akhooli/nli-500k-triplets-MB

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 768,
+  "pooling_mode_cls_token": false,
+  "pooling_mode_mean_tokens": true,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

README.md

@@ -0,0 +1,483 @@
+---
+base_model: akhooli/ModernBERT-ar-base-tiny
+datasets:
+- akhooli/ar_nli_triplets_550
+language:
+- ar
+library_name: sentence-transformers
+license: apache-2.0
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:550000
+- loss:MatryoshkaLoss
+- loss:CachedMultipleNegativesRankingLoss
+widget:
+- source_sentence: ماذا يعني اسم كريستين باللغة الإنجليزية
+  sentences:
+  - 'اسم كريستين هو اسم لاتيني طفل. في اللاتينية ، معنى اسم كريستين هو: أتباع المسيح.
+    اسم كريستين هو اسم طفل أمريكي. في أمريكا ، معنى اسم كريستين هو: أتباع المسيح.
+    اسم كريستين هو اسم طفل انجليزي. معنى اسم كريستين في اللغة الإنجليزية هو: كريستينا
+    وكريستيانا. أتباع المسيح. اسم كريستين هو اسم طفل يوناني. معنى اسم كريستين في اليونانية:
+    الممسوح.'
+  - '"يشمل الخيار المتخصص أصناف الخيار الموروثة مثل خيار الليمون والخيار ""الأرميني
+    الحلو"" ، بالإضافة إلى خيار الدفيئة التي لا تتطلب تلقيحًا لتثبيتها. يتم تربية
+    خيار الحاوية من أجل الكروم المدمجة ، وهو أفضل لزراعة السطح وحدائق المساحات الصغيرة.
+    الخيار الأرميني الحلو له نكهة خيار خفيفة ، مثل البطيخ بدون الحلاوة. لا يحتاجون
+    إلى تقشير ، كما أن شكلهم المضلع يجعل المقاطع العرضية مثيرة للاهتمام عند تقطيعها.
+    ""خيار الليمون"" (65 يومًا ، إرث ، تلقيح مفتوح) عبارة عن خيار صغير ، مستدير ،
+    أصفر تجده غالبًا في أسواق المزارعين."'
+  - 'تزين كريستين ستيوارت غلاف عدد أزياء المرأة الخريفية من مجلة T ، في أكشاك بيع
+    الصحف في 21 أغسطس. ها هي الفتاة البالغة من العمر 26 عامًا كان على الممثلة أن تشاركها
+    مع ماج: عن علاقتها مع روبرت باتينسون: ࢠ"أراد الناس مني وروب أن نكون معًا بشكل
+    سيء لدرجة أن علاقتنا تحولت إلى منتج. لم تعد الحياة الحقيقية.'
+- source_sentence: هل يمكن علاج سرطان العظام
+  sentences:
+  - علاج سرطان العظام. يعتمد علاج سرطان العظام على نوع سرطان العظام لديك ومدى انتشاره
+    وصحتك العامة. العلاجات الرئيسية هي الجراحة والعلاج الكيميائي والعلاج الإشعاعي.
+  - اضطراب نخاع العظم هو سبب أقل شيوعًا وأكثر خطورة لارتفاع خلايا الدم البيضاء. اللوكيميا
+    هي الجاني الأكثر شيوعًا. مع هذا النوع من السرطان ، ينتج نخاع العظم أعدادًا كبيرة
+    من خلايا الدم البيضاء المعيبة ويطلقها في الدم. يمكن أن تؤدي اضطرابات نخاع العظام
+    الأخرى ، مثل كثرة الحمر الحقيقية ، إلى زيادة عدد كرات الدم البيضاء.
+  - (الولايات المتحدة الأمريكية). متوسط ​​الراتب لمصمم الويب في نيويورك ، نيويورك
+    هو 53329 دولارًا في السنة. لا يتمتع الأشخاص في هذه الوظيفة عمومًا بأكثر من 10
+    سنوات من الخبرة. المهارات التي تزيد من رواتب هذه الوظيفة هي التجارة الإلكترونية
+    و Adobe InDesign و Dreamweaver. الخبرة لها تأثير معتدل على الدخل لهذه الوظيفة.
+- source_sentence: تعريف واجهة scsi
+  sentences:
+  - يوفر Windows Installer واجهة مستخدم كاملة (UI) لتثبيت تطبيق أو منتج. تقدم واجهة
+    المستخدم للمستخدم الخيارات المتاحة لتكوين التثبيت والحصول على معلومات من المستخدم
+    حول عملية التثبيت المعلقة. حول واجهة المستخدم يصف وظيفة واجهة مستخدم المثبت. يصف
+    استخدام واجهة المستخدم استخدام واجهة المستخدم الداخلية للمثبت. يتم عرض المعلومات
+    المرجعية في مربع الحوار الداخلي المثبت وأنماط وخيارات التحكم في مرجع واجهة المستخدم.
+  - 'تعريف florid: تعريف florid هو شخص ذو بشرة متوهجة ، أو شيء معقد للغاية. (صفة)
+    مثال على شخص يمكن وصفه بأنه مزهر هو عداء ذو ​​وجه أحمر ، متورد الوجه تحول وجهه
+    إلى اللون الأحمر بمجهود ...'
+  - (واجهة نظام الكمبيوتر الصغيرة) يُعد SCSI عبارة عن واجهة أجهزة لما يصل إلى 15 جهازًا
+    طرفيًا متصلًا ببطاقة PCI أو PCI Express (محول مضيف SCSI) على اللوحة الأم. قدم
+    في عام 1986 من قبل Shugart Associates (انظر SASI) ، تم استبدال هذه العمارة المتوازية
+    الأصلية إلى حد كبير بإصدار تسلسلي (انظر SCSI المرفق التسلسلي).
+- source_sentence: كم رسوم التأخير
+  sentences:
+  - رسم تأخر دفعة. يتم فرض رسوم السداد المتأخر (رسوم التأخير) على المقترض الذي يتخلف
+    عن دفع الحد الأدنى من السداد على الأقل بحلول الموعد النهائي للدفع. لتجنب الرسوم
+    المتأخرة ، تأكد من دفع الحد الأدنى للمبلغ على الأقل بحلول تاريخ الاستحقاق. قد
+    تؤثر الدفعات المتأخرة على سجلك الائتماني سلبًا ، حتى إذا تم سداد رصيدك المستحق
+    بالكامل لاحقًا. يتم تحديد الرسوم المتأخرة العرضية بمبلغ 25 دولارًا بموجب اللوائح
+    الفيدرالية.
+  - 'ينص قانون ملكية تكساس ، القسم 92.019 ، على أنه لا يجوز للمالك فرض رسوم تأخير
+    على المستأجر لعدم دفع الإيجار إلا إذا: 1 تم تضمين إشعار بالرسوم في عقد إيجار مكتوب
+    ؛ 2 الرسم المتأخر هو تقدير معقول للأضرار التي لحقت بالمالك نتيجة التأخر في دفع
+    الإيجار ؛ و.'
+  - يجب أن يتم الاحتفاظ بالحسابات المصرفية المشتركة بملكية متساوية لتكون مؤمنة من
+    قبل مؤسسة التأمين الفيدرالية (FDIC) بحد أقصى 250.000 دولار لكل مودع. على سبيل
+    المثال ، يجب أن يتمتع الوالد والطفل في حساب مشترك بنفس القدرة على سحب الأموال
+    لزيادة حماية مؤسسة التأمين الفيدرالية (FDIC).
+- source_sentence: ما هي المواد المصنوعة من الدعك
+  sentences:
+  - معظم مقشراتي مصنوعة من قماش يتكون من 65٪ قطن و 35٪ بوليستر. يبدو أن الكمية الصغيرة
+    من البوليستر تمنع سوائل الجسم من التسرب عبر القماش إلى بشرتي الأساسية. بعض أنواع
+    الدعك من القطن 100٪. ومع ذلك ، تأكد من استخدام قماش ناعم ومتين إذا كنت تنوي صنع
+    الدعك من القطن بنسبة 100٪. lvmama يحب هذا.
+  - بلدة وندسور ، مقاطعة أشاتبولا ، أوهايو. مرحبًا بكم في وندسور تاونشيب ، مقاطعة
+    أشتابولا - أوهايو. مرحبًا بكم في وندسور بولاية أوهايو ، وهي بلدة تقع في الركن
+    الجنوبي الغربي من مقاطعة أشتابولا.
+  - Scrubs (مسلسل تلفزيوني) (تمت إعادة توجيهه من مستشفى القلب المقدس (Scrubs)) Scrubs
+    (منمق كـ [الدعك]) هو مسلسل تلفزيوني كوميدي طبي أمريكي تم إنشاؤه بواسطة Bill Lawrence
+    والذي تم بثه من 2 أكتوبر 2001 إلى 17 مارس 2010 ، على NBC ولاحقًا ABC. يتتبع المسلسل
+    حياة الموظفين في مستشفى القلب المقدس التعليمي الخيالي.
+---
+
+# Ar ModernBERT base tiny trained on 500k Arabic NLI triplets
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [akhooli/ModernBERT-ar-base-tiny](https://huggingface.co/akhooli/ModernBERT-ar-base-tiny) on the [ar_nli_triplets_550](https://huggingface.co/datasets/akhooli/ar_nli_triplets_550) dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
+
+## Model Details
+
+### Model Description
+- **Model Type:** Sentence Transformer
+- **Base model:** [akhooli/ModernBERT-ar-base-tiny](https://huggingface.co/akhooli/ModernBERT-ar-base-tiny) <!-- at revision 0cdca0e6ca4340705b5ccde7d74b1ec5adc2f94d -->
+- **Maximum Sequence Length:** 8192 tokens
+- **Output Dimensionality:** 768 dimensions
+- **Similarity Function:** Cosine Similarity
+- **Training Dataset:**
+    - [ar_nli_triplets_550](https://huggingface.co/datasets/akhooli/ar_nli_triplets_550)
+- **Language:** ar
+- **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': 8192, 'do_lower_case': False}) with Transformer model: ModernBertModel 
+  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
+)
+```
+
+## 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("sbert-nli-500k-triplets-MB")
+# Run inference
+sentences = [
+    'ما هي المواد المصنوعة من الدعك',
+    'معظم مقشراتي مصنوعة من قماش يتكون من 65٪ قطن و 35٪ بوليستر. يبدو أن الكمية الصغيرة من البوليستر تمنع سوائل الجسم من التسرب عبر القماش إلى بشرتي الأساسية. بعض أنواع الدعك من القطن 100٪. ومع ذلك ، تأكد من استخدام قماش ناعم ومتين إذا كنت تنوي صنع الدعك من القطن بنسبة 100٪. lvmama يحب هذا.',
+    'Scrubs (مسلسل تلفزيوني) (تمت إعادة توجيهه من مستشفى القلب المقدس (Scrubs)) Scrubs (منمق كـ [الدعك]) هو مسلسل تلفزيوني كوميدي طبي أمريكي تم إنشاؤه بواسطة Bill Lawrence والذي تم بثه من 2 أكتوبر 2001 إلى 17 مارس 2010 ، على NBC ولاحقًا ABC. يتتبع المسلسل حياة الموظفين في مستشفى القلب المقدس التعليمي الخيالي.',
+]
+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.*
+-->
+
+<!--
+## 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
+
+#### ar_nli_triplets_550
+
+* Dataset: [ar_nli_triplets_550](https://huggingface.co/datasets/akhooli/ar_nli_triplets_550) at [7445200](https://huggingface.co/datasets/akhooli/ar_nli_triplets_550/tree/7445200f711a7dc84fc90b643718fba4d842edcb)
+* Size: 550,000 training samples
+* Columns: <code>query</code>, <code>positive</code>, and <code>negative</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | query                                                                            | positive                                                                            | negative                                                                           |
+  |:--------|:---------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
+  | type    | string                                                                           | string                                                                              | string                                                                             |
+  | details | <ul><li>min: 4 tokens</li><li>mean: 8.85 tokens</li><li>max: 43 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 78.73 tokens</li><li>max: 249 tokens</li></ul> | <ul><li>min: 19 tokens</li><li>mean: 75.4 tokens</li><li>max: 266 tokens</li></ul> |
+* Samples:
+  | query                                                    | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             | negative                                                                                                                                                                                                                                                                                     |
+  |:---------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>كوينتيليون كم عدد الأصفار</code>                   | <code>يوجد 6 في مليون 9 في المليار 12 في التريليون وبعد ذلك يكون الكوادريليون ، 15 صفرًا. كوينتيليون لديها 18 ، وسيكستيليون لديها 21.</code>                                                                                                                                                                                                                                                                                                                                                                                                         | <code>يتكون رقم الحساب المكون من 10 أرقام من معرف المشاركة والأصفار ورقم حساب العضو الخاص بك. مثال 1: إذا كان رقم حساب العضو الخاص بك يتكون من ستة أرقام (123456) ومعرف المشاركة هو 01 ، فسيكون رقم حسابك المكون من 10 أرقام هو 0100123456.</code>                                           |
+  | <code>ما هي كيمياء الكيتونات</code>                      | <code>في الكيمياء ، الكيتون (الكانون) / - ki - مركب عضوي بهيكل RC (= O) R '، حيث يمكن أن يكون R و R مجموعة متنوعة من البدائل المحتوية على الكربون: الكيتونات والألدهيدات عبارة عن مركبات بسيطة تحتوي على مجموعة كربونيل (رابطة كربون-أكسجين مزدوجة) ، ومع ذلك ، تُستخدم أيضًا بادئات أخرى. بالنسبة لبعض المواد الكيميائية الشائعة (خاصة في الكيمياء الحيوية) ، تشير keto أو oxo إلى مجموعة الكيتون الوظيفية. يستخدم مصطلح oxo على نطاق واسع من خلال الكيمياء. على سبيل المثال ، يشير أيضًا إلى ذرة أكسجين مرتبطة بمعدن انتقالي (أكسيد معدني).</code> | <code>علم المحيطات الكيميائي وكيمياء المحيطات ، هما دراسة كيمياء المحيط. في حين أن علم المحيطات الكيميائي منشغل في المقام الأول بدراسة وفهم خصائص مياه البحر وتغيراتها ، فإنه يركز كيمياء المحيطات بشكل أساسي على الدورات الجيوكيميائية.</code>                                              |
+  | <code>تعريف خدمات العيادات الخارجية في كاليفورنيا</code> | <code>قائمة الخدمات (CMS) الخاصة بتصنيفات الدفع المتنقل لخدمات العيادات الخارجية بالمستشفى. (ج) مركز الجراحة المتنقلة (ASC) يعني أي عيادة جراحية على النحو المحدد في ولاية كاليفورنيا. قسم قانون الصحة والسلامة 1204 ، القسم الفرعي (ب) (1) ، أي مركز جراحي متنقل يعمل به. تمت الموافقة على المشاركة في برنامج Medicare بموجب الباب الثامن عشر (42 U.S.C. SEC. 1395 وما يليها) من.</code>                                                                                                                                                            | <code>تعريفات خدمات الصح�� السلوكية للمرضى الداخليين والخارجيين. خدمات المرضى الداخليين. ¢ خدمات على مدار 24 ساعة ، يتم تقديمها في بيئة مستشفى مرخصة ، والتي توفر تدخلاً سريريًا للصحة العقلية أو تشخيص تعاطي المخدرات ، أو كليهما. تعريف الخدمة خدمات الصحة النفسية للمرضى الداخليين.</code> |
+* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
+  ```json
+  {
+      "loss": "CachedMultipleNegativesRankingLoss",
+      "matryoshka_dims": [
+          768,
+          512,
+          256,
+          128,
+          64
+      ],
+      "matryoshka_weights": [
+          1,
+          1,
+          1,
+          1,
+          1
+      ],
+      "n_dims_per_step": -1
+  }
+  ```
+
+### Evaluation Dataset
+
+#### ar_nli_triplets_550
+
+* Dataset: [ar_nli_triplets_550](https://huggingface.co/datasets/akhooli/ar_nli_triplets_550) at [7445200](https://huggingface.co/datasets/akhooli/ar_nli_triplets_550/tree/7445200f711a7dc84fc90b643718fba4d842edcb)
+* Size: 550,000 evaluation samples
+* Columns: <code>query</code>, <code>positive</code>, and <code>negative</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | query                                                                           | positive                                                                            | negative                                                                            |
+  |:--------|:--------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
+  | type    | string                                                                          | string                                                                              | string                                                                              |
+  | details | <ul><li>min: 4 tokens</li><li>mean: 8.8 tokens</li><li>max: 23 tokens</li></ul> | <ul><li>min: 13 tokens</li><li>mean: 81.35 tokens</li><li>max: 234 tokens</li></ul> | <ul><li>min: 19 tokens</li><li>mean: 75.38 tokens</li><li>max: 250 tokens</li></ul> |
+* Samples:
+  | query                                                  | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     | negative                                                                                                                                                                                                                                                                                                         |
+  |:-------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>ما هو متوسط ​​المناخ في أكسفورد ، إنجلترا</code> | <code>أكسفورد: المتوسطات الجوية السنوية. يوليو هو الشهر الأكثر سخونة في أكسفورد بمتوسط ​​درجة حرارة 16 درجة مئوية (61 درجة فهرنهايت) والأبرد هو يناير عند 4 درجة مئوية (39 درجة فهرنهايت) مع أكثر ساعات سطوع الشمس يوميًا في 9 من شهر يونيو ، يكون شهر ديسمبر الأكثر رطوبة بمتوسط ​​64 ملم من الأمطار. xford: متوسطات الطقس السنوية. يوليو هو الشهر الأكثر سخونة في أكسفورد بمتوسط ​​درجة حرارة 16 درجة مئوية (61 درجة فهرنهايت) وال��برد هو يناير عند 4 درجة مئوية (39 درجة فهرنهايت) مع أكثر ساعات سطوع الشمس يوميًا عند 9 في يونيو.</code> | <code>المناخ ، متوسط ​​الطقس في اليابان. 1 من مساحة الأرض ، 57٪ لديها مناخ معتدل / متوسط ​​الحرارة مع هطول كبير للأمطار في جميع الفصول (Cf) ، 43٪ لديها مناخ قاري / حراري دقيق مع هطول كبير للأمطار في جميع الفصول (Df).</code>                                                                                  |
+  | <code>يمكن تكسير بروتينات تاو</code>                   | <code>تاو هو بروتين موجود في الخلايا العصبية ، حيث يعمل على استقرار شكل الخلية ووظائفها. كجزء من الوظيفة الطبيعية ، تنثني البروتينات في الجسم وتتكشف وتعود إلى أشكال مختلفة من أجل أداء وظائف محددة ، وعندما لا تكون هناك حاجة إليها ، يتم تفكيكها وإعادة تدويرها بواسطة الخلية.</code>                                                                                                                                                                                                                                                      | <code>أكبر فئة من البروتينات هي بروتينات هيكلية. تعمل أنواع البروتين هذه كمكونات أساسية لبناء جسمك. يعتبر الكيراتين والكولاجين من البروتينات الهيكلية الأكثر شيوعًا. هذه بروتينات ليفية قوية. يشكل الكيراتين بنية بشرتك وأظافرك وشعرك وأسنانك.</code>                                                            |
+  | <code>ما هو تمدد الأوعية الدموية في الدماغ</code>      | <code>تمدد الأوعية الدموية في الدماغ هو انتفاخ غير طبيعي أو انتفاخ في جدار الشريان في الدماغ. يطلق عليهم أحيانًا تمدد الأوعية الدموية في التوت لأنها غالبًا ما تكون بحجم حبة التوت الصغيرة. لا ينتج عن معظم تمدد الأوعية الدموية في الدماغ أي أعراض حتى تصبح كبيرة ، أو تبدأ في تسريب الدم ، أو تنفجر. إذا كان تمدد الأوعية الدموية في الدماغ يضغط على الأعصاب في دماغك ، فقد يتسبب في ظهور علامات وأعراض.</code>                                                                                                                            | <code>قد تزيد عوامل الخطر التالية من خطر إصابتك بتمدد الأوعية الدموية ، أو إذا كنت تعاني بالفعل من تمدد الأوعية الدموية ، فقد تزيد من خطر تمزقها: 1 تاريخ عائلي. 2 الأشخاص الذين لديهم تاريخ عائلي من تمدد الأوعية الدموية في الدماغ هم أكثر عرضة للإصابة بتمدد الأوعية الدموية من أولئك الذين ليس لديهم.</code> |
+* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
+  ```json
+  {
+      "loss": "CachedMultipleNegativesRankingLoss",
+      "matryoshka_dims": [
+          768,
+          512,
+          256,
+          128,
+          64
+      ],
+      "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`: 12
+- `per_device_eval_batch_size`: 12
+- `learning_rate`: 2e-05
+- `num_train_epochs`: 1
+- `max_steps`: 500
+- `warmup_ratio`: 0.1
+- `fp16`: True
+- `batch_sampler`: no_duplicates
+
+#### 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`: 12
+- `per_device_eval_batch_size`: 12
+- `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`: 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`: 1
+- `max_steps`: 500
+- `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`: True
+- `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`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss |
+|:------:|:----:|:-------------:|
+| 0.0113 | 250  | 4.6054        |
+| 0.0226 | 500  | 3.3232        |
+
+
+### Framework Versions
+- Python: 3.10.14
+- Sentence Transformers: 3.4.0.dev0
+- Transformers: 4.48.0
+- PyTorch: 2.5.1+cu121
+- Accelerate: 0.34.2
+- Datasets: 3.0.1
+- 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",
+}
+```
+
+#### 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}
+}
+```
+
+#### CachedMultipleNegativesRankingLoss
+```bibtex
+@misc{gao2021scaling,
+    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup},
+    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},
+    year={2021},
+    eprint={2101.06983},
+    archivePrefix={arXiv},
+    primaryClass={cs.LG}
+}
+```
+
+<!--
+## 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 +1,44 @@
+{
+  "_name_or_path": "akhooli/ModernBERT-ar-base-tiny",
+  "architectures": [
+    "ModernBertModel"
+  ],
+  "attention_bias": false,
+  "attention_dropout": 0.0,
+  "bos_token_id": null,
+  "classifier_activation": "gelu",
+  "classifier_bias": false,
+  "classifier_dropout": 0.0,
+  "classifier_pooling": "cls",
+  "cls_token_id": 3,
+  "decoder_bias": true,
+  "deterministic_flash_attn": false,
+  "embedding_dropout": 0.0,
+  "eos_token_id": null,
+  "global_attn_every_n_layers": 3,
+  "global_rope_theta": 10000,
+  "hidden_activation": "gelu",
+  "hidden_size": 768,
+  "initializer_cutoff_factor": 2.0,
+  "initializer_range": 0.02,
+  "intermediate_size": 1152,
+  "local_attention": 128,
+  "local_rope_theta": 10000.0,
+  "max_position_embeddings": 8192,
+  "mlp_bias": false,
+  "mlp_dropout": 0.0,
+  "model_type": "modernbert",
+  "norm_bias": false,
+  "norm_eps": 1e-05,
+  "num_attention_heads": 12,
+  "num_hidden_layers": 22,
+  "pad_token_id": 5,
+  "reference_compile": false,
+  "repad_logits_with_grad": false,
+  "sep_token_id": 4,
+  "sparse_pred_ignore_index": -100,
+  "sparse_prediction": false,
+  "torch_dtype": "float32",
+  "transformers_version": "4.48.0",
+  "vocab_size": 50368
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.4.0.dev0",
+    "transformers": "4.48.0",
+    "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 sha256:3f025a5718ff97f31a2eaa8bbcd4e4a6d77a613052cf0c733ab7a6926cd92825
+size 596070136

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"
+  }
+]

runs/Jan15_07-32-04_f7233d78449e/events.out.tfevents.1736926328.f7233d78449e.125.0

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:6bc612b4e9bb0410955060d1134ac7deffd423957fc9bf0d2d8f9ef887a940bd
+size 5212

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 8192,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,37 @@
+{
+  "cls_token": {
+    "content": "[CLS]",
+    "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": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "[UNK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer_config.json

@@ -0,0 +1,73 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<|padding|>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<|endoftext|>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "4": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "5": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "6": {
+      "content": "[MASK]",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "[CLS]",
+  "extra_special_tokens": {},
+  "mask_token": "[MASK]",
+  "model_input_names": [
+    "input_ids",
+    "attention_mask"
+  ],
+  "model_max_length": 1000000000000000019884624838656,
+  "pad_token": "[PAD]",
+  "sep_token": "[SEP]",
+  "tokenizer_class": "PreTrainedTokenizerFast",
+  "unk_token": "[UNK]"
+}

training_args.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:07e831ba26d747fc50789510e8ceb8f1b61ab98384875a1d767c7728786187c9
+size 5688