Add new SentenceTransformer model

1_Pooling/config.json

@@ -0,0 +1,5 @@
+{
+    "embedding_dimension": 384,
+    "pooling_mode": "mean",
+    "include_prompt": true
+}

README.md

@@ -0,0 +1,377 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:20000
+- loss:TripletLoss
+base_model: sentence-transformers/all-MiniLM-L6-v2
+widget:
+- source_sentence: С 19 декабря 2014 по 16 марта 2016 года являлся заместителем акима
+    г. Астана.
+  sentences:
+  - Прохладные места ему нравятся, почвы слабо кислые или нейтральные, не очень требователен
+    к почвам.
+  - Являлся заместителем акима г. Астана с 19 декабря 2014 по 16 марта 2016 года.
+  - Никогда не был заместителем акима г. Астана.
+- source_sentence: Вновь игроку предстоит управлять действиями сверхчеловека, Коула
+    МакГрата, получившего способность управлять электричеством при взрыве «лучевой
+    сферы».
+  sentences:
+  - Широкие у талии штаны и рубашка европейского покроя - это классическая мужская
+    одежда.
+  - Игрок больше не сможет управлять действиями сверхчеловека, Коула МакГрата, который
+    потерял способность управлять электричеством после взрыва «лучевой сферы».
+  - Игроку снова придется управлять поступками сверхчеловека, Коула МакГрата, который
+    получил способность манипулировать электричеством после взрыва «лучевой сферы».
+- source_sentence: Дире́ктор (от  — от "di" и "regere" — «управлять», мн. ч. — директора́;
+    устар. жен. — директриса) — управляющий, руководитель, начальник компании, предприятия
+    или учебного заведения.
+  sentences:
+  - В возрасте трёх лет, Муад’Диб в битве за власть над Арракисом, убил барона Владимира
+    Харконнена гом джаббаром Атрейдесов.
+  - Работник (от  — от "di" и "regere" — «управлять», мн. ч. — работники; устар. жен.
+    — работница) — подчинённый, исполнитель, служащий компании, предприятия или учебного
+    заведения.
+  - Управляющий (от  — от "di" и "regere" — «управлять», мн. ч. — управляющие; устар.
+    жен. — управляющая) — директор, руководитель, начальник компании, предприятия
+    или учебного заведения.
+- source_sentence: Чтобы хоть как-то обезопасить себя, гитлеровцы посадили за руль
+    автомашин советских военнопленных.
+  sentences:
+  - Генеральный директор Национального медико-хирургического центра имени Н. И. Пирогова
+    с 2006 года и по сегодняшний день.
+  - Гитлеровцы посадили за руль автомашин советских военнопленных, чтобы обезопасить
+    себя хоть как-то.
+  - Гитлеровцы не обезопасили себя, посадив за руль автомашин советских военнопленных.
+- source_sentence: 'Данные по статусу эксплуатации и распределению составов по номерам
+    по состоянию на июль 2018 года приведены в таблице: Первые два электропоезда ЭШ2
+    в конце 2014 года поступили в депо имени Ильича и вскоре были отправлены для проведения
+    опытных поездок на кольцо ВНИИЖТа в Щербинке.'
+  sentences:
+  - У истока ручья Ольшанец, впадающего в реку Залегощь, находится в 12 км от райцентра
+    Залегощи.
+  - 'Данные по статусу эксплуатации и распределению составов по номерам по состоянию
+    на июль 2018 года не указаны в таблице: Первые два электропоезда ЭШ2 в конце 2014
+    года не были отправлены в депо имени Ильича и не сов��ршали опытных поездок на
+    кольцо ВНИИЖТа в Щербинке.'
+  - 'В таблице представлены данные о состоянии эксплуатации и распределении составов
+    по номерам на июль 2018 года: Первые два поезда ЭШ2 были доставлены в депо имени
+    Ильича в конце 2014 года и затем отправлены на кольцо ВНИИЖТа в Щербинке для проведения
+    тестовых поездок.'
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+---
+
+# SentenceTransformer based on sentence-transformers/all-MiniLM-L6-v2
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/all-MiniLM-L6-v2](https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2). It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for retrieval.
+
+## Model Details
+
+### Model Description
+- **Model Type:** Sentence Transformer
+- **Base model:** [sentence-transformers/all-MiniLM-L6-v2](https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2) <!-- at revision 1110a243fdf4706b3f48f1d95db1a4f5529b4d41 -->
+- **Maximum Sequence Length:** 256 tokens
+- **Output Dimensionality:** 384 dimensions
+- **Similarity Function:** Cosine Similarity
+- **Supported Modality:** Text
+<!-- - **Training Dataset:** Unknown -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/huggingface/sentence-transformers)
+- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
+
+### Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'BertModel'})
+  (1): Pooling({'embedding_dimension': 384, 'pooling_mode': 'mean', '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("AtesiT/all-MiniLM-L6-v2-ru-adapted")
+# Run inference
+sentences = [
+    'Данные по статусу эксплуатации и распределению составов по номерам по состоянию на июль 2018 года приведены в таблице: Первые два электропоезда ЭШ2 в конце 2014 года поступили в депо имени Ильича и вскоре были отправлены для проведения опытных поездок на кольцо ВНИИЖТа в Щербинке.',
+    'В таблице представлены данные о состоянии эксплуатации и распределении составов по номерам на июль 2018 года: Первые два поезда ЭШ2 были доставлены в депо имени Ильича в конце 2014 года и затем отправлены на кольцо ВНИИЖТа в Щербинке для проведения тестовых поездок.',
+    'Данные по статусу эксплуатации и распределению составов по номерам по состоянию на июль 2018 года не указаны в таблице: Первые два электропоезда ЭШ2 в конце 2014 года не были отправлены в депо имени Ильича и не совершали опытных поездок на кольцо ВНИИЖТа в Щербинке.',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 384]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities)
+# tensor([[ 1.0000,  0.8392, -0.2606],
+#         [ 0.8392,  1.0000, -0.3014],
+#         [-0.2606, -0.3014,  1.0000]])
+```
+<!--
+### 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
+
+#### Unnamed Dataset
+
+* Size: 20,000 training samples
+* Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>sentence_2</code>
+* Approximate statistics based on the first 100 samples:
+  |          | sentence_0                                                                           | sentence_1                                                                           | sentence_2                                                                          |
+  |:---------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
+  | type     | string                                                                               | string                                                                               | string                                                                              |
+  | modality | text                                                                                 | text                                                                                 | text                                                                                |
+  | details  | <ul><li>min: 33 tokens</li><li>mean: 113.73 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 30 tokens</li><li>mean: 104.28 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 30 tokens</li><li>mean: 95.88 tokens</li><li>max: 256 tokens</li></ul> |
+* Samples:
+  | sentence_0                                                                                                                                                                                                                                                                                                   | sentence_1                                                                                                                                                                                                                                                                                        | sentence_2                                                                                                                                                                                                                 |
+  |:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>Органы следствия не установили, какое именно подразделение должно нести ответственность за совершенное преступление, обвинение в совершении указанных преступлений никому не предъявлялось.</code>                                                                                                     | <code>Органы следствия не выяснили, какое именно подразделение должно отвечать за совершенное преступление, обвинение в совершении данных преступлений никому не выдвигалось.</code>                                                                                                              | <code>Органы следствия определили, какое подразделение несет ответственность за совершенное преступление, обвинение в совершении указанных преступлений было предъявлено.</code>                                           |
+  | <code>В 1976 году пришла на киностудию «Союзмультфильм», где в период до 1992, в качестве режиссёра, создала свои основные анимационные фильмы, в частности полнометражный мультфильм (70 минут), включающий в себя, многие виды анимационных технологий «Кошка, которая гуляла сама по себе» (1988).</code> | <code>В 1976 году на киностудию «Союзмультфильм» пришла, где в период до 1992 года, как режиссёр, создала свои основные анимационные фильмы, включая полнометражный мультфильм (70 минут), с использованием различных анимационных технологий «Кошка, которая гуляла сама по себе» (1988).</code> | <code>В 1976 году она не пришла на киностудию «Союзмультфильм» и не работала над анимационными фильмами, в том числе не создавала полнометражный мультфильм (70 минут) «Кошка, которая гуляла сама по себе» (1988).</code> |
+  | <code>После выпуска альбома в ряде европейских стран его еженедельные продажи стали суммироваться с продажами альбома "The Fame", в то время как в чартах Америки, Канады и Японии можно встретить оба альбома.</code>                                                                                       | <code>Еженедельные продажи альбома начали суммироваться с продажами альбома "The Fame" после его выпуска в ряде европейских стран.</code>                                                                                                                                                         | <code>Несмотря на выпуск альбома в ряде европейских стран, его продажи не изменились и продолжают оставаться незначительными.</code>                                                                                       |
+* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "TripletDistanceMetric.COSINE",
+      "triplet_margin": 0.5
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `per_device_train_batch_size`: 16
+- `per_device_eval_batch_size`: 16
+- `multi_dataset_batch_sampler`: round_robin
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `per_device_train_batch_size`: 16
+- `num_train_epochs`: 3
+- `max_steps`: -1
+- `learning_rate`: 5e-05
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: None
+- `warmup_steps`: 0
+- `optim`: adamw_torch_fused
+- `optim_args`: None
+- `weight_decay`: 0.0
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `optim_target_modules`: None
+- `gradient_accumulation_steps`: 1
+- `average_tokens_across_devices`: True
+- `max_grad_norm`: 1
+- `label_smoothing_factor`: 0.0
+- `bf16`: False
+- `fp16`: False
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: None
+- `gradient_checkpointing`: False
+- `gradient_checkpointing_kwargs`: None
+- `torch_compile`: False
+- `torch_compile_backend`: None
+- `torch_compile_mode`: None
+- `use_liger_kernel`: False
+- `liger_kernel_config`: None
+- `use_cache`: False
+- `neftune_noise_alpha`: None
+- `torch_empty_cache_steps`: None
+- `auto_find_batch_size`: False
+- `log_on_each_node`: True
+- `logging_nan_inf_filter`: True
+- `include_num_input_tokens_seen`: no
+- `log_level`: passive
+- `log_level_replica`: warning
+- `disable_tqdm`: False
+- `project`: huggingface
+- `trackio_space_id`: None
+- `trackio_bucket_id`: None
+- `trackio_static_space_id`: None
+- `per_device_eval_batch_size`: 16
+- `prediction_loss_only`: True
+- `eval_on_start`: False
+- `eval_do_concat_batches`: True
+- `eval_use_gather_object`: False
+- `eval_accumulation_steps`: None
+- `include_for_metrics`: []
+- `batch_eval_metrics`: False
+- `save_only_model`: False
+- `save_on_each_node`: False
+- `enable_jit_checkpoint`: False
+- `push_to_hub`: False
+- `hub_private_repo`: None
+- `hub_model_id`: None
+- `hub_strategy`: every_save
+- `hub_always_push`: False
+- `hub_revision`: None
+- `load_best_model_at_end`: False
+- `ignore_data_skip`: False
+- `restore_callback_states_from_checkpoint`: False
+- `full_determinism`: False
+- `seed`: 42
+- `data_seed`: None
+- `use_cpu`: False
+- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
+- `parallelism_config`: None
+- `dataloader_drop_last`: False
+- `dataloader_num_workers`: 0
+- `dataloader_pin_memory`: True
+- `dataloader_persistent_workers`: False
+- `dataloader_prefetch_factor`: None
+- `remove_unused_columns`: True
+- `label_names`: None
+- `train_sampling_strategy`: random
+- `length_column_name`: length
+- `ddp_find_unused_parameters`: None
+- `ddp_bucket_cap_mb`: None
+- `ddp_broadcast_buffers`: False
+- `ddp_static_graph`: None
+- `ddp_backend`: None
+- `ddp_timeout`: 1800
+- `fsdp`: None
+- `fsdp_config`: None
+- `deepspeed`: None
+- `debug`: []
+- `skip_memory_metrics`: True
+- `do_predict`: False
+- `resume_from_checkpoint`: None
+- `warmup_ratio`: None
+- `local_rank`: -1
+- `prompts`: None
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: round_robin
+- `router_mapping`: {}
+- `learning_rate_mapping`: {}
+
+</details>
+
+### Training Logs
+| Epoch | Step | Training Loss |
+|:-----:|:----:|:-------------:|
+| 0.4   | 500  | 0.2142        |
+| 0.8   | 1000 | 0.1386        |
+| 1.2   | 1500 | 0.1298        |
+| 1.6   | 2000 | 0.1165        |
+| 2.0   | 2500 | 0.1143        |
+| 2.4   | 3000 | 0.1064        |
+| 2.8   | 3500 | 0.1077        |
+
+
+### Training Time
+- **Training**: 28.5 minutes
+
+### Framework Versions
+- Python: 3.12.13
+- Sentence Transformers: 5.6.0
+- Transformers: 5.13.1
+- PyTorch: 2.11.0+cu128
+- Accelerate: 1.14.0
+- Datasets: 4.0.0
+- Tokenizers: 0.22.2
+
+## Citation
+
+### BibTeX
+
+#### Sentence Transformers
+```bibtex
+@inproceedings{reimers-2019-sentence-bert,
+    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
+    author = "Reimers, Nils and Gurevych, Iryna",
+    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
+    month = "11",
+    year = "2019",
+    publisher = "Association for Computational Linguistics",
+    url = "https://arxiv.org/abs/1908.10084",
+}
+```
+
+#### TripletLoss
+```bibtex
+@misc{hermans2017defense,
+    title={In Defense of the Triplet Loss for Person Re-Identification},
+    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
+    year={2017},
+    eprint={1703.07737},
+    archivePrefix={arXiv},
+    primaryClass={cs.CV}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,30 @@
+{
+  "add_cross_attention": false,
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": null,
+  "classifier_dropout": null,
+  "dtype": "float32",
+  "eos_token_id": null,
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 384,
+  "initializer_range": 0.02,
+  "intermediate_size": 1536,
+  "is_decoder": false,
+  "layer_norm_eps": 1e-12,
+  "max_position_embeddings": 512,
+  "model_type": "bert",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 6,
+  "pad_token_id": 0,
+  "position_embedding_type": "absolute",
+  "tie_word_embeddings": true,
+  "transformers_version": "5.13.1",
+  "type_vocab_size": 2,
+  "use_cache": false,
+  "vocab_size": 30522
+}

config_sentence_transformers.json

@@ -0,0 +1,14 @@
+{
+  "__version__": {
+    "pytorch": "2.11.0+cu128",
+    "sentence_transformers": "5.6.0",
+    "transformers": "5.13.1"
+  },
+  "default_prompt_name": null,
+  "model_type": "SentenceTransformer",
+  "prompts": {
+    "document": "",
+    "query": ""
+  },
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9346cdd469586f069041c0011adec3ebcb8b22501647c2ae8f403435f91b5426
+size 90864192

modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.base.modules.transformer.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.sentence_transformer.modules.pooling.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.sentence_transformer.modules.normalize.Normalize"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,10 @@
+{
+    "transformer_task": "feature-extraction",
+    "modality_config": {
+        "text": {
+            "method": "forward",
+            "method_output_name": "last_hidden_state"
+        }
+    },
+    "module_output_name": "token_embeddings"
+}

tokenizer_config.json

@@ -0,0 +1,24 @@
+{
+  "backend": "tokenizers",
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": true,
+  "is_local": false,
+  "local_files_only": false,
+  "mask_token": "[MASK]",
+  "max_length": 128,
+  "model_max_length": 256,
+  "never_split": null,
+  "pad_to_multiple_of": null,
+  "pad_token": "[PAD]",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "[SEP]",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "[UNK]"
+}