Add new SentenceTransformer model

.gitattributes

@@ -33,3 +33,5 @@ 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
+unigram.json filter=lfs diff=lfs merge=lfs -text

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 +1,696 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:26619
+- loss:MatryoshkaLoss
+- loss:MultipleNegativesRankingLoss
+base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
+widget:
+- source_sentence: Нобелийн хорооны энэхүү шийдвэр ямар утга учиртай вэ?
+  sentences:
+  - 'энэ хоёрыг сэдвийг холбон бичсэнээрээ ихээхэн ач холбогдолтой, сонирхолтой болсон
+    ” хэмээн орчуулагчид номынхоо гол санааг тайлбарлав. Нээлтийн үеэр мөн Монголын
+    бизнесийн хөгжлийн холбооны зүгээс хэлэхдээ: “Ирээдүйд дасан зохицож, өөртөө хөрөнгө
+    оруулж, карьераа ахиулах нь гэх дэд гарчигтай нэн шинэлэг уг номыг орчин цагийн
+    мэргэжилтнүүд, бизнес эрхлэгчид маань шимтэн уншаасай, дэлхийн шилдэг мэргэжилтнүүд,
+    компаниудаас бидэнд сурах юм их байгааг олж харна гэдэгт итгэлтэй байна” хэмээв.
+    “Та өөрөө старт-ап компани” ном өнөөдрөөс эхлэн номын дэлгүүрүүдээр 19,900 төгрөгийн
+    үнэтэйгээр зарагдаж байна. Ч.БОЛ'
+  - 'ч таатай байх байлгүй. Ямар нэгэн амьдрал, ямар нэгэн зүйлд сургадаг шүү дээ.
+    Фото: REUTERS/ Mike Cassese/Files Түүний намтраас хоёрын зэргийн онцлогыг аваад
+    үзье. Тэрээр өгүүлэл бичдэг. Өгүүлэлүүд нь  Канад, Америкийн олон сэтгүүлд хэвлэгддэг.
+    Ийм маягаар муугүй амьдарч болно. Тэр сэтгүүлийн хүчирхэг давалгаа нь хэзээ нэгэн
+    цагт бидэнд Чехов, Куприн, Бунин, Гринийг төрүүлсэн билээ. Тэд бүгд л өгүүллэгээр
+    амьдарч байлаа. Харин одоо тэд Канадад төрж, тэнд уншдаг харин бидэнд үгүй болжээ.
+    Элис Мунро Британийн Колумбийн их сургуульд зохиолч-резидентээр ажилласан юм.
+    Жишээлбэл, одоо Москвагийн их сургуульд тийм тушаал байна уу? Хэрэв энэ удаа Нобелийн
+    хороо ямар ч нийгэмд үнэлэхүйц сэхээтэн гэсэн давхарга байгааг,  уг давхаргад 
+    ямар орчин хэрэгтэйг сануулж байгаа бол Нобелийн хорооны туршилт зөв болжээ. Дмитрий
+    Косыревын материалыг орчуулан бэлтгэсэн Ш.МЯГМАР'
+  - танилцуулъя. The Beatles - 21,9 сая Элвис Пресли - 21,6 сая Клифф Ричард - 21,5
+    сая Мадонна - 17,6 сая Майкл Жексон - 15,3 сая Элтон Джон - 14,8 сая Queen - 12,6
+    сая ABBA - 11,2 сая Дэвид Боуи - 10,6 сая Рианна - 10,4 сая Пол Маккартни - 10,2
+    сая Кайли Миноуг - 10,1 сая Ш.МЯГМАР
+- source_sentence: '"Ногоон ном"-ыг уншихад ямар мэдээлэл олж авах боломжтой вэ?'
+  sentences:
+  - 'news: Хувцсыг зохицуулан өмсөж мэддэг залуу бол оймсыг хүртэл загварлаг хослуулан
+    өмсөхөө мэдэх ёстой. Хэдий үнэтэй сайн гутал өмссөн ч оймстой тань зохицохгүй
+    байвал ямар ч үнэ цэнэгүй муухай харагдана. Иймээс эрчүүд оймсоо хэрхэн яаж сонгож
+    ѳмсѳх тухай хүргэж байна. Oxford Эрэгтэй хүнд болгонд байдаг Oxford гутланд хээтэй
+    оймсыг өмсвөл илүү зохимжтой. Гэвч ажилдаа явахдаа хэтэрхий өнгөлөг биш бараандуу
+    өнгийн хээтэй оймсыг өмсөөрэй. Хар өнгийн Oxford өмсөхдөө дан өнгийн оймс ѳмсвѳл
+    илүү тохирожтой. Тод өнгийн оймсыг сонгон өмсвөл энгийн хувцаслалтанд илүү их
+    өнгө нэмэн харагдуулна.   Penny Loafer Бор өнгийн Penny Loafer-той хамгийн их
+    зохицох оймс нь судалтай оймс юм. Өнгөлөг өнгийн судалтай оймстой хослуулан өмссөн
+    тохиолдолд өмдөө бага зэрэг нугалвал илүү зохимжтой. Усан цэнхэр өнгийн Penny
+    Loafer гутланд өнгө холилдсон оймс өмсвөл илүү хээнцэр харагдана.   Sneakers пүүз
+    (кэт) Цагаан өнгийн пүүзтэй ямарч өнгийн оймс зохицоно. Пиджакан хослолын доор
+    цагаан өнгийн пүүз өмсөхдөө'
+  - 'news: “Ногоон хатагтай” буюу Үндэсний цэцэрлэгт хүрээлэнгийн захирал Б.Саранчимэг
+    “Ногоон ном”-оо олны хүртээл болгожээ. Дэлхийд нэгд орох томоохон цэцэрлэгт хүрээлэнг
+    барихаар ажиллаж буй энэ эмэгтэй, “Эх дэлхийгээ ижий шигээ хайрладаг, Түүхт өв
+    уламжлалаа үнэн зүйл хэмээн эрхэмлэсэн, Эгэл нэгт эрдэнэт  хүмүүн танд зориулав”
+    хэмээн номын нүүрэн дээр шигтгэсэн байна. Үндэсний цэцэрлэгт хүрээлэн 1280 га
+    газартай. Ийм том газартай цэцэрлэгт хүрээлэн дэлхийд байхгүй. Б.Саранчимэг дарга
+    дэлхийд том тооцогдох цэцэрлэгт хүрээлэн барьж байгаа  гэж ярихаар тухайн үед
+    итгэх хүн  тун ч цөөхөн байсан. Гэхдээ өнөөдөр байдал эсрэгээрээ. Нийслэлчүүдийн
+    очиж, зугаалах, амрах дуртай газрын нэг нь энэ газар болоод байна. Нийслэлийн
+    агаарын бохирдол, хөрсний элэгдэл, усны урсацад хувь нэмэр болж буй энэ цэцэрлэгт
+    хүрээлэнгийн дарга үнэхээр эх дэлхийгээ хайрласан, ногоон ирээдүйг бий болгохоор
+    зорьж, зориглож буйгаа илэрхийлж, энэхүү номоо гаргасан бололтой. Э.ЗУЛ Эх сурвалж:
+    www.mminfo.mn'
+  - юм. Тийм л зохиолчийг сонгоод авчээ. Тиймээс Нобелийн хороонд та минь ээ, та нар
+    юу бодож олоо вэ ? гэсэн асуулт тавимаар байна. Нобелийн уран зохиолын шагнал
+    Сүүлийн жилүүдэд Нобелийн  “хүмүүнлэгийн” гэгдэх  “уран зохиол”, “энх тайван”
+    номинацийн шагнал  нь уран зохиолын шилдэг сонголт гэж санагдуулахааргүй болсон.
+    Энх тайвны  талаар хэлэх ч зүйлгүй, тэр нь нэн түрүүнд “гайхамшигт хүмүүсийн амьдрал”
+    цувралыг санагдуулж байгаа. Тэд энх тайванчид уу эсвэл үгүй юу гэдэг нь өөр асуудал
+    болно. Хороо нь дэлхийн уран зохиол судлаачдын нүгэлгүй ареопаг (Ареопаг нь (Англи
+    хэл:Areopagus) Эртний Афины онц дээд шүүх юм. Шүүх ажиллагаа нь Ареопаг (Арес
+    толгод) гэх газарт явагддаг байсан тул ийн нэрлэжээ) биш, тэд хойд Европын зах
+    хязгаарын жижигхэн бүлэглэл болсон гэхэд хилсдэхгүй. Нэг үгээр,  иргэншлийн (барууны)
+    зах хязгаарын дуу хоолой гэсэн үг юм. Хороо өөрийн байдлын онцлогийг  сайн мэдэрдэг
+    учраас тодорхой шийдвэрээс зугтан бараг өдөөлт маягийн сонголт хийдэг нь эртнээс
+    тодорхой болоод
+- source_sentence: ЦХулан болон БЭрдэнэсолонготой уулзах үйл явдал ямар онцлогтой
+    байв?
+  sentences:
+  - нэрэмжит шагналт, яруу найрагч Ц.Хулан болон цахим ертөнцийн байнгын уншигчид
+    нь өөрсдийн хүсэлтээр хүрэлцэн ирсэн байсан юм. Яруу найргийг зөвхөн тайзан дээрээс
+    сонсож, номноос унших бус найрагчтайгаа нүүр тулан уулзаж, халуун дотно яриа өрнүүлэн,
+    нэгэн гэр бүл мэт хүрээлэл үүсгэн сонсохын амтыг анх удаа мэдрэв. “Яруу найраг
+    бол амьдрах арга биш. Яруу найраг бол жүжиглэх тайз биш” гэж хэлдэг Б.Эрдэнэсолонгын
+    үнэн бөгөөд шимтэй мэдрэмжийг түүний дуу хоолойгоор сонсч, түүнтэй гар барилцан
+    суугаад сонсохын ялдамд яруу найргийн мөн чанарыг ирсэн бүхэн жинхэнэ утгаар нь
+    мэдэрч байлаа. Мөн хилийн чанадад суудаг түүний уншигчид ч бас энэ үдшийг сэтгэлээрээ
+    хамт өнгөрүүлж, Б.Эрдэнэсолонгоос асуухсан гэж хүсдэг олон зүйлсээ, сэтгэлийн
+    үгсээ бичиж илгээсээр байсан юм. Чамаас өөр хэн ч намайг Тийм ихээр зовоож байгаагүй
+    Чамаас өөр хэнийг ч би Тийм ихээр хүлээж байгаагүй Өөр хэн ч намайг Чам шиг өвтгөж
+    байгаагүй Өөр хэнийг ч би Чам шиг хайрлаж байгаагүй Ус шиг, цас шиг, мөс шиг,
+    Гал шиг, салхи
+  - 'news: Би чамайг өглөө ажилдаа явах, орой гэртээ харих бүртээ болзсон газраа хүлээдэг.
+    Зуны бороонд норон, өвлийн хүйтэнд жиндэх ч зөвхөн чамайг ирэхийг хүлээдэг. Заримдаа
+    чи түрүүлээд болзсон газраа ирэх ч намайг огт тоолгүйгээр орхиод оддог. Бүр чиний
+    хойноос унан тусан, гараараа даллан гүйнэ. Харин чи харсан ч хараагүй мэт аашлан
+    намайг орхин явдаг. Тэгээд л би дахиад чамайг удахгүй ирнэ гэж найдан болзооны
+    газраа хүлээнэ. Чамайг хэзээ ирэхийг би мэдэхгүй. Учир нь чамд болзсон газартаа
+    уулзах тогтсон цаг хугацаа гэж үгүй. Ингээд удаан хүлээсний эцэст чи арайхийн
+    ирнэ. Гэвч өглөө, оройд чиний орон зайд би багтахгүй үлдэх нь бий. Тэгээд л дахин
+    ирэхийг чинь хүлээх шаардлага гарна. Маргааш нь, нөгөөдөр нь, түүний маргааш гээд
+    бүхий өдөр чамайг хүлээдэг. Гэвч чамайг хэзээ нэгэн цагт болзсон хугацаанд ирж,
+    намайг болон бусдыг хүндэлдэг болно гэж үүнийг бичиж сууна. Заримдаа чамайг хүлээхээс
+    залхан, намайг байнга хүлээж, хоол нэхэн зогсох нэгнийг сонгох ч их хотын түгжрэл
+    харилцааг минь'
+  - 'news: Өвөрмонголын яруу найрагч С.Оюунгэрэлийн урилгаар Хөх хотод зочилсон Монгол
+    Улсын Соёлын гавьяат зүтгэлтэн Ш.Дулмаа, Монгол Улсын Соёлын гавьяат зүтгэлтэн
+    С.Оюун, Монголын зохиолчдын эвлэлийн шагналт зохиолч Б.Пүрэвдорж нарыг “Одон”
+    телевизийн “Одод түгэх цаг” нэвтрүүлэгт хүндэт зочноор урьж тус бүрээр нь 25-45
+    минутын нэвтрүүлэг бэлдэхээр ярилцлага хийжээ. Яруу найрагч С.Оюунгэрэл нь Өвөрмонголд
+    нэрд гарсан яруу найрагч, орчуулагч, БНХАУ-ын Монгол сэтгүүлийн гавьяат найруулагч
+    бөгөөд тэрээр “Одод түгэх цаг” нэвтрүүлэгт оролцохдоо дээрхи зохиолчдыг урин оролцуулсан
+    байна. Яруу найрагч Ш.Дулмаа, С.Оюун нарын шүлгүүдийг өвөрмонголчууд эртнээс мэддэг
+    бөгөөд харин зохиолч Б.Пүрэвдоржийн “Могой боолт” роман уйгаржин бичигт хөрвүүлэгдсэн
+    тул өвөр нутагт олон уншигчидтай номоор шалгарч байжээ. Д.БҮҮВЭЙ'
+- source_sentence: '"Цогт тайж" киноны дижитал хувилбар нь анхны хувилбараас ямар
+    ямар ялгаатай вэ?'
+  sentences:
+  - шиг үнсэж, аминаас харам энрхийлье Ганцхан өдөр л хэрвээ биенд чинь шүргэж чадаагүй
+    бол Гараан тас цавчуулнаа, тэр гунигт өдөр нь Уран шүлгээ аялаач гэж цэнгэхийг
+    хүсэгч олон ч Уянга дуундаан ганцхан л чамайг дуулсаар дүүрье. орчуулсан С.Дулам
+    Канэко Мисүзү 1903-1929 Японы нэрт бүсгүй яруу найрагч Канэко Мисүзү загасчны
+    тосгонд төрж, хорин долоохон жил хорвоод амьдрахдаа зовлон гуниг, үхэл хагацал
+    бүхнийг үзжээ. Хорин настайгаасаа шүлэг бичиж яруу найргийн цэцэрлэгт хүрээлэнд
+    “од” болон гарч ирэв. Богино хугацаанд түүний шүлгүүд нийтлэгдэж Японы өнцөг булан
+    бүрээс захидал талархал ирж яруу найргийн “гүнж” хэмээн алдаршиж байсан ч нөгөө
+    талд амьдралын зовлон бэрхэд байнга нэрвэгдэж нөхөр нь түүнийг шүлэг зохиох, захиа
+    бичихийг ч хориглож байв. Тийн цэл залуухан 27 настай яруу найрагч “энэ шөнийн
+    саран ямар тунгалаг, ямар гэгээн, ямар анир гүм юм бэ? Яг л миний зүрх сэтгэл
+    шиг анир юм гээч” гэсэн эцсийн үгээ үлдээгээд амиа хорложээ. Төрсөн дүүд нь түүний
+    512 шүлгийн гар бичмэл
+  - 'news: Зууны манлай бүтээл "Цогт тайж" МУСК-г Франц улсын "Кино сэргээх төв"-д
+    тоон системд хөрвүүлэн, дуу дүрсний өндөр чанартай болгон шинэчиллээ. Энэ нь Монгол-Франц
+    улсын соёлын харилцааны хүрээнд хийгдэж буй ажлын нэг бөгөөд Монгол улсад кино
+    урлаг үүсч хөгжсөний 80 жил, “Цогт тайж” киноны 70 жил тохиож байгаагаараа онцлог
+    юм. Долдугаар сарын 9-ний өдөр Францын талаас “Цогт тайж” киноны эх хувь болон
+    тоон хувилбарыг Монголын талд хүлээлгэн өгөх ёслол хүндэтгэлийн үйл ажиллагаа
+    боллоо. Ёслолын ажиллагааны үеэр Франц улсаас Монгол улсад суугаа Онц бөгөөд Бүрэн
+    эрхт элчин сайд Ив Дэлунэ хэлэхдээ: "Нийт 15 бүлэг дүрс, 15 бүлэг дууны хальс
+    нийт 30 бүлэг хальсыг сэргээн засварлах ажил тэр дундаа хальс сэргээхэд нэлээд
+    цаг хугацаа шаардсан учраас 3 жилийн дараа бэлэн боллоо" гэсэн юм. Одоогоос 70 
+    жилийн өмнө тус кинонд ажиллаж байсан ахмад уран бүтээлчид, тэдний гэр бүлийнхэн
+    ёслолын ажиллагаанд урилгаар оролцлоо. Сонирхуулахад, Монголын "Үндэсний Төв Архив"-т
+    “Цогт тайж” кино нь'
+  - 'news: “No wonder Films” болон “Алтан хальс” холбооны хамтын бүтээл болох “Уран
+    хас” баримтат кино Францын Марселийн баримтат киноны наадмын үеэр гарах гэж байна.
+    Тус кино ирэх сарын 2 болон 4-ний өдөр дэлхийн бусад орны үзэгчдэд хүрэх юм. Залуу
+    найруулагч Ш.Ихбаярын тус кинонд зураач Д.Дорждэрэм, зураач Г.Гэрэлхүү, зураач
+    Н.Нассанбат нарын тухай өгүүлэх бөгөөд залуу уран бүтээлч гэр бүлийн өдөр тутмын
+    амьдралыг элдэв чимэггүй дүрслэн харуулжээ. “Уран хос” кино өнгөрсөн оны 11-р
+    сард Монголын урлагийн зөвлөлийн дэмжлэгтэйгээр “Тэнгис” кино театрт ганцхан удаа
+    гарч байжээ. Ч.БОЛ'
+- source_sentence: Номын нэр ямар утгатай вэ?
+  sentences:
+  - 'news: Монгол Улсын Соёлын гавьяат зүтгэлтэн яруу найрагч Санжаажавын Оюун “Ижилгүй
+    цоохор морь” хэмээх үргэлжилсэн үгийн шинэ номоо өлгийдөн авчээ. Түүний энэ удаагийн
+    номыг яруу найрагч Д.Баянтунгалаг ариутган шүүсэн бөгөөд “Мөнхийн үсэг” компанид
+    хэвлүүлсэн байна. Энэхүү номдоо тэрээр “Костюмт багш”, “Бурханы унаа”, “Би цоохор
+    морь” зэрэг 11 бүтээлээ уншигч олондоо дэлгэн барьжээ. Булган аймгийн Могод сумын
+    харьяат яруу найрагч С.Оюуныг уншигч олон “Хорвоод ганцхан ээждээ”, “Үнсье чамайгаа”
+    зэрэг олон сайхан дуу, “Тань руу нүүж явна” кино зохиол зэргээр нь сайн таних
+    юм. Т.ДАРХАН'
+  - нэрэмжит шагналт, яруу найрагч Ц.Хулан болон цахим ертөнцийн байнгын уншигчид
+    нь өөрсдийн хүсэлтээр хүрэлцэн ирсэн байсан юм. Яруу найргийг зөвхөн тайзан дээрээс
+    сонсож, номноос унших бус найрагчтайгаа нүүр тулан уулзаж, халуун дотно яриа өрнүүлэн,
+    нэгэн гэр бүл мэт хүрээлэл үүсгэн сонсохын амтыг анх удаа мэдрэв. “Яруу найраг
+    бол амьдрах арга биш. Яруу найраг бол жүжиглэх тайз биш” гэж хэлдэг Б.Эрдэнэсолонгын
+    үнэн бөгөөд шимтэй мэдрэмжийг түүний дуу хоолойгоор сонсч, түүнтэй гар барилцан
+    суугаад сонсохын ялдамд яруу найргийн мөн чанарыг ирсэн бүхэн жинхэнэ утгаар нь
+    мэдэрч байлаа. Мөн хилийн чанадад суудаг түүний уншигчид ч бас энэ үдшийг сэтгэлээрээ
+    хамт өнгөрүүлж, Б.Эрдэнэсолонгоос асуухсан гэж хүсдэг олон зүйлсээ, сэтгэлийн
+    үгсээ бичиж илгээсээр байсан юм. Чамаас өөр хэн ч намайг Тийм ихээр зовоож байгаагүй
+    Чамаас өөр хэнийг ч би Тийм ихээр хүлээж байгаагүй Өөр хэн ч намайг Чам шиг өвтгөж
+    байгаагүй Өөр хэнийг ч би Чам шиг хайрлаж байгаагүй Ус шиг, цас шиг, мөс шиг,
+    Гал шиг, салхи
+  - 'news: Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж “Гурван зуун шүлэгт” антологи
+    хэвлэгдэн уншигчдын гарт очлоо. Энэ антологийг эмхэтгэж сонголт хийсэн Соёлын
+    гавьяат зүтгэлэн, яруу найраг Г.Мэнд-Ооёотой ярилцлаа. -Та саяхан “Бүх цаг үеэс
+    сонгосон дэлхийн яруу найргийн дээж ГУРВАН ЗУУН ШҮЛЭГТ” нэртэй антологи гаргасан
+    байна? Ийм антологи хийхэд мэдээж нилээд их цаг хугацаа, хүч хөдөлмөр орох байх?
+    -Тиймээ. Би шүлэг зохиолд хорхойсч байх үеэсээ л өөрт сайхан санагдсан шүлгүүдийг
+    тусгай дэвтэрт бичиж, түүнээ үе үе уншиж урам зориг авдаг байсан. Аандаа уг дэвтэр
+    маань олон зуун шүлэгтэй болсон. Тэр ногоон дэвтэр энэ антологийн эхлэл юм. 2005
+    оноос эхлээд би “Дэлхийн шилдэг яруу найраг” нэртэй цуврал антологиуд хэвлүүлж
+    эхэлсэн. “Оросын яруу найраг”, “Японы яруу найраг”, “Энэтхэгийн яруу найраг”,
+    “Хятадын яруу найраг”, “Америкийн яруу найраг” гээд 10 ботийг гаргаад байгаа л
+    даа. Цуврал маань цааш үргэлжилнэ. Ингээд би өөртөө яруу найргийн нилээд баялаг
+    сан хөмрөгтэй болж, үүнийхээ'
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+- cosine_accuracy@1
+- cosine_accuracy@3
+- cosine_accuracy@5
+- cosine_accuracy@10
+- cosine_precision@1
+- cosine_precision@3
+- cosine_precision@5
+- cosine_precision@10
+- cosine_recall@1
+- cosine_recall@3
+- cosine_recall@5
+- cosine_recall@10
+- cosine_ndcg@10
+- cosine_mrr@10
+- cosine_map@100
+model-index:
+- name: SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: Unknown
+      type: unknown
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.2516217138955275
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.4182314783202458
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.49607374530556503
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.5991806077159441
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.2516217138955275
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.13941049277341525
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.099214749061113
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.05991806077159439
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.2516217138955275
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.4182314783202458
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.49607374530556503
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.5991806077159441
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.41462348982965636
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.35687040378914775
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.36879221694822917
+      name: Cosine Map@100
+---
+
+# SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2). 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:** [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2) <!-- at revision 8d6b950845285729817bf8e1af1861502c2fed0c -->
+- **Maximum Sequence Length:** 128 tokens
+- **Output Dimensionality:** 384 dimensions
+- **Similarity Function:** Cosine Similarity
+<!-- - **Training Dataset:** Unknown -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
+- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
+
+### Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'max_seq_length': 128, '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("gmunkhtur/finetuned_paraphrase-multilingual_v2")
+# Run inference
+sentences = [
+    'Номын нэр ямар утгатай вэ?',
+    'news: Монгол Улсын Соёлын гавьяат зүтгэлтэн яруу найрагч Санжаажавын Оюун “Ижилгүй цоохор морь” хэмээх үргэлжилсэн үгийн шинэ номоо өлгийдөн авчээ. Түүний энэ удаагийн номыг яруу найрагч Д.Баянтунгалаг ариутган шүүсэн бөгөөд “Мөнхийн үсэг” компанид хэвлүүлсэн байна. Энэхүү номдоо тэрээр “Костюмт багш”, “Бурханы унаа”, “Би цоохор морь” зэрэг 11 бүтээлээ уншигч олондоо дэлгэн барьжээ. Булган аймгийн Могод сумын харьяат яруу найрагч С.Оюуныг уншигч олон “Хорвоод ганцхан ээждээ”, “Үнсье чамайгаа” зэрэг олон сайхан дуу, “Тань руу нүүж явна” кино зохиол зэргээр нь сайн таних юм. Т.ДАРХАН',
+    'news: Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж “Гурван зуун шүлэгт” антологи хэвлэгдэн уншигчдын гарт очлоо. Энэ антологийг эмхэтгэж сонгол�� хийсэн Соёлын гавьяат зүтгэлэн, яруу найраг Г.Мэнд-Ооёотой ярилцлаа. -Та саяхан “Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж ГУРВАН ЗУУН ШҮЛЭГТ” нэртэй антологи гаргасан байна? Ийм антологи хийхэд мэдээж нилээд их цаг хугацаа, хүч хөдөлмөр орох байх? -Тиймээ. Би шүлэг зохиолд хорхойсч байх үеэсээ л өөрт сайхан санагдсан шүлгүүдийг тусгай дэвтэрт бичиж, түүнээ үе үе уншиж урам зориг авдаг байсан. Аандаа уг дэвтэр маань олон зуун шүлэгтэй болсон. Тэр ногоон дэвтэр энэ антологийн эхлэл юм. 2005 оноос эхлээд би “Дэлхийн шилдэг яруу найраг” нэртэй цуврал антологиуд хэвлүүлж эхэлсэн. “Оросын яруу найраг”, “Японы яруу найраг”, “Энэтхэгийн яруу найраг”, “Хятадын яруу найраг”, “Америкийн яруу найраг” гээд 10 ботийг гаргаад байгаа л даа. Цуврал маань цааш үргэлжилнэ. Ингээд би өөртөө яруу найргийн нилээд баялаг сан хөмрөгтэй болж, үүнийхээ',
+]
+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
+
+#### Information Retrieval
+
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.2516     |
+| cosine_accuracy@3   | 0.4182     |
+| cosine_accuracy@5   | 0.4961     |
+| cosine_accuracy@10  | 0.5992     |
+| cosine_precision@1  | 0.2516     |
+| cosine_precision@3  | 0.1394     |
+| cosine_precision@5  | 0.0992     |
+| cosine_precision@10 | 0.0599     |
+| cosine_recall@1     | 0.2516     |
+| cosine_recall@3     | 0.4182     |
+| cosine_recall@5     | 0.4961     |
+| cosine_recall@10    | 0.5992     |
+| **cosine_ndcg@10**  | **0.4146** |
+| cosine_mrr@10       | 0.3569     |
+| cosine_map@100      | 0.3688     |
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
+-->
+
+## Training Details
+
+### Training Dataset
+
+#### Unnamed Dataset
+
+
+* Size: 26,619 training samples
+* Columns: <code>sentence_0</code> and <code>sentence_1</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence_0                                                                        | sentence_1                                                                           |
+  |:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                               |
+  | details | <ul><li>min: 8 tokens</li><li>mean: 17.93 tokens</li><li>max: 43 tokens</li></ul> | <ul><li>min: 41 tokens</li><li>mean: 124.86 tokens</li><li>max: 128 tokens</li></ul> |
+* Samples:
+  | sentence_0                                                                  | sentence_1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     |
+  |:----------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>"Юрийн галавын үе" киноны амжилтыг юугаар тайлбарлах вэ?</code>       | <code>news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР</code> |
+  | <code>Энэ киноны амжилт дэлхийн кино үйлдвэрт ямар нөлөө үзүүлэх вэ?</code> | <code>news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР</code> |
+  | <code>Киноны эхний амралтын өдрүүдийн орлого яагаад ийм ��ухал вэ?</code>    | <code>news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР</code> |
+* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
+  ```json
+  {
+      "loss": "MultipleNegativesRankingLoss",
+      "matryoshka_dims": [
+          384,
+          256,
+          128,
+          64,
+          32
+      ],
+      "matryoshka_weights": [
+          1,
+          1,
+          1,
+          1,
+          1
+      ],
+      "n_dims_per_step": -1
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 20
+- `per_device_eval_batch_size`: 20
+- `num_train_epochs`: 10
+- `multi_dataset_batch_sampler`: round_robin
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: steps
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 20
+- `per_device_eval_batch_size`: 20
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 1
+- `eval_accumulation_steps`: None
+- `torch_empty_cache_steps`: None
+- `learning_rate`: 5e-05
+- `weight_decay`: 0.0
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `max_grad_norm`: 1
+- `num_train_epochs`: 10
+- `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`: 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`: round_robin
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss | cosine_ndcg@10 |
+|:------:|:----:|:-------------:|:--------------:|
+| 0.0376 | 50   | -             | 0.2937         |
+| 0.0751 | 100  | -             | 0.3049         |
+| 0.1127 | 150  | -             | 0.3175         |
+| 0.1503 | 200  | -             | 0.3277         |
+| 0.1878 | 250  | -             | 0.3382         |
+| 0.2254 | 300  | -             | 0.3472         |
+| 0.2630 | 350  | -             | 0.3585         |
+| 0.3005 | 400  | -             | 0.3635         |
+| 0.3381 | 450  | -             | 0.3666         |
+| 0.3757 | 500  | 9.7164        | 0.3697         |
+| 0.4132 | 550  | -             | 0.3739         |
+| 0.4508 | 600  | -             | 0.3788         |
+| 0.4884 | 650  | -             | 0.3799         |
+| 0.5259 | 700  | -             | 0.3825         |
+| 0.5635 | 750  | -             | 0.3828         |
+| 0.6011 | 800  | -             | 0.3852         |
+| 0.6386 | 850  | -             | 0.3889         |
+| 0.6762 | 900  | -             | 0.3873         |
+| 0.7137 | 950  | -             | 0.3863         |
+| 0.7513 | 1000 | 6.4327        | 0.3925         |
+| 0.7889 | 1050 | -             | 0.3913         |
+| 0.8264 | 1100 | -             | 0.3910         |
+| 0.8640 | 1150 | -             | 0.3941         |
+| 0.9016 | 1200 | -             | 0.3936         |
+| 0.9391 | 1250 | -             | 0.3907         |
+| 0.9767 | 1300 | -             | 0.3969         |
+| 1.0    | 1331 | -             | 0.3952         |
+| 1.0143 | 1350 | -             | 0.3973         |
+| 1.0518 | 1400 | -             | 0.3955         |
+| 1.0894 | 1450 | -             | 0.4016         |
+| 1.1270 | 1500 | 5.0976        | 0.3987         |
+| 1.1645 | 1550 | -             | 0.3993         |
+| 1.2021 | 1600 | -             | 0.4001         |
+| 1.2397 | 1650 | -             | 0.4028         |
+| 1.2772 | 1700 | -             | 0.3989         |
+| 1.3148 | 1750 | -             | 0.3980         |
+| 1.3524 | 1800 | -             | 0.4015         |
+| 1.3899 | 1850 | -             | 0.3999         |
+| 1.4275 | 1900 | -             | 0.3983         |
+| 1.4651 | 1950 | -             | 0.3978         |
+| 1.5026 | 2000 | 4.429         | 0.4002         |
+| 1.5402 | 2050 | -             | 0.3992         |
+| 1.5778 | 2100 | -             | 0.4045         |
+| 1.6153 | 2150 | -             | 0.4075         |
+| 1.6529 | 2200 | -             | 0.4062         |
+| 1.6905 | 2250 | -             | 0.4055         |
+| 1.7280 | 2300 | -             | 0.4045         |
+| 1.7656 | 2350 | -             | 0.4107         |
+| 1.8032 | 2400 | -             | 0.4114         |
+| 1.8407 | 2450 | -             | 0.4058         |
+| 1.8783 | 2500 | 4.0496        | 0.4097         |
+| 1.9159 | 2550 | -             | 0.4049         |
+| 1.9534 | 2600 | -             | 0.4065         |
+| 1.9910 | 2650 | -             | 0.4114         |
+| 2.0    | 2662 | -             | 0.4093         |
+| 2.0285 | 2700 | -             | 0.4091         |
+| 2.0661 | 2750 | -             | 0.4094         |
+| 2.1037 | 2800 | -             | 0.4085         |
+| 2.1412 | 2850 | -             | 0.4140         |
+| 2.1788 | 2900 | -             | 0.4117         |
+| 2.2164 | 2950 | -             | 0.4131         |
+| 2.2539 | 3000 | 3.3969        | 0.4129         |
+| 2.2915 | 3050 | -             | 0.4146         |
+
+
+### Framework Versions
+- Python: 3.10.12
+- Sentence Transformers: 3.3.1
+- Transformers: 4.47.1
+- PyTorch: 2.5.1+cu121
+- Accelerate: 1.2.1
+- Datasets: 3.2.0
+- 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",
+}
+```
+
+#### MatryoshkaLoss
+```bibtex
+@misc{kusupati2024matryoshka,
+    title={Matryoshka Representation Learning},
+    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
+    year={2024},
+    eprint={2205.13147},
+    archivePrefix={arXiv},
+    primaryClass={cs.LG}
+}
+```
+
+#### 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": "finetuned_paraphrase-multilingual_v2",
+  "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": 12,
+  "pad_token_id": 0,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.47.1",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 250037
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.3.1",
+    "transformers": "4.47.1",
+    "pytorch": "2.5.1+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:ecc79398a20be8aef84a21fd4efc245b55fa8a9674045e627f2cdeb9431f08c6
+size 470637416

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": 128,
+  "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:cad551d5600a84242d0973327029452a1e3672ba6313c2a3c3d69c4310e12719
+size 17082987

tokenizer_config.json

@@ -0,0 +1,65 @@
+{
+  "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": false,
+  "cls_token": "<s>",
+  "do_lower_case": true,
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "max_length": 128,
+  "model_max_length": 128,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}

unigram.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:da145b5e7700ae40f16691ec32a0b1fdc1ee3298db22a31ea55f57a966c4a65d
+size 14763260