Upload folder using huggingface_hub

.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 +1,697 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:9933
+- loss:MultipleNegativesRankingLoss
+base_model: BAAI/bge-m3
+widget:
+- source_sentence: 탱크 안에 도장작업을 실시한 경우, 산소결핍 우려가 있음으로 작업 전 어떤 절차를 거쳐야 하는지 설명하시오.
+  sentences:
+  - '5.5 바지선의 작업환경
+
+
+    (1) 탱크 등 밀폐공간에 출입할 때는 산소농도를 측정하고 환기조치 하는 등 산소결핍 재해예방을 위해 필요한 조치를 하여야 한다.
+
+
+    (2) 다음의 산소결핍 우려 장소에는 작업 전 반드시 산소농도를 측정하여야 한다.
+
+
+    (가) 물이나 수증기가 존재하는 강철 탱크에서 녹이 발생한 곳
+
+    (나) 탱크 안에 도장작업을 실시한 경우'
+  - '〈그림1〉 붓임시간(Open Time)과 접착강도와의 관계
+
+
+    (사) 그 밖의 이 지침에서 사용하는 용어의 정의는 특별한 경우를 제외하고는 산업안전보건법, 같은 법 시행령, 같은 법 시행규칙, 안전보건규칙
+    및 관련 고시에서 정하는 바에 따른다.'
+  - '④ 작업자는 정해진 동선으로 보행토록하고, 관계근로자 외 출입을 통제한다.
+
+
+    ⑤ 붙임재료 배합작업 시 사용하는 배합 용기는 정해진 용도의 것을 사용하고, 화재·폭발 우려가 있는 페트병 등을 가스 절단하여 사용하여서는
+    안된다.
+
+
+    (나) 삽 등을 이용한 인력 배합작업'
+- source_sentence: 긴장작업 전에 어떤 조치를 취해야 하며, 이는 설계도와 어떻게 관련이 있습니까?
+  sentences:
+  - '(3) 긴장작업 전 부재 콘크리트와 동일 조건으로 양생된 공시체의 압축강도를 측정하여 설계도의 값 이상이 된 것을 반드시 확인한 후 긴장작업을
+    실시하여야 한다.
+
+
+    (4) 긴장작업 시 잭(Jack) 후면과 근처에는 위험구역으로 근로자의 출입을 금지시켜야 한다.
+
+
+    (5) 전동 펌프(Pump)는 감전에 대한 안전조치를 실시하여야 한다.'
+  - '(2) 작업 전 안전조치 사항은 다음과 같다.
+
+
+    (가) 작업 전 지붕이 깨지기 쉬운 재료인 합석, 슬레이트, 철망유리, 지붕재료용 주름 플라스틱판, 녹슨 꼬 함식판, 강화 절연판 등으로 되어있는지
+    확인 하여야 한다.
+
+
+    (나) 건물구조 검사 및 위험성평가는 지붕 구성 부재 및 작업의 안전성을 확보하기 위해서는 반드시 실시하여야 한다.
+
+
+    (다) 파손되기 쉬운 지붕은 사람 무게를 지지하지 못하여 하부 구조물이 붕괴될 때에는 작업자도 함께 추락할 가능성이 있으므로 발생지 및 작업관계자는
+    사전점검을 통해 지붕재료의 지지력 확인 및 설계상 검토를 통해 작업방법 변경 등 반드시 이에 대한 대책을 사전에 수립하여야 한다.
+
+
+    (3) 작업 중 안전조치 사항은 다음과 같다.
+
+
+    (가) 파손되기 쉬운 지붕재를 크레인 등 양중기를 이용하여 운반할 경우에는 별도로 제작된 자재 적치대를 이용하여 함께 운반하여야 한다.'
+  - '(8) 단블럭을 조립하여 대블럭을 제작하는 경우 단블럭간의 Metal Touch(0.04mm의 간극게이지가 판두께 1/3 이상 들어가지 않는
+    개소를 밀착 등으로 판단) 등을 통해 주탑의 연직도를 확보하여야 한다.
+
+
+    (9) 해상운송을 통해 대블럭을 운송하는 작업은 설계 기상조건을 만족하는 작업환경 시에만 실시하여야 한다.'
+- source_sentence: 후진 유도시 유도자는 기계, 차량과 어느 정도의 거리를 유지해야 하나요?
+  sentences:
+  - '(자) 콘크리트 강도 차이에 따른 타설은 다음과 같은 방법으로 하여야 한다.
+
+
+    ① 수직부재와 수평부재의 강도 차이가 작을 경우에는 모두 수평재 강도로 시공한다.
+
+
+    \[
+
+    \frac{\text{수직부재(기둥,내력벽)의 콘크리트강도}}{\text{수평부재(보,슬래브)의 콘크리트강도}} \leq 1.4 \quad
+    \ldots \quad \text{<수식 1>}
+
+    \]
+
+
+    ② 수직부재와 수평부재의 강도 차이가 클 경우, 수직·수평을 분리 타설을 하며 강도가 높은 콘크리트를 먼저 타설한 후에 소성 성질을 보이는
+    동안에 낮은 강도의 콘크리트를 타설하여 두 콘크리트가 일체가 되도록 충분히 진동다짐한다.
+
+
+    \[
+
+    \frac{\text{수직부재(기둥,내력벽)의 콘크리트강도}}{\text{수평부재(보,슬래브)의 콘크리트강도}} > 1.4 \quad \ldots
+    \quad \text{<수식 2>}
+
+    \]
+
+
+    (차) 슬래브 단부 타설시 추락의 위험이 있으므로 안전난간, 안전대 부착설 비등 추락방지 조치를 하여야 한다.'
+  - '③ 리어카, 핸드카에는 자재의 과다 적재를 지양하고, 시야를 확보하도록
+
+    ��여야 한다.
+
+
+    ④ 엘리베이터, 리프트 등을 이용한 수직운반 시에는 개폐문의 턱이 없도록
+
+    조치하고, 회전을 고려한 적정 작업 반경을 확보하여야 한다.
+
+
+    (다) 지게차를 이용한 운반 작업
+
+
+    ① 지게차를 이용하여 자재를 운반 시에는 지게차로 인한 충돌, 갈림 재해
+
+    등을 예방할 수 있도록 작업계획을 수립하고, 그 작업계획에 따라 작업을
+
+    수행하도록 하여야 한다.
+
+
+    ② 지게차로 팔레트를 이용하여 타일을 운반 시에는 팔레트가 지게차로부터
+
+    이탈하지 않도록 조치하여 운반하여야 한다.
+
+
+    ③ 지게차는 자격소지자가 운전할 수 있도록 관리를 철저히 한다.
+
+
+    ④ 지게차 이용 작업 시에는 작업지휘자 또는 유도자를 지정하고, 신호수는 운
+
+    전원이 가장 잘 볼 수 있는 위치에서 신호하여야 한다.'
+  - '(2) 유도자의 주의사항
+
+
+    (가) 유도자는 정해진 신호방법에 의해 기계 및 차량을 유도하여야 한다.
+
+
+    (나) 유도자는 유도되는 기계 및 차량의 적절한 주행속도를 파악함과 동시에 운행경로를 확인하여야 한다.
+
+
+    (3) 유도 신호방법
+
+
+    (가) 유도신호는 호각과 수신호를 병용한다.
+
+
+    (나) 야간작업시 유도자는 신호수용 반사조끼를 착용하고 전자신호봉 또는 깃발을 손에 들고 유도하여야 한다.
+
+
+    (다) 유도자는 다음과 같은 적절한 장소에 위치하여 해당장비에 유도신호를 하여야 한다.
+
+
+    ① 운전자와 연락신호가 잘 되는 곳
+
+    ② 근로자, 기타사람이 접근하는 것을 용이하게 식별할 수 있는 장소
+
+    ③ 기계, 차량의 진행선으로부터 멀어진 장소
+
+    ④ 유도되는 기계, 차량의 운전자가 잘 보이는 장소
+
+
+    (라) 기계, 차량을 후진 유도하는 경우에는 다음 사항을 준수하여야 한다.
+
+
+    ① 기계, 차량으로부터 5~10m의 거리를 유지하여 해당 차량을 유도 하여야 한다.'
+- source_sentence: 관리감독자가 덤프와 화물자동차를 사용한 작업(도로 주행 작업 제외)을 할 때 어떤 사전조사가 필요하며, 이 조사의
+    목적은 무엇인가?
+  sentences:
+  - '(5) 해상운송을 통해 보강거더를 운송하는 경우 설계 기상조건을 만족하는 작업환경 시에만 실시하여야 한다.
+
+
+    (6) 해상운송을 통해 보강거더를 운송하는 경우 바지선의 단부 및 개구부에는 안전난간을 설치하여야 한다.
+
+
+    (7) 해상바지를 통해 보강거더를 운송하는 경우 보강트러스 및 강상판의 이동 및 전도방지를 위한 선상 결박작업(Sea fastening)을
+    철저히 하여야 한다.
+
+
+    (8) 보강거더를 해상 운송하는 경우 타 선박과의 충돌방지를 위해 해상바지의 각 단부에 경광등을 설치하고, 항로 폭을 유지하면서 이동하여야
+    한다.
+
+
+    9.2 보강거더(보강트러스 및 강상판) 설치
+
+
+    (1) 보강거더 설치는 설계도면의 가설순서에 따라 설치되어야 한다.
+
+
+    (2) 현수교의 보강거더는 가설중에 대변위, 회전, 이동이 쉬우므로 가설 시 바람의 영향, 현장여건 등을 고려하여 경제적이고 안전한 가설공법을
+    선택하여야 한다.'
+  - '(2) 관리감독자는 덤프와 화물자동차를 사용한 작업(도로 주행 작업은 제외한다)을 하는 경우 근로자의 위험 방지를 위하여 작업장의 지형·지반
+    및 지층 상태 등을 사전조사하고 다음 내용의 작업계획서를 작성하여 그 결과를 기록·보존하여야 한다.
+
+
+    (가) 해당 기계의 굴리·떨어짐, 지반의 붕괴 위험 방지를 위한 해당 작업장소의 지형 및 지반상태에 대한 사전조사
+
+    (나) 사용 장비의 종류와 성능, 운행경로 및 작업방법 등
+
+    (다) 해당 작업에 따른 추락·낙하·전도·협착 및 붕괴 등의 위험 예방 등
+
+    (라) 작업지휘자와 유도자의 지정 및 적정위치 여부 등
+
+
+    (3) 관리감독자는 자동차 등록증 보유와 운전원의 자격 및 보험가입 여부를 확인하여야 한다.'
+  - '안전보건기술지침의 개요
+
+
+    ○ 작성자 : 한국안전학회 최명기
+
+
+    ○ 제·개정 경과
+
+    - 2013년 7월 건설안전분야 제정위원회 심의(제정)
+
+
+    ○ 관련규격 및 자료
+
+    - KOSHA GUIDE C-21-2011 현수교 교량공사 안전보건작업지침
+
+    - 최신 교량공학(동명사, 황학주)
+
+    - 도로교 표준시방서(대한토목학회)
+
+    - 교량공사(현수교) 시공자료
+
+    - 교량공사 안전점검 Check Lisk : 한국산업안전보건공단 건설안전기술자료
+
+
+    ○ 관련법규・규칙・고시 등
+
+    - 산업안전보건기준에 관한 규칙 제136조~제150조, 제163조~제170조
+
+
+    ○ 기술지침의 적용 및 문의
+
+    - 이 기술지침에 대한 의견 또는 문의는 한국산업안전보건공단 홈페이지 안전보건기술지침 소관 분야별 문의처 안내를 참고하시기 바랍니다.
+
+
+    공표일자 : 2013년 8월 30일
+
+    제 정 자 : 한국산업안전보건공단 이사장'
+- source_sentence: 재료 적치장소와 통로 계획 시 고려해야 할 사항들은 무엇인지 열거하세요.
+  sentences:
+  - "안전보건기술지침의 개요\n\n○ 제정자 : 한국산업안전보건공단 광주지역본부 김 경 순\n○ 개정자 : (사)한국건설안전협회 최순주\n\n\
+    ○ 제정경과\n  - 2010년 10월 건설안전분야 제정위원회 심의(제정)\n  - 2012년 7월 건설안전분야 제정위원회 심의(개정)\n\
+    \  - 2020년 11월 건설안전분야 표준제정위원회 심의(개정,"
+  - '"보강거더(Stiffening girder)"라 함은 행어를 통해 주케이블에 매달은 종방향으로 보강이 된 거더를 말하며, 보강거더는 항해중인
+    케이블에 전달하는 역할을 함으로써 지점으로는 항해중 성분이 거의 전달이 되지 않는 다. 보강거더를 구조형식에 따라 분류하면 트러스(Truss)
+    구조, 상자형 단면구조, I형 단면구조로 나눌 수 있고, 장대 현수교의 보강거더는 대부분 트러스구조의 보강트러스를 사용하게 된다. 유선형 상자형
+    단면은 우리나라의 남해대교와 영국의 Severn교, 덴마크의 Little Belt교, 터키의 Bosporus교 등에서 적용되었고, 보강트러스
+    단면은 미국의 Mackinac Straits교와 2층교량인 Verranzano Narrows교 등에서 적용되었다. 이때 보강트러스 단면의 경우
+    항해중에 대한 저항과 비틀림 강성을 증대시키기 위해 수평 브레이싱(Lateral bracing)을 설치하게 된다.'
+  - '(4) 달대비계에는 최대 적재하중과 안전 표지판을 설치한다.
+
+
+    (5) 달대비계는 적절한 양중장비를 사용하여 설치장소까지 운반하고, 안전대를 착용하는 등 안전한 작업방법으로 설치하여 추락재해를 예방하여야
+    한다.
+
+
+    7.2 재료 적치장소와 통로
+
+
+    (1) 철골 세우기의 진행에 따라 공사용 재료, 공구, 용접기 등이 쌓여놓는 장소와 통로를 설치하여야 하며, 구체공사에도 이용될 수 있도록
+    계획하여야 한다.
+
+
+    (2) 철골근콘크리트조의 경우 작업장을 통상 연면적 1,000 m² 에 1개소를 설치하고, 그 면적은 50 m² 이상이어야 한다. 또한 2개소
+    이상 설치할 경우에는 작업장 간 상호 연락통로를 설치하여야 한다.
+
+
+    (3) 작업장 설치위치는 크레인의 선회범위 내에서 수평운반거리가 가장 짧게 되도록 계획하여야 한다.
+
+
+    (4) 계획상 최대적재하중과 작업내용, 공정 등을 검토하여 작업장에 적재되는 자재의 수량, 배치방법 등의 제한요령을 명확히 정하여 안전수칙을
+    부착하여야 한다.'
+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 BAAI/bge-m3
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: Unknown
+      type: unknown
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.9269102990033222
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.9676834793113863
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.9755360918151615
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.9855028692237995
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.9269102990033222
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.32256115977046207
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.19510721836303233
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.09855028692237994
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.9269102990033222
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.9676834793113863
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.9755360918151615
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.9855028692237995
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.9576427064446015
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.9485492082668171
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.9490642560011261
+      name: Cosine Map@100
+---
+
+# 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:** 8192 tokens
+- **Output Dimensionality:** 1024 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': 8192, '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("sentence_transformers_model_id")
+# Run inference
+sentences = [
+    '재료 적치장소와 통로 계획 시 고려해야 할 사항들은 무엇인지 열거하세요.',
+    '(4) 달대비계에는 최대 적재하중과 안전 표지판을 설치한다.\n\n(5) 달대비계는 적절한 양중장비를 사용하여 설치장소까지 운반하고, 안전대를 착용하는 등 안전한 작업방법으로 설치하여 추락재해를 예방하여야 한다.\n\n7.2 재료 적치장소와 통로\n\n(1) 철골 세우기의 진행에 따라 공사용 재료, 공구, 용접기 등이 쌓여놓는 장소와 통로를 설치하여야 하며, 구체공사에도 이용될 수 있도록 계획하여야 한다.\n\n(2) 철골근콘크리트조의 경우 작업장을 통상 연면적 1,000 m² 에 1개소를 설치하고, 그 면적은 50 m² 이상이어야 한다. 또한 2개소 이상 설치할 경우에는 작업장 간 상호 연락통로를 설치하여야 한다.\n\n(3) 작업장 설치위치는 크레인의 선회범위 내에서 수평운반거리가 가장 짧게 되도록 계획하여야 한다.\n\n(4) 계획상 최대적재하중과 작업내용, 공정 등을 검토하여 작업장에 적재되는 자재의 수량, 배치방법 등의 제한요령을 명확히 정하여 안전수칙을 부착하여야 한다.',
+    '안전보건기술지침의 개요\n\n○ 제정자 : 한국산업안전보건공단 광주지역본부 김 경 순\n○ 개정자 : (사)한국건설안전협회 최순주\n\n○ 제정경과\n  - 2010년 10월 건설안전분야 제정위원회 심의(제정)\n  - 2012년 7월 건설안전분야 제정위원회 심의(개정)\n  - 2020년 11월 건설안전분야 표준제정위원회 심의(개정,',
+]
+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.*
+-->
+
+## 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   | 0.9269     |
+| cosine_accuracy@3   | 0.9677     |
+| cosine_accuracy@5   | 0.9755     |
+| cosine_accuracy@10  | 0.9855     |
+| cosine_precision@1  | 0.9269     |
+| cosine_precision@3  | 0.3226     |
+| cosine_precision@5  | 0.1951     |
+| cosine_precision@10 | 0.0986     |
+| cosine_recall@1     | 0.9269     |
+| cosine_recall@3     | 0.9677     |
+| cosine_recall@5     | 0.9755     |
+| cosine_recall@10    | 0.9855     |
+| **cosine_ndcg@10**  | **0.9576** |
+| cosine_mrr@10       | 0.9485     |
+| cosine_map@100      | 0.9491     |
+
+<!--
+## 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: 9,933 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: 10 tokens</li><li>mean: 25.89 tokens</li><li>max: 64 tokens</li></ul> | <ul><li>min: 13 tokens</li><li>mean: 190.18 tokens</li><li>max: 420 tokens</li></ul> |
+* Samples:
+  | sentence_0                                                 | sentence_1                                                                 |
+  |:-----------------------------------------------------------|:---------------------------------------------------------------------------|
+  | <code>아스팔트콘크리트 포장공사 안전보건작업 지침이 언제 발행되었는가?</code>           | <code>아스팔트콘크리트<br>포장공사 안전보건작업 지침<br><br>2012. 8.<br><br>한국 산업안전보건공단</code> |
+  | <code>이 지침의 발행 주체는 어떤 기관인가?</code>                         | <code>아스팔트콘크리트<br>포장공사 안전보건작업 지침<br><br>2012. 8.<br><br>한국 산업안전보건공단</code> |
+  | <code>2012년에 발행된 아스팔트콘크리트 포장공사 안전보건작업 지침의 목적이 무엇인가?</code> | <code>아스팔트콘크리트<br>포장공사 안전보건작업 지침<br><br>2012. 8.<br><br>한국 산업안전보건공단</code> |
+* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
+  ```json
+  {
+      "scale": 20.0,
+      "similarity_fct": "cos_sim"
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 10
+- `per_device_eval_batch_size`: 10
+- `num_train_epochs`: 2
+- `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`: 10
+- `per_device_eval_batch_size`: 10
+- `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`: 2
+- `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 | cosine_ndcg@10 |
+|:------:|:----:|:--------------:|
+| 0.2008 | 50   | 0.9420         |
+| 0.4016 | 100  | 0.9482         |
+| 0.6024 | 150  | 0.9528         |
+| 0.8032 | 200  | 0.9545         |
+| 1.0    | 249  | 0.9576         |
+
+
+### Framework Versions
+- Python: 3.11.11
+- Sentence Transformers: 3.4.1
+- Transformers: 4.49.0
+- PyTorch: 2.5.1+cu124
+- Accelerate: 1.4.0
+- Datasets: 3.3.2
+- 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",
+}
+```
+
+#### 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": "BAAI/bge-m3",
+  "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": "4.49.0",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.4.1",
+    "transformers": "4.49.0",
+    "pytorch": "2.5.1+cu124"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

eval/Information-Retrieval_evaluation_results.csv

@@ -0,0 +1,3 @@
+epoch,steps,cosine-Accuracy@1,cosine-Accuracy@3,cosine-Accuracy@5,cosine-Accuracy@10,cosine-Precision@1,cosine-Recall@1,cosine-Precision@3,cosine-Recall@3,cosine-Precision@5,cosine-Recall@5,cosine-Precision@10,cosine-Recall@10,cosine-MRR@10,cosine-NDCG@10,cosine-MAP@100
+1.0,249,0.9269102990033222,0.9676834793113863,0.9755360918151615,0.9855028692237995,0.9269102990033222,0.9269102990033222,0.32256115977046207,0.9676834793113863,0.19510721836303233,0.9755360918151615,0.09855028692237994,0.9855028692237995,0.9485492082668171,0.9576427064446015,0.9490642560011261
+2.0,498,0.919661733615222,0.9655693144065237,0.9749320446994866,0.985200845665962,0.919661733615222,0.919661733615222,0.32185643813550785,0.9655693144065237,0.19498640893989733,0.9749320446994866,0.09852008456659621,0.985200845665962,0.9440008773065258,0.9541566923587471,0.9446199226652627

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1ca7435feea53150c58480460210c10a19d31e236f1b7af9e4c43130037245e7
+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": 8192,
+  "do_lower_case": false
+}

sentencepiece.bpe.model

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cfc8146abe2a0488e9e2a0c56de7952f7c11ab059eca145a0a727afce0db2865
+size 5069051

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:e4f7e21bec3fb0044ca0bb2d50eb5d4d8c596273c422baef84466d2c73748b9c
+size 17083053

tokenizer_config.json

@@ -0,0 +1,56 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "250001": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "model_max_length": 8192,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "sp_model_kwargs": {},
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "unk_token": "<unk>"
+}