-similarity
+model-index:
+- name: embed-andegpt-H384
+  results:
+  - task:
+      type: triplet
+      name: Triplet
+    dataset:
+      name: andegpt dev
+      type: andegpt-dev
+    metrics:
+    - type: cosine_accuracy
+      value: 0.998300145701797
+      name: Cosine Accuracy
+    - type: dot_accuracy
+      value: 0.002185526954832443
+      name: Dot Accuracy
+    - type: manhattan_accuracy
+      value: 0.9985429820301117
+      name: Manhattan Accuracy
+    - type: euclidean_accuracy
+      value: 0.998300145701797
+      name: Euclidean Accuracy
+    - type: max_accuracy
+      value: 0.9985429820301117
+      name: Max Accuracy
+  - task:
+      type: triplet
+      name: Triplet
+    dataset:
+      name: andegpt test
+      type: andegpt-test
+    metrics:
+    - type: cosine_accuracy
+      value: 0.9973288003885381
+      name: Cosine Accuracy
+    - type: dot_accuracy
+      value: 0.0024283632831471587
+      name: Dot Accuracy
+    - type: manhattan_accuracy
+      value: 0.9970859640602234
+      name: Manhattan Accuracy
+    - type: euclidean_accuracy
+      value: 0.9973288003885381
+      name: Euclidean Accuracy
+    - type: max_accuracy
+      value: 0.9973288003885381
+      name: Max Accuracy
+---
+
+# embed-andegpt-H384
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [nreimers/MiniLM-L6-H384-uncased](https://huggingface.co/nreimers/MiniLM-L6-H384-uncased). 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:** [nreimers/MiniLM-L6-H384-uncased](https://huggingface.co/nreimers/MiniLM-L6-H384-uncased) <!-- at revision 3276f0fac9d818781d7a1327b3ff818fc4e643c0 -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 384 tokens
+- **Similarity Function:** Cosine Similarity
+<!-- - **Training Dataset:** Unknown -->
+- **Language:** es
+- **License:** apache-2.0
+
+### 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: 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("enpaiva/embed-andegpt-H384")
+# Run inference
+sentences = [
+    '¿Cuál es el nombre del reglamento que se menciona en la información proporcionada?',
+    'Reglamento de Baja Tensión de la ANDE: El 10- trata sobre Partes de que se compone una instalación eléctrica: y tiene las siguientes sub-secciones: <sub-section>10.1</sub-section>',
+    'Reglamento de Baja Tensión de la ANDE: El 37- trata sobre Soldadura eléctrica: y tiene las siguientes sub-secciones: <sub-section>37.1</sub-section>, <sub-section>37.2</sub-section>, <sub-section>37.3</sub-section>, <sub-section>37.4</sub-section>',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 384]
+
+# 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
+
+#### Triplet
+* Dataset: `andegpt-dev`
+* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
+
+| Metric             | Value      |
+|:-------------------|:-----------|
+| cosine_accuracy    | 0.9983     |
+| dot_accuracy       | 0.0022     |
+| manhattan_accuracy | 0.9985     |
+| euclidean_accuracy | 0.9983     |
+| **max_accuracy**   | **0.9985** |
+
+#### Triplet
+* Dataset: `andegpt-test`
+* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
+
+| Metric             | Value      |
+|:-------------------|:-----------|
+| cosine_accuracy    | 0.9973     |
+| dot_accuracy       | 0.0024     |
+| manhattan_accuracy | 0.9971     |
+| euclidean_accuracy | 0.9973     |
+| **max_accuracy**   | **0.9973** |
+
+<!--
+## 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
+
+- `prediction_loss_only`: False
+- `per_device_train_batch_size`: 32
+- `learning_rate`: 2e-05
+- `lr_scheduler_type`: cosine
+- `log_level_replica`: passive
+- `log_on_each_node`: False
+- `logging_nan_inf_filter`: False
+- `bf16`: True
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `prediction_loss_only`: False
+- `per_device_train_batch_size`: 32
+- `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
+- `learning_rate`: 2e-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`: 3
+- `max_steps`: -1
+- `lr_scheduler_type`: cosine
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0
+- `warmup_steps`: 0
+- `log_level`: passive
+- `log_level_replica`: passive
+- `log_on_each_node`: False
+- `logging_nan_inf_filter`: False
+- `save_safetensors`: True
+- `save_on_each_node`: False
+- `save_only_model`: False
+- `no_cuda`: False
+- `use_cpu`: False
+- `use_mps_device`: False
+- `seed`: 42
+- `data_seed`: None
+- `jit_mode_eval`: False
+- `use_ipex`: False
+- `bf16`: True
+- `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}
+- `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
+- `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_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss | loss   | andegpt-dev_max_accuracy | andegpt-test_max_accuracy |
+|:------:|:----:|:-------------:|:------:|:------------------------:|:-------------------------:|
+| 0      | 0    | -             | -      | 0.5920                   | -                         |
+| 0.1079 | 250  | 2.3094        | 0.7200 | 0.9597                   | -                         |
+| 0.2158 | 500  | 0.7952        | 0.3598 | 0.9813                   | -                         |
+| 0.3237 | 750  | 0.4862        | 0.2162 | 0.9910                   | -                         |
+| 0.4316 | 1000 | 0.3304        | 0.1558 | 0.9927                   | -                         |
+| 0.5395 | 1250 | 0.2527        | 0.1140 | 0.9961                   | -                         |
+| 0.6474 | 1500 | 0.1987        | 0.0859 | 0.9964                   | -                         |
+| 0.7553 | 1750 | 0.1617        | 0.0729 | 0.9959                   | -                         |
+| 0.8632 | 2000 | 0.1419        | 0.0562 | 0.9966                   | -                         |
+| 0.9711 | 2250 | 0.1132        | 0.0495 | 0.9968                   | -                         |
+| 1.0790 | 2500 | 0.1043        | 0.0429 | 0.9971                   | -                         |
+| 1.1869 | 2750 | 0.0947        | 0.0368 | 0.9978                   | -                         |
+| 1.2948 | 3000 | 0.0736        | 0.0367 | 0.9976                   | -                         |
+| 1.4027 | 3250 | 0.0661        | 0.0296 | 0.9978                   | -                         |
+| 1.5106 | 3500 | 0.0613        | 0.0279 | 0.9985                   | -                         |
+| 1.6185 | 3750 | 0.0607        | 0.0264 | 0.9983                   | -                         |
+| 1.7264 | 4000 | 0.0521        | 0.0238 | 0.9985                   | -                         |
+| 1.8343 | 4250 | 0.0495        | 0.0216 | 0.9985                   | -                         |
+| 1.9422 | 4500 | 0.0425        | 0.0211 | 0.9983                   | -                         |
+| 2.0501 | 4750 | 0.0428        | 0.0200 | 0.9983                   | -                         |
+| 2.1580 | 5000 | 0.0435        | 0.0190 | 0.9985                   | -                         |
+| 2.2659 | 5250 | 0.0393        | 0.0188 | 0.9983                   | -                         |
+| 2.3738 | 5500 | 0.0356        | 0.0182 | 0.9983                   | -                         |
+| 2.4817 | 5750 | 0.0351        | 0.0180 | 0.9988                   | -                         |
+| 2.5896 | 6000 | 0.0394        | 0.0181 | 0.9985                   | -                         |
+| 2.5973 | 6018 | -             | -      | -                        | 0.9973                    |
+
+
+### Framework Versions
+- Python: 3.11.0
+- Sentence Transformers: 3.0.1
+- Transformers: 4.39.3
+- PyTorch: 2.2.0+cu121
+- Accelerate: 0.28.0
+- Datasets: 2.20.0
+- Tokenizers: 0.15.2
+
+## 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 +1,26 @@
+{
+  "_name_or_path": "nreimers/MiniLM-L6-H384-uncased",
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "classifier_dropout": null,
+  "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": 6,
+  "pad_token_id": 0,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.39.3",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 30522
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.0.1",
+    "transformers": "4.39.3",
+    "pytorch": "2.2.0+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 sha256:33754635dde4936564ba073942e483097ce955b1a54cc3a2f8876f74ab472212
+size 90864192

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": 512,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,7 @@
+{
+  "cls_token": "[CLS]",
+  "mask_token": "[MASK]",
+  "pad_token": "[PAD]",
+  "sep_token": "[SEP]",
+  "unk_token": "[UNK]"
+}

tokenizer_config.json

@@ -0,0 +1,57 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "100": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "101": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "102": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "103": {
+      "content": "[MASK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": true,
+  "mask_token": "[MASK]",
+  "model_max_length": 512,
+  "never_split": null,
+  "pad_token": "[PAD]",
+  "sep_token": "[SEP]",
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "unk_token": "[UNK]"
+}