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": 1024,
+  "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 +1,743 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:451949
+- loss:MatryoshkaLoss
+- loss:MultipleNegativesRankingLoss
+base_model: BAAI/bge-m3
+widget:
+- source_sentence: 관리하는 범죄에 대해 어떤 경찰의 검거율이 매우 높은 수준이니?
+  sentences:
+  - 우리나라의 경우 무죄율은, 다른 국가들과 비교할 때 매우 낮은 편에 속하는 등 운영 면에 있어서 상당한 고효율을 보여주고 있으며, 제1심 형사공판사건
+    무죄율을 살펴보더라도 공판중심주의를 강조한 2006년 이래 상승세를 보이고 있으나(2016년 3.72% 기록), 전술(前述)한 영미법계 국가보다는
+    매우 낮은 무죄율을 보여주고 있다. 따라서 검찰과 경찰의 관계에 대하여 상당히 뿌리 깊은 논쟁이 계속 남아 있고 경우에 따라서는 권력기관 상호간의
+    감정적인 분쟁으로까지 비화되고 있으나, 검/경 수사권조정 문제는 무엇보다도 국민의 기본권을 최대한으로 존중해야 한다는 기본입장에서 검토되지
+    않으면 안 된다. 즉 수사지휘권의 문제를 국가기관 간의 권한 대립의 문제로 볼 것이 아니라 과연 검사의 사법경찰에 대한 지휘ㆍ감독이 국민의
+    인권보호에 기여하는가 또한 형사사법정의의 실현에 유익한 것인가라는 측면에서 논의되어야 할 것이다.
+  - 서울시는 11월부터 공영주차 요금을 5분 단위로 부과하도록 한 '주차장 설치 및 관리 조례 개정안'을 공포했다고 30일 밝혔다. 개정 조례안에
+    따르면 서울시 공영주차장 1급지 기준으로 기존에는 5분 내로 주차했을 경우 1000원을 내야했지만 11월부터는 절반인 500원만 내면 된다.
+    이와 함께 시는 이날 주차장 설치 및 관리 기준이 되는 자동차의 범위에 '이륜자동차'를 포함하고 주차장 건설 융자대상을 5면 이상의 소규모
+    주차장까지 확대하는 내용의 조례 개정안을 입법 예고했다. 또 기존 '여행주차장' 명칭을 '여성우선주차장'으로 변경하고 여성우선주차장을 확장형
+    주차구획에 우선 설치하도록 했다. '도로명주소법'이 시행됨에 따라 조례에 규정된 기존 도로명을 새주소도로명으로 정비하고 시장이 주차요금을 조정할
+    수 있는 범위를 30%에서 50%로 확대해 주차수요를 지역 여건 및 환경변화에 따라 탄력적으로 관리할 수 있도록 할 예정이다. 이번 개정안은
+    부서 협의, 법제심사, 조례규칙심의회 의결, 시의회 의결 등 입법 절차를 거쳐 시행된다.
+  - 해양경찰이 관할하는 범죄에 대한 검거율은 매우 높은 수준으로 2011년 98.9%, 2012년 검거율 98.8%에 이르고 있어 거의 모든 범죄자가
+    검거되는 것을 알 수 있다. 이례적인 것은 범죄발생건수에 비해 검거인원이 30%가 되지 않는데 이는 동일인이 여러 건의 범죄를 저지렀기 때문으로
+    볼 수 있다. 해양범죄는 육상범죄와는 달리 같은 범죄 또는 비슷한 범죄를 반복으로 행하는 경우가 많다. 수산업법 위반의 경우를 예로 들면 동일한
+    사람이 금지된 행위를 반복하여 행하거나, 한 사람이 여러 가지를 동시에 위반하는 경우가 많다. 범죄가 반복적으로 이루어지는 경우가 많기 때문에
+    범죄발생건수에 비해 검거인원이 적은 것으로 볼 수 있다. 구속자는 매우 적은 것으로 나타나고 있는데 이는 불구속수사의 원칙이 해양경찰에서 철저히
+    지켜지고 있음을 보여주고 있다.
+- source_sentence: 정수기 성능검사기준에서 유기중금속을 시험하는 항목은 어떤 필터에 적용되니?
+  sentences:
+  - '정수기 성능검사기준 강화
+
+    □ 정수기에 대한 관리를 강화하기 위하여 “먹는물관리법”에 근거한 “정수기의 기준․규격 및 검사기관 지정고시”를 11월 24일부로 개정․시행한다.
+    ○ 이번 고시 개정은 현행 정수기관리제도의 문제점을 개선하기 위하여 2003년에 「먹는물 관련기기 개선방안」에 대한 연구사업을 추진하였고,
+    금년에는 전문가 토론회, 자문회의, 세미나 등을 개최하여 관련 학계, 소비자, 전문가의 다양한 의견을 수렴하여 추진되었다. □ 이번에 개정․시행되는
+    주요 개선내용은 다음과 같다. ○ 정수기 성능검사의 내실화를 기하기 위하여
+
+    - 기존에는 일반성능 항목(냄새, 맛, 색도, 탁도, 일반세균 등 5항목)과 특수성능 항목(총트리할로메탄 등 43항목)에 대해 조제수(일반세균제외)를
+    사용하여 성능을 검사하고, 기타 수질기준 항목에 대해서는 먹는물수질기준 적합여부만을 검사하였으나,
+
+    ⇒ 일반성능 검사항목 중 조제수로 사용하는 수돗물에서는 대부분 일반세균이 검출되지 않으므로 동 항목을 수돗물에서 검출빈도가 높은 소독부산물인
+    ‘클로로포름’으로 대체하고,
+
+    ⇒ 일반성능 및 특수성능 검사항목 이외의 항목 중 건강상 유해영향 물질과 소독부산물질(페놀 등 33항목)은 정수기 유출수가 유입수 함유농도를
+    초과하는지 여부를 의무적으로 검사토록 하였으며,
+
+    ⇒ 정수성능 저하에 따른 소비자들의 불만을 해소하기 위해 성능검사 제거율을 냄새․맛․탁도 항목은 기존 80%에서 90%로, 색도는 70%에서
+    80%로 상향 조정하였으며, 클로로포름의 제거율 기준을 80%로 신설하였다. ※ 간이정수기(유효정수량 500ℓ이하)는 현행대로 성능검사를 실시하되,
+    표시사항에 “간이정수기”를 표기하도록 의무화
+
+    ○ 또한, 시중에 판매되는 정수기의 유통관리를 강화하기 위하여
+
+    - 기존에는 연간 1회 표본을 추출하여 수거검사를 실시하였으나
+
+    ⇒ 앞으로는 시중에 유통되는 모든 정수기 제품을 모델별로 수거하여 검사를 실시하고, 최초 검사시에 비해 정수성능이 현저히 떨어지는 제품을 제조․수입․판매한
+    자에 대하여는 먹는물 관리법에 따라 영업장폐쇄 등 행정처분을 실시할 계획이다. - 기존에는 정수기 필터의 원산지, 제조원 등 표시기준이 정해져있지
+    않아 불량필터가 시중에 유통되어 정수기의 품질을 떨어뜨리는 주요인이 됨에 따라
+
+    ⇒ 정수기 품질검사 신청시 필터의 원산지 증명서류를 제출토록하는 한편, 필터의 원산지, 제조원, 교체시기 등을 반드시 표시하도록 정수기 필터의
+    표시기준을 신설하였다. ※ 정수기 필터의 표시기준 규정은 고시일로부터 6개월 이후부터 시행
+
+    - 소규모 정수기 제조업체가 도산 등의 사유로 부품공급과 A/S가 불가능하게 되어 소비자가 피해를 입는 것을 방지하기 위하여
+
+    ⇒ 정수기 품질검사기관 내에 소비자보호센터를 설치하여 소비자상담, 부품공급, A/S 등 소비자 보호활동을 실시하도록 하였다.'
+  - '정수기 성능검사기준 강화<br>□ 정수기필터 규격화 및 성능기준 설정계획안<br>○ 필터 표준규격, 시험방법을 마련하고, 필터의 특성․기능에
+    따라 검사항목 제정 및 인증제 실시 <table><tbody><tr><td>필터종류</td><td>특징 및 기능</td><td>시험항목 및
+    방법</td></tr><tr><td> 한외여과 필터</td><td> 0.1 ～ 0.01 μm 미립자, 대장균, 세균류 제거</td><td>부유물질미생물
+    : 대장균군, 일반세균</td></tr><tr><td> 역삼투막 필터</td><td> 0.0001 μm 유․무기화합물, 미생물</td><td>유해중금속
+    : 납, 비소, 수은, 6가크롬,카드뮴, 세레늄, 망간, 철, 알루미늄, 아연, 구리무기물 : 경도, 암모니아성질소, 황산이온, 시안, 불소,
+    염소이온, 질산성질소미생물 : 대장균군, 일반세균</td></tr><tr><td> 이온교환수지 필터</td><td> 양이온 또는 음이온 제거</td><td>
+    이온성 물질(양이온, 음이온)</td></tr><tr><td> 활성탄 필터</td><td> 잔류염소, 유기물 제거 맛, 냄새 제거</td><td>
+    소독제 및 소독 부산물</td></tr></tbody></table>'
+  - 백퍼센트 상훈이 '드림팀' 최고 에이스로 등극했다. 7일 오전 방송된 KBS 2TV '출발드림팀2'에 출연한 상훈은 장애물 경기 첫 출연과
+    동시에 우승을 차지해 '최강운동돌'의 탄생을 알렸다. 이날 상훈은 통계청 직원들을 상대로 종합장애물 5종 경기에 나서면서 뛰어난 집중력과 균형성을
+    자랑했다. 상훈은 1단계부터 5단계까지 차분하면서도 타고난 순발력으로 경기를 이끌어갔다. 특히 상훈은 1단계에서는빠른 스피드로 최고기록을 냈으며,
+    3단계에서는 엄청난 집념과 발 힘으로 영화 같은 한 장면을 연출하며, 5단계까지 완주해 현장에 응원하러 와 준 수많은 팬들뿐만 아니라 '드림팀'과
+    '통계청' 직원들의뜨거운 박수와 호응을 이끌어냈다. 상훈은 소속사를 통해 "완주가 목표였는데 내가 유일한 완주자였다"며 "이번에 백퍼센트 앨범을위해서
+    몸을 만들었던 게 도움이 된 것 같다"고 전했다.& lt;연예부&gt;
+- source_sentence: 어떤 사람이 공시 규정을 따랐을 때 P2P 플랫폼에 관한 기본 데이터를 줘야 하는 거야?
+  sentences:
+  - '□ (공시규제: 실적 정보) 동등 계층간 통신망(P2P) 플랫폼으로 하여금 과거 또는 미래의 실적에 대한 정보를 COBS 4.6에 따라 공개하도록
+    함. ○ 과거 실적정보(과거 6개월 동안의 부도율 등)를 공시할 때에는 이러한 실적이 반복되지 않을 수 있다는 경고를 해야 하고, 좋은 실적만을
+    공시하는 것을 예방하기 위해 과거 1년간의 실적은 반드시 포함되어야 하고 더불어 과거 5년간의 실적 정보도 포함되어야 함. ○ 미래의 실적에
+    대한 추정은 합리적인 가정과 객관적인 데이터에 기반해야 하고 수수료 및 다른 비용이 실적에 미치는 영향에 대해서도 공시해야 함. □ (공시규제:
+    담보 등 안전장치) 동등 계층간 통신망(P2P) 업체는 ‘보증(guaranteed)’, ‘보호(protected)’, ‘안전(secure)’하다는
+    문구를 사용할 경우 공정하고, 명확하며, 오해의 소지가 없게 공시하도록 함. ○ 업체는 소비자가 명확하게 이해할 수 있도록 정보를 제공해야
+    하고, 이러한 장치에 한계가 있다면 이를 설명해야 함.'
+  - 한국항로표지기술원(원장 박계각) 국립등대박물관은 코로나19로 위축된 국민의 문화향유 증진을 위해 등대 만들기 키트와 컬러링 북으로 구성된 교구재
+    드림 이벤트를 진행중이라고 12일 밝혔다. 이번 이벤트는 집콕 생활의 답답함과 무료함을 느끼는 아이들을 대상으로 봄 꽃 같은 설렘을 느낄 수
+    있도록 준비했으며, 등대박물관에서 운영 중인 등대스탬프 투어 커뮤니티 ‘안녕, 등대’(cafe.naver.com/lighthousetour)에서
+    참여가 가능하다. 누구나 참여할 수 있으며 ‘안녕, 등대’ 커뮤니티에 ‘등대와 아이가 함께 나온 사진’을 이벤트 게시판에 올리고 참여댓글을
+    달면 된다. 선착순 100세트 한정으로 진행되는 이번 이벤트는 사진에 나온 아이의 수만큼 교구재 꾸러미가 지급되며 상품 소진 시까지 진행된다.
+    국립등대박물관 관계자는 ‘코로나19로 지친 아이들에게 교구재 꾸러미를 통해 즐거움과 재미를 느낄 수 있는 기회가 되길 바란다’고 말했다.
+  - '□ (공시규제: 기본원칙) 공시규제의 핵심은 동등 계층간 통신망(P2P) 업체로부터의 모든 정보는 공정하고(fair), 명확하며(clear),
+    오해의 소지가 없도록(notmisleading) 공시되어야 한다는 것임. (PRIN 7, COBS 4.2.1R(1))
+
+    ○ 이를 통해 소비자에게 제공되는 모든 정보는 정확하고 소비자의 니즈에 충분히 부합하는 정보가 제공되어야 함. ○ 실제 금융감독청(FCA)에서
+    시장조사를 한 바에 따르면 여러 플랫폼들이 리스크에 대한 경고는 줄이고 수익만을 강조하거나, 오해의 소지가 있거나 비현실적으로 낙관적인 인상을
+    주는 정보를 제공하거나, 중요한 정보를 경시하는 경향이 있었음. ○ 예를 들면, 웹사이트 배너(banner)에 있는 수익률은 수수료 등 비용,
+    부도율, 세금 등의 영향에 대한 설명 없이 제공되었고, 상품과 연관된 리스크에 대한 정보는 찾기 어려운 곳에 배치하는 등의 문제가 발견되었음.
+    ○ 또한 예금이자율과 비교하여 마치 투자자가 예금자로 오판할 수 있도록 하는 경우도 있었음. □ (공시규제: P2P 플랫폼 정보) P2P 플랫폼에
+    대한 기본 정보를 투자자에게 제공하도록 함. ○ 플랫폼의 세부 연락처, 인가(full authorisation) 증서, 투자자에게 제공되는
+    실적리포트의 세부사항, 플랫폼의 이해상충 관련 내부정책(policy), 비용 및 수수료에 관한 정보, 고객 자금 보호장치에 관한 세부 내용
+    등이 제공되어야 함. ○ 또한 플랫폼과 투자자간 핵심적인 권리와 의무를 규정한 계약서가 거래가 발생하기 전 적정한 시간 내에 제공되어야 함.'
+- source_sentence: 어떤 전공을 하는 의료인이 강원대병원 소속이면서 일주일에 한 번 화천군에 파견돼?
+  sentences:
+  - 국회 국토교통위원회 소속 김은혜 국민의힘 의원이 청년에 대한 주택담보비율(LTV) 완화를 촉구했다. 김 의원은 13일 페이스북에 글을 올려
+    “민주당이 발표한 ‘누구나 집 프로젝트’를 봤다. 격려를 해주고 싶지만, 의문점이 가시지 않는다”며 “결론적으로는 집을 살 수 있게 해주는
+    정책이 아니라 사는 걸 불가능하게 만드는 정책”이라고 지적했다. 그는 “10년 살고 내 집 마련 하는 정책이 지금까지 없지 않았다. 근데 10년
+    공공임대 주민들은 왜 힘들어했을까”라며 “정부는 정부대로 ‘내 집 마련’ 홍보하면서 주민들에겐 정교한 설계 없는 분양가 혹은 감정평가액이라는
+    자의적인 기준에 혹사당하게 했기 때문”이라고 말했다. 이어 “시장경제 200년 역사상 공짜 점심은 없다”며 만일 주택 가격이 오르면 입주자들이
+    원리금 부담 때문에, 떨어지면 사업자가 입주자들의 분양 포기로 피해를 �� 것이라고 주장했다. 김 의원은 “현재의 부동산 규제, 옥죄는 대출을
+    보면 현금 부자에게만 집을 살 수 있도록 하고 있다”며 “집을 사고 싶다는데 정부가 팔 걷고 나서 ‘대출 안 된다’ 개입하고 40~60% 선
+    긋는 나라, 찾기 어렵다”고 비판했다. 그러면서 “문재인 정부 분들은 진작 빚내서 집 사놓고선 청년들에겐 월급은커녕 대출로도 집값을 충당할
+    수 없도록 자산 양극화의 수렁에 내몰고 있다”며 “갚을 능력이 있는 청년의 생애 최초 집 마련에 LTV를 90% 이상 풀어주는 각오 없이 절망의
+    고리를 끊을 수 없다”고 강조했다. 아울러 “대출의 상환 기간 또한 30년 이상으로 늘려 주택 구입 부담을 줄일 방법을 논의해 달라”고 촉구했다.
+  - 속보=강원도내 예방접종센터가 2차 접종과 6개 시·군에서의 추가 신규 개소를 앞두고 인력난에 비상이 걸렸다. 20일 오전 찾은 춘천시 예방접종센터,
+    최근 80대 고령자가 하루 사이 주사를 두 번 맞은 사고(본보 지난 19일자 1면 보도)가 일어난 뒤 근로자를 임시 채용하고 필수 확인 장소에
+    보건소 직원을 배치하는 등 안전한 접종을 위해 안간힘을 쓰고 있는 모습을 보였다. 그러나 여전히 인력이 충분치 않아 자원봉사자와 예방접종 외
+    업무를 맡고 있는 공무원들이 자발적으로 안내를 맡지 않으면 원활한 진행이 어려운 상황이었다. 더욱이 춘천뿐 아니라 원주, 강릉, 삼척시가 22일부터
+    시작되는 화이자 백신 2차 접종을 앞두고 어려움을 겪고 있다. 원주는 공무원뿐 아니라 자원봉사자에 지역 군부대 인력까지 동원해야 하는 상황이다.
+    강릉은 시청에서 근무하는 행정직 공무원을 하루 13명씩 차출하고, 자원봉사자를 모집하는 등 인력 마련을 서두르고 있지만 한번에 많은 인원이
+    들이닥칠 경우 안전한 접종이 가능할지는 미지수다. 접종을 아직 시작하지 않은 군단위 지역은 상황이 더욱 심각하다. 특히 최근 코로나19 환자가
+    급증하면서 역학조사, 환자 관리, 예방접종 업무가 모두 가중돼 보건소의 인력난은 세 배가 됐다. 양구군은 29일부터 시작되는 예방접종에 보건소
+    전 직원을 총동원하겠다는 방침이지만 당장 코로나19 환자가 발생할 경우 인력 공백이 발생할 수밖에 없다. 지난 16일부터 접종을 시작한 인제군도
+    군청 직원 등 분야를 가리지 않고 공공기관 근로자들이 예방접종 업무에 투입되고 있는 실정이다. 강원도는 안전한 예방접종을 위해 예산 지원을
+    지속적으로 요청하고, 일선 시·군 인력난 해소에 적극 나서기로 했다. 도 관계자는 “인력 지원을 위해 2억5,000만원의 예산을 최근 확보했다”며
+    “지원을 신청한 시·군에 우선 분배하고 지속적으로 수요를 파악할 계획”이라고 말했다.
+  - 【화천】화천군보건의료원의 산부인과 진료에 차질이 우려된다. 군보건의료원은 그간 산부인과 진료를 하던 공중보건의가 15일 소집해제되지만 후임
+    공중보건의를 확보하지 못해 당분간 임시진료체제로 운영하기로 했다. 우선 강원대병원 산부인과 교수를 초빙해 20일부터 5월 말까지 주 1회,
+    매주 화요일에만 임시진료를 실시하기로 하면서 지역 임산부들의 불편이 예상되고 있다. 의료원은 그간 공중보건의를 배치받아 산부인과를 운영했으나
+    올해는 산부인과 공중보건의를 확보받지 못해 현재 산부인과 전문의 채용 공고를 게시한 상태다. 그러나 연봉 2억원대를 제시해도 농촌지역 근무를
+    선호하는 전문의가 많지 않아 채용공고 기간 지원자가 있을지는 장담하지 못하고 있다. 또 힘들게 전문의를 채용하더라도 인건비에 대한 국비 지원이
+    없고 도비(30%)와 군비(70%)로만 부담해야 하는 어려움도 안고 있다. 지역에서는 농촌에서 공중보건의의 비중이 큰 만큼 이들이 떠난 빈자리를
+    채우는 대책을 정부 차원에서 마련, 의료공백이 발생하지 않도록 조치해야 한다는 지적이 나오고 있다. 특히 공중보건의 수급이 불분명한데도 정부
+    지원이 없어 농촌 주민들만 불이익을 받고 의료 사각지대에 내몰리고 있다는 불만이 커지고 있다. 이재성 화천군보건의료원장은 “농촌의 빈약한 의료환경은
+    주민들의 이탈 또는 출산율 저하와 무관하지 않은 만큼 정부차원에서 의료복지행정의 폭을 확대해야 한다”고 말했다.
+- source_sentence: 어떤 사람의 연금 수령액을 증가시키면 연금재정이 어려워져?
+  sentences:
+  - '특허청장, 이차전지 조립장비 강소기업 현장방문
+
+    □ 특허청은 2006년부터 모태펀드 특허계정에 출자하여 벤처캐피탈이 우수한 특허를 보유한 기업을 발굴하여 투자할 수 있도록 지원하는 역할을
+    수행하고 있다. * 특허청(출자) → 모태펀드(출자) → 벤처캐피탈(투자) → 우수특허 중소·벤처기업
+
+    ** 예산 1,900억원 출자, 47개 子조합 결성(총 결성액 1조 1,165억원), 총 668개 기업에 9,878억원 투자(2019.6월
+    누계)
+
+    ㅇ 투자자인 대덕인베스트먼트㈜는 2013년 모태펀드(특허계정)에서 60억원을 출자받아 펀드를 결성하였고, ㈜엠플러스가 보유한 우수한 특허를
+    높이 평가하여 2016년 20억원을 투자한 후 코스닥 상장을 통해 회수에 성공했다. □ 박원주 특허청장은 “부품·소재·장비 분야에서 일본 등
+    선도국의 기술을 대체하고 신기술을 개발하여 특허로 보호받을 수 있는 강소 기업이 지속적으로 나와야 한다.”면서 “앞으로도 엠플러스와 같은 소재·부품·장비
+    기업들이 특허를 바탕으로 자금을 조달하여 성장할 수 있도록 지식재산 금융 지원을 계속해서 확대해 나가겠다.”
+
+    고 밝혔다.'
+  - 한편, 제19대국회에서는 소득대체율을 높이지 않는 대신, 연금급여산식의 기준이 되는 기준소득월액의 상ㆍ하한액을 인상함으로써 가입자 전체의 소득평균을
+    높여 보험급여를 인상하는 방안도 논의되었다. 이 방안은 소득재분배 부문에 해당하는 국민연금의 A값을 상향하여 소득재분배 기능을 강화하는 장점을
+    가진 반면, 보험료가 인상되는 저소득층 가입자와 영세사업장, 그리고 고소득 사업장가입자와 사업장의 연금보험료 부담이 증가하기 때문에, 경제
+    및 산업계의 반발로 이어질 가능성도 있다. 또한 고소득 가입자들의 연급수급액의 증가는 시간의 경과에 따라 연금재정에 추가적인 부담을 주게 된다는
+    것이다.
+  - 다. 재정<br>□ 저출산·고령화의 진전으로 세원이 되는 생산가능인구의 비중은 줄어들고, 연금급여 및 의료비 지출 등은 늘어남에 따라 재정수지
+    부담은 가중될 전망<br>― 출산율이 하락하면 전체 인구 중 생산가능인구의 비율이 감소하고 따라서 세수 감소로 이어질 가능성<br>― 반면,
+    고령화로 인해 연금수급자가 증가하면 연금 및 의료비 등의 재정지출 확대로 이어질 가능성<br>― 국민연금 가입자 중 노령연금 수급율은 인구감소
+    및 은퇴자 증가에 따라 2010년 13.3%, 2030년 41.9%, 2050년 88.5%로 급증할 전망<br>□ IMF에 따르면 GDP 대비
+    재정수지는 생산가능인구비율 1% 증가 시 0.06%p 개선되는 반면, 노인인구 1% 증가시 0.46%p 악화<br>― 또한, OECD는 고령화로
+    인해 노인관련 재정지출이 급증해 주요국의 2050년 재정수지가 적자를 기록할 것으로 전망
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+---
+
+# SentenceTransformer based on BAAI/bge-m3
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [BAAI/bge-m3](https://huggingface.co/BAAI/bge-m3). It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
+
+## Model Details
+
+### Model Description
+- **Model Type:** Sentence Transformer
+- **Base model:** [BAAI/bge-m3](https://huggingface.co/BAAI/bge-m3) <!-- at revision 5617a9f61b028005a4858fdac845db406aefb181 -->
+- **Maximum Sequence Length:** 1536 tokens
+- **Output Dimensionality:** 1024 tokens
+- **Similarity Function:** Cosine Similarity
+<!-- - **Training Dataset:** Unknown -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
+- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
+
+### Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'max_seq_length': 1536, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
+  (1): Pooling({'word_embedding_dimension': 1024, '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("seongil-dn/bge-m3-mrl-264")
+# Run inference
+sentences = [
+    '어떤 사람의 연금 수령액을 증가시키면 연금재정이 어려워져?',
+    '한편, 제19대국회에서는 소득대체율을 높이지 않는 대신, 연금급여산식의 기준이 되는 기준소득월액의 상ㆍ하한액을 인상함으로써 가입자 전체의 소득평균을 높여 보험급여를 인상하는 방안도 논의되었다. 이 방안은 소득재분배 부문에 해당하는 국민연금의 A값을 상향하여 소득재분배 기능을 강화하는 장점을 가진 반면, 보험료가 인상되는 저소득층 가입자와 영세사업장, 그리고 고소득 사업장가입자와 사업장의 연금보험료 부담이 증가하기 때문에, 경제 및 산업계의 반발로 이어질 가능성도 있다. 또한 고소득 가입자들의 연급수급액의 증가는 시간의 경과에 따라 연금재정에 추가적인 부담을 주게 된다는 것이다.',
+    '다. 재정<br>□ 저출산·고령화의 진전으로 세원이 되는 생산가능인구의 비중은 줄어들고, 연금급여 및 의료비 지출 등은 늘어남에 따라 재정수지 부담은 가중될 전망<br>― 출산율이 하락하면 전체 인구 중 생산가능인구의 비율이 감소하고 따라서 세수 감소로 이어질 가능성<br>― 반면, 고령화로 인해 연금수급자가 증가하면 연금 및 의료비 등의 재정지출 확대로 이어질 가능성<br>― 국민연금 가입자 중 노령연금 수급율은 인구감소 및 은퇴자 증가에 따라 2010년 13.3%, 2030년 41.9%, 2050년 88.5%로 급증할 전망<br>□ IMF에 따르면 GDP 대비 재정수지는 생산가능인구비율 1% 증가 시 0.06%p 개선되는 반면, 노인인구 1% 증가시 0.46%p 악화<br>― 또한, OECD는 고령화로 인해 노인관련 재정지출이 급증해 주요국의 2050년 재정수지가 적자를 기록할 것으로 전망',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 1024]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities.shape)
+# [3, 3]
+```
+
+<!--
+### Direct Usage (Transformers)
+
+<details><summary>Click to see the direct usage in Transformers</summary>
+
+</details>
+-->
+
+<!--
+### Downstream Usage (Sentence Transformers)
+
+You can finetune this model on your own dataset.
+
+<details><summary>Click to expand</summary>
+
+</details>
+-->
+
+<!--
+### Out-of-Scope Use
+
+*List how the model may foreseeably be misused and address what users ought not to do with the model.*
+-->
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
+-->
+
+## Training Details
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `per_device_train_batch_size`: 32
+- `gradient_accumulation_steps`: 32
+- `learning_rate`: 3e-05
+- `weight_decay`: 0.01
+- `warmup_ratio`: 0.05
+- `fp16`: True
+- `gradient_checkpointing`: True
+- `gradient_checkpointing_kwargs`: {'use_reentrant': False}
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: no
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 32
+- `per_device_eval_batch_size`: 8
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 32
+- `eval_accumulation_steps`: None
+- `torch_empty_cache_steps`: None
+- `learning_rate`: 3e-05
+- `weight_decay`: 0.01
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `max_grad_norm`: 1.0
+- `num_train_epochs`: 3
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.05
+- `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`: False
+- `hub_always_push`: False
+- `gradient_checkpointing`: True
+- `gradient_checkpointing_kwargs`: {'use_reentrant': False}
+- `include_inputs_for_metrics`: False
+- `eval_do_concat_batches`: True
+- `fp16_backend`: auto
+- `push_to_hub_model_id`: None
+- `push_to_hub_organization`: None
+- `mp_parameters`: 
+- `auto_find_batch_size`: False
+- `full_determinism`: False
+- `torchdynamo`: None
+- `ray_scope`: last
+- `ddp_timeout`: 1800
+- `torch_compile`: False
+- `torch_compile_backend`: None
+- `torch_compile_mode`: None
+- `dispatch_batches`: None
+- `split_batches`: None
+- `include_tokens_per_second`: False
+- `include_num_input_tokens_seen`: False
+- `neftune_noise_alpha`: None
+- `optim_target_modules`: None
+- `batch_eval_metrics`: False
+- `eval_on_start`: False
+- `eval_use_gather_object`: False
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+<details><summary>Click to expand</summary>
+
+| Epoch  | Step | Training Loss |
+|:------:|:----:|:-------------:|
+| 0.0091 | 1    | 15.81         |
+| 0.0181 | 2    | 15.9499       |
+| 0.0272 | 3    | 15.3393       |
+| 0.0363 | 4    | 15.4563       |
+| 0.0453 | 5    | 15.5322       |
+| 0.0544 | 6    | 16.0348       |
+| 0.0635 | 7    | 15.3445       |
+| 0.0725 | 8    | 15.7129       |
+| 0.0816 | 9    | 14.4393       |
+| 0.0907 | 10   | 13.4846       |
+| 0.0997 | 11   | 12.5233       |
+| 0.1088 | 12   | 12.1728       |
+| 0.1178 | 13   | 11.9232       |
+| 0.1269 | 14   | 11.5308       |
+| 0.1360 | 15   | 10.7525       |
+| 0.1450 | 16   | 10.393        |
+| 0.1541 | 17   | 9.7346        |
+| 0.1632 | 18   | 9.4875        |
+| 0.1722 | 19   | 9.2608        |
+| 0.1813 | 20   | 8.7966        |
+| 0.1904 | 21   | 8.5579        |
+| 0.1994 | 22   | 8.4993        |
+| 0.2085 | 23   | 8.1505        |
+| 0.2176 | 24   | 8.5027        |
+| 0.2266 | 25   | 7.9795        |
+| 0.2357 | 26   | 7.5782        |
+| 0.2448 | 27   | 7.68          |
+| 0.2538 | 28   | 7.539         |
+| 0.2629 | 29   | 7.5871        |
+| 0.2720 | 30   | 7.2676        |
+| 0.2810 | 31   | 6.9613        |
+| 0.2901 | 32   | 6.89          |
+| 0.2992 | 33   | 6.7585        |
+| 0.3082 | 34   | 6.7286        |
+| 0.3173 | 35   | 6.754         |
+| 0.3263 | 36   | 6.7466        |
+| 0.3354 | 37   | 6.6096        |
+| 0.3445 | 38   | 6.5864        |
+| 0.3535 | 39   | 6.5235        |
+| 0.3626 | 40   | 6.5429        |
+| 0.3717 | 41   | 6.4971        |
+| 0.3807 | 42   | 6.4463        |
+| 0.3898 | 43   | 6.332         |
+| 0.3989 | 44   | 6.1275        |
+| 0.4079 | 45   | 6.2551        |
+| 0.4170 | 46   | 6.1372        |
+| 0.4261 | 47   | 6.1075        |
+| 0.4351 | 48   | 6.1408        |
+| 0.4442 | 49   | 6.062         |
+| 0.4533 | 50   | 5.9831        |
+| 0.4623 | 51   | 5.9956        |
+| 0.4714 | 52   | 5.8332        |
+| 0.4805 | 53   | 5.7447        |
+| 0.4895 | 54   | 5.9531        |
+| 0.4986 | 55   | 5.911         |
+| 0.5076 | 56   | 5.8576        |
+| 0.5167 | 57   | 5.8116        |
+| 0.5258 | 58   | 5.6564        |
+| 0.5348 | 59   | 5.7289        |
+| 0.5439 | 60   | 5.7514        |
+| 0.5530 | 61   | 5.5991        |
+| 0.5620 | 62   | 5.553         |
+| 0.5711 | 63   | 5.4728        |
+| 0.5802 | 64   | 5.6212        |
+| 0.5892 | 65   | 5.6554        |
+| 0.5983 | 66   | 5.4389        |
+| 0.6074 | 67   | 5.3669        |
+| 0.6164 | 68   | 5.5667        |
+| 0.6255 | 69   | 5.4106        |
+| 0.6346 | 70   | 5.3122        |
+| 0.6436 | 71   | 5.4145        |
+| 0.6527 | 72   | 5.3794        |
+| 0.6618 | 73   | 5.269         |
+| 0.6708 | 74   | 5.3583        |
+| 0.6799 | 75   | 5.311         |
+| 0.6890 | 76   | 5.2061        |
+| 0.6980 | 77   | 5.133         |
+| 0.7071 | 78   | 5.4036        |
+| 0.7161 | 79   | 5.2761        |
+| 0.7252 | 80   | 5.0696        |
+| 0.7343 | 81   | 5.3648        |
+| 0.7433 | 82   | 5.0591        |
+| 0.7524 | 83   | 5.074         |
+| 0.7615 | 84   | 5.1789        |
+| 0.7705 | 85   | 5.0147        |
+| 0.7796 | 86   | 5.251         |
+| 0.7887 | 87   | 5.1282        |
+| 0.7977 | 88   | 5.1111        |
+| 0.8068 | 89   | 5.2096        |
+| 0.8159 | 90   | 5.0734        |
+| 0.8249 | 91   | 4.9202        |
+| 0.8340 | 92   | 5.0058        |
+| 0.8431 | 93   | 5.0928        |
+| 0.8521 | 94   | 4.9845        |
+| 0.8612 | 95   | 5.0683        |
+| 0.8703 | 96   | 5.0267        |
+| 0.8793 | 97   | 5.0821        |
+| 0.8884 | 98   | 4.8806        |
+| 0.8975 | 99   | 5.0043        |
+| 0.9065 | 100  | 4.888         |
+| 0.9156 | 101  | 5.0629        |
+| 0.9246 | 102  | 5.0454        |
+| 0.9337 | 103  | 4.9619        |
+| 0.9428 | 104  | 4.9217        |
+| 0.9518 | 105  | 4.7401        |
+| 0.9609 | 106  | 4.8068        |
+| 0.9700 | 107  | 4.8151        |
+| 0.9790 | 108  | 4.8689        |
+| 0.9881 | 109  | 5.0193        |
+| 0.9972 | 110  | 4.706         |
+| 1.0062 | 111  | 4.8057        |
+| 1.0153 | 112  | 4.7279        |
+| 1.0244 | 113  | 4.7721        |
+| 1.0334 | 114  | 4.7767        |
+| 1.0425 | 115  | 4.669         |
+| 1.0516 | 116  | 4.8533        |
+| 1.0606 | 117  | 4.8634        |
+| 1.0697 | 118  | 4.9135        |
+| 1.0788 | 119  | 4.7629        |
+| 1.0878 | 120  | 4.7479        |
+| 1.0969 | 121  | 4.743         |
+| 1.1059 | 122  | 4.5606        |
+| 1.1150 | 123  | 4.6933        |
+| 1.1241 | 124  | 4.6659        |
+| 1.1331 | 125  | 4.7131        |
+| 1.1422 | 126  | 4.7059        |
+| 1.1513 | 127  | 4.5701        |
+| 1.1603 | 128  | 4.4892        |
+| 1.1694 | 129  | 4.6497        |
+| 1.1785 | 130  | 4.4814        |
+| 1.1875 | 131  | 4.2669        |
+| 1.1966 | 132  | 4.4983        |
+| 1.2057 | 133  | 4.431         |
+| 1.2147 | 134  | 4.414         |
+| 1.2238 | 135  | 4.3975        |
+| 1.2329 | 136  | 4.3101        |
+| 1.2419 | 137  | 4.3422        |
+| 1.2510 | 138  | 4.476         |
+| 1.2601 | 139  | 4.6629        |
+| 1.2691 | 140  | 4.3559        |
+| 1.2782 | 141  | 4.2049        |
+| 1.2873 | 142  | 4.303         |
+| 1.2963 | 143  | 4.3053        |
+| 1.3054 | 144  | 4.2366        |
+| 1.3144 | 145  | 4.5165        |
+| 1.3235 | 146  | 4.2634        |
+| 1.3326 | 147  | 4.4295        |
+| 1.3416 | 148  | 4.2595        |
+| 1.3507 | 149  | 4.3753        |
+| 1.3598 | 150  | 4.3454        |
+| 1.3688 | 151  | 4.2618        |
+| 1.3779 | 152  | 4.4016        |
+| 1.3870 | 153  | 4.2672        |
+| 1.3960 | 154  | 4.1824        |
+| 1.4051 | 155  | 4.3268        |
+| 1.4142 | 156  | 4.091         |
+| 1.4232 | 157  | 4.3111        |
+| 1.4323 | 158  | 4.2397        |
+| 1.4414 | 159  | 4.1694        |
+| 1.4504 | 160  | 4.2119        |
+| 1.4595 | 161  | 4.1292        |
+| 1.4686 | 162  | 4.1154        |
+| 1.4776 | 163  | 4.1638        |
+| 1.4867 | 164  | 4.3548        |
+| 1.4958 | 165  | 4.2137        |
+| 1.5048 | 166  | 4.1888        |
+| 1.5139 | 167  | 4.2609        |
+| 1.5229 | 168  | 4.2644        |
+| 1.5320 | 169  | 4.2183        |
+| 1.5411 | 170  | 4.2414        |
+| 1.5501 | 171  | 4.242         |
+| 1.5592 | 172  | 4.0547        |
+| 1.5683 | 173  | 4.1509        |
+| 1.5773 | 174  | 4.247         |
+| 1.5864 | 175  | 4.3103        |
+| 1.5955 | 176  | 4.0845        |
+| 1.6045 | 177  | 4.0918        |
+| 1.6136 | 178  | 4.1582        |
+| 1.6227 | 179  | 4.2982        |
+| 1.6317 | 180  | 4.0515        |
+| 1.6408 | 181  | 4.0738        |
+| 1.6499 | 182  | 4.2416        |
+| 1.6589 | 183  | 4.1212        |
+| 1.6680 | 184  | 4.174         |
+| 1.6771 | 185  | 4.1369        |
+| 1.6861 | 186  | 3.9908        |
+| 1.6952 | 187  | 4.1155        |
+| 1.7042 | 188  | 3.9893        |
+| 1.7133 | 189  | 4.2362        |
+| 1.7224 | 190  | 4.074         |
+| 1.7314 | 191  | 4.0604        |
+| 1.7405 | 192  | 4.0065        |
+| 1.7496 | 193  | 4.0041        |
+| 1.7586 | 194  | 4.0428        |
+| 1.7677 | 195  | 4.0094        |
+| 1.7768 | 196  | 3.962         |
+| 1.7858 | 197  | 4.1932        |
+| 1.7949 | 198  | 4.133         |
+| 1.8040 | 199  | 4.1344        |
+| 1.8130 | 200  | 4.1004        |
+| 1.8221 | 201  | 4.0633        |
+| 1.8312 | 202  | 4.0545        |
+| 1.8402 | 203  | 4.0434        |
+| 1.8493 | 204  | 4.0576        |
+| 1.8584 | 205  | 4.0892        |
+| 1.8674 | 206  | 4.1945        |
+| 1.8765 | 207  | 4.0809        |
+| 1.8856 | 208  | 4.0655        |
+| 1.8946 | 209  | 4.155         |
+| 1.9037 | 210  | 4.0801        |
+| 1.9127 | 211  | 4.0837        |
+| 1.9218 | 212  | 4.1487        |
+| 1.9309 | 213  | 4.0574        |
+| 1.9399 | 214  | 4.0952        |
+| 1.9490 | 215  | 4.0414        |
+| 1.9581 | 216  | 3.9645        |
+| 1.9671 | 217  | 4.0327        |
+| 1.9762 | 218  | 3.9183        |
+| 1.9853 | 219  | 4.1204        |
+| 1.9943 | 220  | 4.0043        |
+| 2.0034 | 221  | 3.904         |
+| 2.0125 | 222  | 4.0489        |
+| 2.0215 | 223  | 4.0316        |
+| 2.0306 | 224  | 3.9649        |
+| 2.0397 | 225  | 3.891         |
+| 2.0487 | 226  | 4.0352        |
+| 2.0578 | 227  | 4.1811        |
+| 2.0669 | 228  | 4.1212        |
+| 2.0759 | 229  | 4.2356        |
+| 2.0850 | 230  | 4.1295        |
+| 2.0941 | 231  | 4.0231        |
+| 2.1031 | 232  | 3.914         |
+| 2.1122 | 233  | 3.916         |
+| 2.1212 | 234  | 3.8657        |
+| 2.1303 | 235  | 4.0986        |
+| 2.1394 | 236  | 3.9774        |
+| 2.1484 | 237  | 3.9112        |
+| 2.1575 | 238  | 3.8232        |
+| 2.1666 | 239  | 3.85          |
+| 2.1756 | 240  | 3.8874        |
+| 2.1847 | 241  | 3.6777        |
+| 2.1938 | 242  | 3.7898        |
+| 2.2028 | 243  | 3.8527        |
+| 2.2119 | 244  | 3.7038        |
+| 2.2210 | 245  | 3.9404        |
+| 2.2300 | 246  | 3.7468        |
+| 2.2391 | 247  | 3.7905        |
+| 2.2482 | 248  | 3.8356        |
+| 2.2572 | 249  | 3.9682        |
+| 2.2663 | 250  | 3.9372        |
+| 2.2754 | 251  | 3.7579        |
+| 2.2844 | 252  | 3.6927        |
+| 2.2935 | 253  | 3.7372        |
+| 2.3025 | 254  | 3.6125        |
+| 2.3116 | 255  | 4.0475        |
+| 2.3207 | 256  | 3.7422        |
+| 2.3297 | 257  | 3.8646        |
+| 2.3388 | 258  | 3.6637        |
+| 2.3479 | 259  | 3.8496        |
+| 2.3569 | 260  | 3.753         |
+| 2.3660 | 261  | 3.7632        |
+| 2.3751 | 262  | 3.7097        |
+| 2.3841 | 263  | 3.8584        |
+| 2.3932 | 264  | 3.6547        |
+
+</details>
+
+### Framework Versions
+- Python: 3.10.12
+- Sentence Transformers: 3.2.1
+- Transformers: 4.44.2
+- PyTorch: 2.3.1+cu121
+- Accelerate: 1.1.1
+- Datasets: 2.21.0
+- Tokenizers: 0.19.1
+
+## Citation
+
+### BibTeX
+
+#### Sentence Transformers
+```bibtex
+@inproceedings{reimers-2019-sentence-bert,
+    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
+    author = "Reimers, Nils and Gurevych, Iryna",
+    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
+    month = "11",
+    year = "2019",
+    publisher = "Association for Computational Linguistics",
+    url = "https://arxiv.org/abs/1908.10084",
+}
+```
+
+#### 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 +1,28 @@
+{
+  "_name_or_path": "/root/models/checkpoint-264",
+  "architectures": [
+    "XLMRobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 1024,
+  "initializer_range": 0.02,
+  "intermediate_size": 4096,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 8194,
+  "model_type": "xlm-roberta",
+  "num_attention_heads": 16,
+  "num_hidden_layers": 24,
+  "output_past": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.44.2",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.2.1",
+    "transformers": "4.44.2",
+    "pytorch": "2.3.1+cu121"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:4ef54b1b696657aa5d49631e624a3ab2d88d46fbca3edae1c74662bb939e95a1
+size 2271064456

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": 1536,
+  "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:cf472ad575b8fd5ebdebd9ecbe1e7e34d82926ae85a2fc543e04569a1dbc5cce
+size 17083053

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>",
+  "mask_token": "<mask>",
+  "max_length": 1536,
+  "model_max_length": 1536,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "sp_model_kwargs": {},
+  "stride": 0,
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}