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": 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 +1,497 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:93142
+- loss:TripletLoss
+base_model: BookingCare/gte-multilingual-base-v2.1
+widget:
+- source_sentence: Làm thế nào để đăng ký khám chữa bệnh tại Đại học Y Hà Nội?
+  sentences:
+  - Tôi muốn đăng ký khám bệnh ở Đại học Y Hà Nội, làm sao để đăng ký?
+  - Hướng dẫn tôi đặt lịch khám tại Bệnh viện Đại học Y Hà Nội
+  - Làm sao để liên lạc với bệnh viện đa khoa tâm anh?
+- source_sentence: Liệu pháp miễn dịch điều trị bệnh ung thư như thế nào?
+  sentences:
+  - ' Điều trị ung thư phổi giai đoạn cuối bằng liệu pháp miễn dịch có khả quan không?'
+  - Phương pháp điều trị ung thư bằng liệu pháp miễn dịch là gì?
+  - Bệnh nhân đang trải qua một cuộc kiểm tra y tế, bao gồm việc đo huyết áp, nhịp
+    tim và nhiệt độ.
+- source_sentence: Tôi muốn biết liệu bệnh viện đa khoa có điều trị các vấn đề về
+    tuyến giáp hay không?
+  sentences:
+  - Bệnh viện đa khoa có điều trị các vấn đề về tuyến giáp không?
+  - Sự thiếu hụt nhân lực y tế chất lượng cao đang là một vấn đề nan giải trong ngành
+    y tế Việt Nam.
+  - ' Cho tôi biết thông tin về bệnh ung thư tuyến giáp'
+- source_sentence: Tôi muốn tìm hiểu về dịch vụ phòng khám sinh hậu ở đâu uy tín?
+  sentences:
+  - Cho tôi biết địa chỉ phòng khám mắt gần đây nhất.
+  - Có thể cho tôi biết một số phòng khám phụ khoa uy tín tại Hà Nội được không?
+  - Cho tôi hỏi về các phòng khám sinh hậu uy tín tại thành phố Hồ Chí Minh
+- source_sentence: Tôi muốn tìm hiểu về dịch vụ khám chữa bệnh tại phòng khám đa khoa
+    Cầu Giấy.
+  sentences:
+  - Những dịch vụ y tế nào được cung cấp tại bệnh viện Đa khoa Hà Nội?
+  - Cho tôi biết thông tin về phòng khám đa khoa Cầu Giấy, cụ thể là dịch vụ khám
+    chữa bệnh.
+  - Cho tôi biết chi phí điều trị viêm xoang cấp tính ở bệnh viện đa khoa tỉnh là
+    bao nhiêu?
+datasets:
+- BookingCare/sts-hard-negatives
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+- cosine_accuracy
+model-index:
+- name: SentenceTransformer based on BookingCare/gte-multilingual-base-v2.1
+  results:
+  - task:
+      type: triplet
+      name: Triplet
+    dataset:
+      name: Unknown
+      type: unknown
+    metrics:
+    - type: cosine_accuracy
+      value: 0.9689885377883911
+      name: Cosine Accuracy
+---
+
+# SentenceTransformer based on BookingCare/gte-multilingual-base-v2.1
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [BookingCare/gte-multilingual-base-v2.1](https://huggingface.co/BookingCare/gte-multilingual-base-v2.1) on the [train](https://huggingface.co/datasets/BookingCare/sts-hard-negatives) and [test](https://huggingface.co/datasets/BookingCare/sts-hard-negatives) datasets. 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:** [BookingCare/gte-multilingual-base-v2.1](https://huggingface.co/BookingCare/gte-multilingual-base-v2.1) <!-- at revision bbf643b22cc8b5ad3e129b8811afdffbce783a8d -->
+- **Maximum Sequence Length:** 8192 tokens
+- **Output Dimensionality:** 768 dimensions
+- **Similarity Function:** Cosine Similarity
+- **Training Datasets:**
+    - [train](https://huggingface.co/datasets/BookingCare/sts-hard-negatives)
+    - [test](https://huggingface.co/datasets/BookingCare/sts-hard-negatives)
+<!-- - **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: NewModel 
+  (1): Pooling({'word_embedding_dimension': 768, '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("BookingCare/gte-multilingual-base-v2.1-similarity")
+# Run inference
+sentences = [
+    'Tôi muốn tìm hiểu về dịch vụ khám chữa bệnh tại phòng khám đa khoa Cầu Giấy.',
+    'Cho tôi biết thông tin về phòng khám đa khoa Cầu Giấy, cụ thể là dịch vụ khám chữa bệnh.',
+    'Những dịch vụ y tế nào được cung cấp tại bệnh viện Đa khoa Hà Nội?',
+]
+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
+
+#### Triplet
+
+* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
+
+| Metric              | Value     |
+|:--------------------|:----------|
+| **cosine_accuracy** | **0.969** |
+
+<!--
+## 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 Datasets
+
+#### train
+
+* Dataset: [train](https://huggingface.co/datasets/BookingCare/sts-hard-negatives) at [54473e6](https://huggingface.co/datasets/BookingCare/sts-hard-negatives/tree/54473e6decb207e99884632aec457e1755a5becb)
+* Size: 46,571 training samples
+* Columns: <code>query</code>, <code>answer</code>, and <code>negative</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | query                                                                             | answer                                                                            | negative                                                                          |
+  |:--------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                            | string                                                                            |
+  | details | <ul><li>min: 3 tokens</li><li>mean: 19.92 tokens</li><li>max: 72 tokens</li></ul> | <ul><li>min: 9 tokens</li><li>mean: 21.43 tokens</li><li>max: 75 tokens</li></ul> | <ul><li>min: 9 tokens</li><li>mean: 20.46 tokens</li><li>max: 58 tokens</li></ul> |
+* Samples:
+  | query                                                                                              | answer                                                                                   | negative                                                                                               |
+  |:---------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------|
+  | <code>Các bác sĩ đã đề nghị phẫu thuật để điều trị bệnh nhân bị ung thư gan giai đoạn cuối.</code> | <code>Bệnh nhân bị ung thư gan giai đoạn cuối đã được bác sĩ đề nghị phẫu thuật.</code>  | <code>Bệnh nhân được chẩn đoán mắc bệnh ung thư giai đoạn cuối, và cơ hội phục hồi là rất thấp.</code> |
+  | <code>Cơn đau đầu của tôi bắt đầu vào sáng nay và đã trở nên tồi tệ hơn trong suốt cả ngày.</code> | <code>Tôi đã phải chịu đựng cơn đau đầu dữ dội suốt cả ngày, bắt đầu từ sáng sớm.</code> | <code>Tôi bị đau đầu nghiêm trọng, nên làm gì?</code>                                                  |
+  | <code>Mẹ tôi phải nhập viện vì bệnh tim. </code>                                                   | <code> Mẹ tôi bị bệnh tim và phải nhập viện để điều trị.</code>                          | <code>Bệnh nhân đã được chẩn đoán mắc bệnh tim trước đây.</code>                                       |
+* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
+      "triplet_margin": 5
+  }
+  ```
+
+#### test
+
+* Dataset: [test](https://huggingface.co/datasets/BookingCare/sts-hard-negatives) at [54473e6](https://huggingface.co/datasets/BookingCare/sts-hard-negatives/tree/54473e6decb207e99884632aec457e1755a5becb)
+* Size: 46,571 training samples
+* Columns: <code>query</code>, <code>answer</code>, and <code>negative</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | query                                                                             | answer                                                                            | negative                                                                          |
+  |:--------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                            | string                                                                            |
+  | details | <ul><li>min: 3 tokens</li><li>mean: 20.12 tokens</li><li>max: 62 tokens</li></ul> | <ul><li>min: 9 tokens</li><li>mean: 21.51 tokens</li><li>max: 54 tokens</li></ul> | <ul><li>min: 9 tokens</li><li>mean: 20.19 tokens</li><li>max: 56 tokens</li></ul> |
+* Samples:
+  | query                                                                                                      | answer                                                                                                                         | negative                                                                    |
+  |:-----------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------|
+  | <code>Tôi cần tìm hiểu về bệnh u nang buồng trứng, triệu chứng, phương pháp điều trị và những lưu ý</code> | <code>Cho tôi biết thông tin về bệnh u nang buồng trứng, bao gồm các triệu chứng, cách điều trị và những điểm cần chú ý</code> | <code>Cho tôi thông tin về bệnh ung thư vú</code>                           |
+  | <code>Tôi muốn tìm hiểu về các loại thuốc trị bệnh dạ dày</code>                                           | <code>Cho tôi biết thông tin về thuốc điều trị bệnh dạ dày</code>                                                              | <code>Làm ơn cho tôi biết về các loại thuốc điều trị bệnh tiểu đường</code> |
+  | <code>Viêm khớp tâm bình có thể bị thu hồi hoàn toàn không?</code>                                         | <code>Liệu viêm khớp tâm bình có thể khỏi hẳn hay không?</code>                                                                | <code>Viêm khớp dạng thấp có khả năng chữa khỏi hoàn toàn hay không?</code> |
+* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
+      "triplet_margin": 5
+  }
+  ```
+
+### Evaluation Dataset
+
+#### sts-hard-negatives
+
+* Dataset: [sts-hard-negatives](https://huggingface.co/datasets/BookingCare/sts-hard-negatives) at [54473e6](https://huggingface.co/datasets/BookingCare/sts-hard-negatives/tree/54473e6decb207e99884632aec457e1755a5becb)
+* Size: 46,571 evaluation samples
+* Columns: <code>query</code>, <code>answer</code>, and <code>negative</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | query                                                                             | answer                                                                            | negative                                                                          |
+  |:--------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                            | string                                                                            |
+  | details | <ul><li>min: 3 tokens</li><li>mean: 20.12 tokens</li><li>max: 62 tokens</li></ul> | <ul><li>min: 9 tokens</li><li>mean: 21.51 tokens</li><li>max: 54 tokens</li></ul> | <ul><li>min: 9 tokens</li><li>mean: 20.19 tokens</li><li>max: 56 tokens</li></ul> |
+* Samples:
+  | query                                                                                                      | answer                                                                                                                         | negative                                                                    |
+  |:-----------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------|
+  | <code>Tôi cần tìm hiểu về bệnh u nang buồng trứng, triệu chứng, phương pháp điều trị và những lưu ý</code> | <code>Cho tôi biết thông tin về bệnh u nang buồng trứng, bao gồm các triệu chứng, cách điều trị và những điểm cần chú ý</code> | <code>Cho tôi thông tin về bệnh ung thư vú</code>                           |
+  | <code>Tôi muốn tìm hiểu về các loại thuốc trị bệnh dạ dày</code>                                           | <code>Cho tôi biết thông tin về thuốc điều trị bệnh dạ dày</code>                                                              | <code>Làm ơn cho tôi biết về các loại thuốc điều trị bệnh tiểu đường</code> |
+  | <code>Viêm khớp tâm bình có thể bị thu hồi hoàn toàn không?</code>                                         | <code>Liệu viêm khớp tâm bình có thể khỏi hẳn hay không?</code>                                                                | <code>Viêm khớp dạng thấp có khả năng chữa khỏi hoàn toàn hay không?</code> |
+* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
+      "triplet_margin": 5
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 16
+- `per_device_eval_batch_size`: 16
+- `num_train_epochs`: 4
+- `warmup_ratio`: 0.1
+- `fp16`: True
+
+#### 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`: 16
+- `per_device_eval_batch_size`: 16
+- `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`: 1.0
+- `num_train_epochs`: 4
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.1
+- `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`: True
+- `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`: 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
+- `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
+- `average_tokens_across_devices`: False
+- `prompts`: None
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch  | Step  | Training Loss | Validation Loss | cosine_accuracy |
+|:------:|:-----:|:-------------:|:---------------:|:---------------:|
+| 0.0763 | 200   | 4.7           | 4.4035          | 0.9647          |
+| 0.1527 | 400   | 4.5516        | 4.2237          | 0.9435          |
+| 0.2290 | 600   | 4.415         | 4.1196          | 0.9458          |
+| 0.3053 | 800   | 4.3305        | 4.0727          | 0.9427          |
+| 0.3817 | 1000  | 4.2839        | 4.0611          | 0.9323          |
+| 0.4580 | 1200  | 4.2436        | 4.0407          | 0.9339          |
+| 0.5344 | 1400  | 4.2053        | 4.0485          | 0.9218          |
+| 0.6107 | 1600  | 4.2176        | 4.0233          | 0.9275          |
+| 0.6870 | 1800  | 4.1828        | 3.9883          | 0.9308          |
+| 0.7634 | 2000  | 4.1132        | 3.9867          | 0.9296          |
+| 0.8397 | 2200  | 4.0697        | 3.9551          | 0.9277          |
+| 0.9160 | 2400  | 4.0714        | 3.9313          | 0.9265          |
+| 0.9924 | 2600  | 4.0625        | 3.9284          | 0.9239          |
+| 1.0687 | 2800  | 4.0286        | 3.9026          | 0.9275          |
+| 1.1450 | 3000  | 3.9907        | 3.9427          | 0.9213          |
+| 1.2214 | 3200  | 4.0341        | 3.9621          | 0.9210          |
+| 1.2977 | 3400  | 4.0037        | 3.9111          | 0.9260          |
+| 1.3740 | 3600  | 4.013         | 3.9063          | 0.9289          |
+| 1.4504 | 3800  | 3.9897        | 3.8785          | 0.9377          |
+| 1.5267 | 4000  | 3.9658        | 3.8765          | 0.9368          |
+| 1.6031 | 4200  | 3.9903        | 3.8619          | 0.9389          |
+| 1.6794 | 4400  | 3.9599        | 3.8734          | 0.9339          |
+| 1.7557 | 4600  | 3.9375        | 3.8636          | 0.9399          |
+| 1.8321 | 4800  | 3.9197        | 3.8382          | 0.9404          |
+| 1.9084 | 5000  | 3.9611        | 3.8310          | 0.9444          |
+| 1.9847 | 5200  | 3.9434        | 3.8272          | 0.9427          |
+| 2.0611 | 5400  | 3.8825        | 3.8157          | 0.9447          |
+| 2.1374 | 5600  | 3.8859        | 3.8231          | 0.9430          |
+| 2.2137 | 5800  | 3.8924        | 3.7948          | 0.9501          |
+| 2.2901 | 6000  | 3.8957        | 3.7889          | 0.9504          |
+| 2.3664 | 6200  | 3.8511        | 3.7722          | 0.9528          |
+| 2.4427 | 6400  | 3.8598        | 3.7654          | 0.9561          |
+| 2.5191 | 6600  | 3.8472        | 3.7569          | 0.9554          |
+| 2.5954 | 6800  | 3.8558        | 3.7496          | 0.9528          |
+| 2.6718 | 7000  | 3.829         | 3.7514          | 0.9552          |
+| 2.7481 | 7200  | 3.8564        | 3.7346          | 0.9568          |
+| 2.8244 | 7400  | 3.8392        | 3.7338          | 0.9599          |
+| 2.9008 | 7600  | 3.8003        | 3.7309          | 0.9604          |
+| 2.9771 | 7800  | 3.7936        | 3.7288          | 0.9611          |
+| 3.0534 | 8000  | 3.7783        | 3.7181          | 0.9618          |
+| 3.1298 | 8200  | 3.7586        | 3.7136          | 0.9652          |
+| 3.2061 | 8400  | 3.7806        | 3.7101          | 0.9637          |
+| 3.2824 | 8600  | 3.7669        | 3.7049          | 0.9628          |
+| 3.3588 | 8800  | 3.7819        | 3.7024          | 0.9642          |
+| 3.4351 | 9000  | 3.7685        | 3.6965          | 0.9628          |
+| 3.5115 | 9200  | 3.7607        | 3.6920          | 0.9656          |
+| 3.5878 | 9400  | 3.7601        | 3.6840          | 0.9652          |
+| 3.6641 | 9600  | 3.7607        | 3.6791          | 0.9661          |
+| 3.7405 | 9800  | 3.7387        | 3.6750          | 0.9692          |
+| 3.8168 | 10000 | 3.724         | 3.6706          | 0.9707          |
+| 3.8931 | 10200 | 3.7889        | 3.6682          | 0.9688          |
+| 3.9695 | 10400 | 3.7525        | 3.6670          | 0.9690          |
+
+
+### Framework Versions
+- Python: 3.11.11
+- Sentence Transformers: 3.4.1
+- Transformers: 4.48.3
+- PyTorch: 2.5.1+cu124
+- Accelerate: 1.3.0
+- Datasets: 3.3.1
+- Tokenizers: 0.21.0
+
+## Citation
+
+### BibTeX
+
+#### Sentence Transformers
+```bibtex
+@inproceedings{reimers-2019-sentence-bert,
+    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
+    author = "Reimers, Nils and Gurevych, Iryna",
+    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
+    month = "11",
+    year = "2019",
+    publisher = "Association for Computational Linguistics",
+    url = "https://arxiv.org/abs/1908.10084",
+}
+```
+
+#### TripletLoss
+```bibtex
+@misc{hermans2017defense,
+    title={In Defense of the Triplet Loss for Person Re-Identification},
+    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
+    year={2017},
+    eprint={1703.07737},
+    archivePrefix={arXiv},
+    primaryClass={cs.CV}
+}
+```
+
+<!--
+## 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 +1,50 @@
+{
+  "_name_or_path": "BookingCare/gte-multilingual-base-v2.1",
+  "architectures": [
+    "NewModel"
+  ],
+  "attention_probs_dropout_prob": 0.0,
+  "auto_map": {
+    "AutoConfig": "Alibaba-NLP/new-impl--configuration.NewConfig",
+    "AutoModel": "Alibaba-NLP/new-impl--modeling.NewModel",
+    "AutoModelForMaskedLM": "Alibaba-NLP/new-impl--modeling.NewForMaskedLM",
+    "AutoModelForMultipleChoice": "Alibaba-NLP/new-impl--modeling.NewForMultipleChoice",
+    "AutoModelForQuestionAnswering": "Alibaba-NLP/new-impl--modeling.NewForQuestionAnswering",
+    "AutoModelForSequenceClassification": "Alibaba-NLP/new-impl--modeling.NewForSequenceClassification",
+    "AutoModelForTokenClassification": "Alibaba-NLP/new-impl--modeling.NewForTokenClassification"
+  },
+  "classifier_dropout": 0.0,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "id2label": {
+    "0": "LABEL_0"
+  },
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "label2id": {
+    "LABEL_0": 0
+  },
+  "layer_norm_eps": 1e-12,
+  "layer_norm_type": "layer_norm",
+  "logn_attention_clip1": false,
+  "logn_attention_scale": false,
+  "max_position_embeddings": 8192,
+  "model_type": "new",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pack_qkv": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "rope",
+  "rope_scaling": {
+    "factor": 8.0,
+    "type": "ntk"
+  },
+  "rope_theta": 20000,
+  "torch_dtype": "float32",
+  "transformers_version": "4.48.3",
+  "type_vocab_size": 1,
+  "unpad_inputs": false,
+  "use_memory_efficient_attention": false,
+  "vocab_size": 250048
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.4.1",
+    "transformers": "4.48.3",
+    "pytorch": "2.5.1+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 sha256:55629acc95b150dd093ca282dd9906601b77fbe049c5c4c605bd6b70381e5e90
+size 1221487872

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
+}

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:aa7a6ad87a7ce8fe196787355f6af7d03aee94d19c54a5eb1392ed18c8ef451a
+size 17082988

tokenizer_config.json

@@ -0,0 +1,62 @@
+{
+  "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>",
+  "stride": 0,
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}