Downloads ยท 30 days
41
14% of all-time downloads
drivinu/klue-reberta-base-klue-sts-mrc-drivinu
klue-reberta-base-klue-sts-mrc-drivinu is a sentence similarity model from drivinu. Use it when you need a score for how close two texts are. It is set up for sentence-transformers.
This is a sentence-transformers model finetuned from drivinu/klue-roberta-base-klue-sts-drivinu. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity,โฆ
Downloads ยท 30 days
41
14% of all-time downloads
All-time downloads
299
Public
Parameters
111M
442 MB on disk
Likes
0
Public
Click a slice to open those files.
.safetensors442 MB ยท 100%
From the Hugging Face model README
This is a sentence-transformers model finetuned from drivinu/klue-roberta-base-klue-sts-drivinu. 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.
SentenceTransformer(
(0): Transformer({'max_seq_length': 512, 'do_lower_case': False, 'architecture': 'RobertaModel'})
(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})
)
First install the Sentence Transformers library:
pip install -U sentence-transformers
Then you can load this model and run inference.
from sentence_transformers import SentenceTransformer
# Download from the ๐ค Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
'์นผ์์ด ํ๋ถํ ๋ฌผ๊ณ ๊ธฐ๋?',
'ํ์ด๋ ์๋ํ๋ค๋ ์คํด๋ฅผ ๋ง์ด ๋ฐ๋ ๋ฌผ๊ณ ๊ธฐ๋ค. ์๋์ ์ก์ผ๋ฉด ์๋์ด ๋ถ์ด ์ฌ๋ผ์ค๊ธฐ ๋๋ฌธ์ด๋ค. ์ ์ฝ์ ์ใ์์ฐ์ด๋ณดใ์์ โ์ฐธํ์ด๋ ์์ปท์ด ๋์ฏ๋ฐ๋์ ๋ฌผ๋ฉด ์์ปท์ด ๋ฌ๋ ค๋ค์ด ๊ต๋ฏธ๋ฅผ ํ๋ค๊ฐ ๋ค๊ฐ์ด ๋์ฏ์ค์ ๋๋ ค ์ฌ๋ผ์ค๋ ์๊ฐ ์๋คโ๋ฉฐ โ์์ปท์ ๋จน์ด ๋๋ฌธ์ ์ฃฝ๊ณ ์์ปท์ ์์ ๋ฐํ๋ค ์ฃฝ๋ ์
โ์ด๋ผ๊ณ ํ๊ณํ๋ค. ๊ทธ๋ฌ๋ ์๊ณ ๋ณด๋ฉด ํ์ด๋ ์ฒ ์ ํ ์ผ๋ถ์ผ์ฒ์ฃผ์์๋ค. ์ฃฝ์ด๊ฐ๋ ์๋์ ์์ผ์ก๋ ์๋์ ์ง์ฐฉ์ โ์๋โ๋ณด๋จ โ์์ ๋ง์ดโ์ ๊ฐ๊น๋ค. ใ๋ฉธ์น ๋จธ๋ฆฌ์ ๋ธ๋๋ฐ์ค๊ฐ ์๋คใ๋ 30์ฌ๋
๊ฐ ์ด๋ฅ๋ฅผ ์ฐ๊ตฌํ ์ ์๊ฐ 1๋
์ด๋ ๋ฌ์ ๋ง์ถฐ ๋งค์ ๊ฐ์ฅ ๋ง์๋ ์ ์ฒ ๋ฌผ๊ณ ๊ธฐ๋ฅผ ๊ณจ๋ผ ์ํ, ์ด๋ฆ์ ์ ๋, ๊ด๋ จ ์๋ด, ๋ง์๊ฒ ๋จน๋ ๋ฒ ๋ฑ์ ์๋ ค์ฃผ๋ ์ฑ
์ด๋ค. 1์๋ถํฐ ์ฐจ๋ก๋ก ๋ช
ํ, ์๊ท, ์ญ์ด, ์ค์น์ ์กฐ๊ธฐ, ๋ฉธ์น, ์กฐํผ๋ณผ๋ฝ๊ณผ ๋์น, ๋ณต์ด, ๋ฑ์ฅ์ด, ๊ฐ์น์ ์ ์ด, ๊ณ ๋ฑ์ด, ํ์ด, ๊ฝ์น์ ์ฒญ์ด๊ฐ ์ค๋ ธ๋ค. ์ ์์ ํ๋ถํ ํ์ฅ ๊ฒฝํ์ด ๋
น์๋ ์ด์ผ๊ธฐ์ ์์ํ ์ฌ์ง์ด ์ฝ๋ ๋ง์ ๋ํ๋ค. ์์ ๋ฉธ์น์๋ ๋์ด๊ฐ ์๋ค. ๋น๋ฐ์ ์ด์(่ณ็ณ)์ ์จ์ด ์๋ค. ์ฑ
์ ๋ฐ๋ฅด๋ฉด ๋จ๋จํ ๋ผ๋ฅผ ๊ฐ์ง ๊ฒฝ๊ณจ์ด๋ฅ๋ ์นผ์๊ณผ ๋จ๋ฐฑ์ง๋ก ์ด๋ฃจ์ด์ง ๋ผ ๊ฐ์ ๋ฌผ์ฒด์ธ ์ด์์ด ๋ชธ์ ๊ท ํ์ ๊ฐ์งํ๋ ํํ๊ธฐ๊ด ๊ตฌ์ค์ ํ๋ค. ์ด ์ด์์ ์ชผ๊ฐ ๋จ๋ฉด์ ๋ณด๋ฉด ๋์ดํ
๊ฐ์ ๋ฌด๋ฌ๊ฐ ์์ด ๋์ด๋ฅผ ์ ์ ์๋ค๋ ๊ฒ. ๋ฉธ์น๊ฐ ๋ช ๋
๋ฉฐ์น ์ ํ์ด๋ฌ๋์ง ์ผ์ผ ์ฑ์ฅ์ ๋ ์ฐพ์๋ผ ์ ์์ด ๋นํ๊ธฐ์ ๋ธ๋๋ฐ์ค ๊ฐ์ ์ญํ ์ ํ๋ค๋ ์๊ธฐ๋ค. ๊ณ ๋ฑ์ด๋ ์ ๋ฑ์ด ํธ๋ฅธ ๊ฑธ๊น. ์ ์๋ โ๊ณ ๋ฑ์ด ๋ฑ์ ์๋ ๋
น์ฒญ์์ ๋ฌผ๊ฒฐ๋ฌด๋ฌ๋ ๋ฌผ๊ฒฐ์ด ์ด๋ฅธ๊ฑฐ๋ฆฌ๋ ์๊ตญ๊ณผ ๊ฐ์ ๋ชจ์โ์ด๋ผ๋ฉฐ โ๋จน์๊ฐ์ ์ฐพ์ ๋ฐฐํํ๋ ๋ฐ๋ท์๊ฐ ํ๋์์ ๋ด๋ ค๋ค๋ดค์ ๋ ๋ฐ๋ค์๊ณผ ๊ตฌ๋ณํ์ง ๋ชปํ๊ฒ ํ๊ธฐ ์ํ ๊ฒโ์ด๋ผ๊ณ ์ค๋ช
ํ๋ค.',
"๋งํค๋๋ฝ์ค๊ฐ ๊ตญ๋ด ์ต๋ ๊ฐ๋ฐ์ ์ปจํผ๋ฐ์ค DEVIEW 2020, ๋ค์ด๋ฒํด๋ผ์ฐ๋ AI SUMMIT ๋ฑ์ ์๋ฐ๋ผ ์ฐธ๊ฐํด ๊ทธ๋์ ์งํํด ์จ ๊ธฐ์ ๊ฐ๋ฐ ํํฉ๊ณผ ์ฌ๋ก๋ฅผ ๊ณต๊ฐํ๋ค. ๋งํค๋๋ฝ์ค๋ ๋ฅ๋ฌ๋๊ณผ ๊ฐํํ์ต ๊ธฐ์ ๊ธฐ๋ฐ์ผ๋ก ์ฐ์
๊ณต์ ์ ํจ์จํํ๋ AI ์๋ฃจ์
์ ๊ฐ๋ฐํ ์คํํธ์
์ด๋ค. ๊ธฐ์ ๊ฒฝ์๋ ฅ๊ณผ ๊ธ๋ก๋ฒ ์ฑ์ฅ ๊ฐ๋ฅ์ฑ์ ๋๋ฃจ ์ธ์ ๋ฐ์, ์ต๊ทผ ๊ตญ๋ด์ธ์์ 120์ต ์ ๊ท๋ชจ์ ์๋ฆฌ์ฆ A ํฌ์๋ฅผ ์ด๋์ด๋ธ ๋ฐ ์๋ค. ๋จผ์ , ๋งํค๋๋ฝ์ค๋ ์ค๋ 11์ 25์ผ๋ถํฐ 3์ผ๊ฐ ๊ฐ์ต๋๋ DEVIEW 2020(์ฐธ๊ณ 1)์์ ๋ฐํ ์ธ์
โReinforcement Learning meets the real-world: Industrial RL applicationsโ์ ๋งก์, ์ ์กฐ์
์์์ ๊ฐํํ์ต ์ ์ฉ ์ฌ๋ก๋ฅผ ๊ณต๊ฐํ๋ค. ๋ฌธ์ ์ ์, ํ๊ฒฝ ๊ตฌ์ถ, ๋ชจ๋ธ ๊ฐ๋ฐ, Sim2Real ๋ฑ ์ค์ ์ฐ์
์ ๊ฐํํ์ต์ ์ ์ฉํ๋ฉด์ ๊ฒช์๋ ๊ธฐ์ ์ ์ด๋ ค์๊ณผ ์ด๋ฅผ ๊ทน๋ณตํ๋ ๊ณผ์ ์ ์์ํ๊ฒ ์๊ฐํ ์์ ์ด๋ค. ๋งํค๋๋ฝ์ค๋ ์ง๋ํด DEVIEW 2019์์๋ ๋ฐํ ์ธ์
๋ฐ ๋ถ์ค ์ ์๋ฅผ ์ ๋ณด์ฌ ๋ง์ ์ฃผ๋ชฉ์ ๋ฐ์๋ค. ๋ํ 12์ 17์ผ ์ด๋ฆฌ๋ ๋ค์ด๋ฒํด๋ผ์ฐ๋ AI SUMMIT(์ฐธ๊ณ 2)์์๋ ๋งํค๋๋ฝ์ค์ ์ด์ฌํ ๊ณต๋๋ํ๊ฐ ์ ์กฐ AI ์ ๋ ์คํํธ์
์ผ๋ก์ ์ถ์ ํด์จ ๋ค์ํ ํ๋ก์ ํธ ๊ฒฝํ์ ๊ณต์ ํ๋ค. ๋งํค๋๋ฝ์ค๋ ๋์ค์๋์ด์
ํ๋ ฅ์ฌ๋จ์์ ์ฃผ๊ดํ๋ ๋์ค์๊ธฐ์
๋๋ฐ ์ง์ถ ์ฌ์
์ ํตํด ๋ค์ด๋ฒํด๋ผ์ฐ๋์ ๊ธ๋ก๋ฒ ๋ง์ผํ
๋ ๊ณต๋ ์งํ ์ค์ด๋ค. ๋งํค๋๋ฝ์ค์ ์ด์ฌํ ๊ณต๋๋ํ๋ โAI ๊ธฐ์ ์ด ๋ค์ํ ์ฐ์
๋ถ์ผ์์ ๊ฐ๊ด๋ฐ์ผ๋ฉฐ ์๋ก์ด ๋น์ฆ๋์ค ๊ฐ์น๋ฅผ ์ฐฝ์ถํ๊ณ ์๊ณ , ๊ธฐ์
์ญ์ ์์ฐ ํ๊ฒฝ์ ํ์ ํ๊ณ ์ ํ๋ ์์ง์์ด ๋ณด์ธ๋ค.โ๋ผ๋ฉฐ, โ์ด๋ฒ ์ปจํผ๋ฐ์ค์์ ์ฐ๋ฆฌ๊ฐ ์ค์ ๋ก ๊ฒช์ด์๋ ๊ณ ์ถฉ๊ณผ ๊ทธ์ ๋ํ ํด๊ฒฐ์ฑ
์ ์๊ฐํจ์ผ๋ก์จ, ๋ง์ ํ์ฌ์ ๋์์ด ๋ ์ ์๊ธฐ๋ฅผ ๋ฐ๋๋ค.โ ๊ณ ์ ํ๋ค. ํํธ, ๋งํค๋๋ฝ์ค๋ ์ง๋ 11์ ์ด ์ด๋ฆฐ ์ 2ํ ์ค๋งํธ๊ณต์ฅ๊ตฌ์ถ ๋ฐ ์์ฐ์๋ํ์ (SMATEC 2020) (์ฐธ๊ณ 3)์์๋ โ์ ์กฐ ํ์ฅ์ ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ ์ ์๋ AI ๊ตฌํํ๊ธฐ(Implementing AI to tackle manufacturing issue)โ ๋ฐํ๋ก ํธ์์ ์ป์๋ค. ๋งํค๋๋ฝ์ค๋ ํ์ฌ ๋ค์ํ ๋์ ๋ค์ด ๋ฐ์ํ๋ ์ ์กฐ ํ์ฅ์์ ๋น ๋ฅด๊ฒ ์ ์ฉ ๊ฐ๋ฅํ ์๋ฃจ์
๋ค์ ๊ฐ๋ฐํ๊ธฐ ์ํด ๋ฐ์ฐจ๋ฅผ ๊ฐํ๊ณ ์์ผ๋ฉฐ, ๋ฐ์ดํฐ ์ฌ์ด์ธํฐ์คํธ, ๋จธ์ ๋ฌ๋ ์์ง๋์ด, ์ํํธ์จ์ด ์์ง๋์ด ๋ฑ ์ ๋ฌธ ์ธ๋ ฅ๋ ์ ๊ทน ์ฑ์ฉ ์ค์ด๋ค. ### [์ฐธ๊ณ 1] DEVIEW 2020 : ์ต์ ๊ธฐ์ ํธ๋ ๋ ๋ฟ๋ง ์๋๋ผ ๊ฐ๋ฐ์๋ค์ด ์๋ก์ด ์์ญ์ ๋์ ํ๋ฉฐ ๊ฒช์๋ ์ด๋ ค์๊ณผ ์ด๋ฅผ ๊ทน๋ณตํ๋ ๊ณผ์ ์์ ์ป์ ๋
ธํ์ฐ๋ค์ ๊ณต์ ํ๊ณ , ์ด๋ฅผ ํตํด ๊ฐ๋ฐ์๋ค์ด ํจ๊ป ์ฑ์ฅํ ์ ์๋๋ก ํ๋ ๊ตญ๋ด ์ต๋ ๊ฐ๋ฐ์ ์ปจํผ๋ฐ์ค๋ค. ๋งํค๋๋ฝ์ค ๋ฐํ ์์ธ ๋ด์ฉ์ https://www.makinarocks.online/์์ ํ์ธํ ์ ์๋ค. [์ฐธ๊ณ 2] ๋ค์ด๋ฒํด๋ผ์ฐ๋ AI SUMMIT : ๋ค์ํ ๋ถ์ผ์์ ๋ณํ๋ฅผ ์ด๋์ด๋ด๊ณ ์๋ AI๊ธฐ์ ๊ณผ ์ฐ์
ํธ๋ ๋๋ฅผ ๊ณต์ ํ๋ฉฐ, ๋ค์ด๋ฒํด๋ผ์ฐ๋๊ฐ ์ฃผ์ตํ๋ค. [์ฐธ๊ณ 3] ์ค๋งํธ๊ณต์ฅ๊ตฌ์ถ ๋ฐ ์์ฐ์๋ํ์ : ์์ฐ์ ์กฐ ๊ธฐ์
์ ์ํ ์ ๋ฌธ์ ์ํ๋ก, '์๋ก์ด ์ ์กฐ์
์๋๋ฅผ ์ด๋ค' ์ฃผ์ ๋ก ์งํ๋๋ค.",
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[ 1.0000, 0.4516, -0.0398],
# [ 0.4516, 1.0000, -0.0505],
# [-0.0398, -0.0505, 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.*
-->
| Metric | Value |
|---|---|
| pearson_cosine | 0.8079 |
| spearman_cosine | 0.8194 |
| sentence_0 | sentence_1 | |
|---|---|---|
| type | string | string |
| details | <ul><li>min: 7 tokens</li><li>mean: 17.7 tokens</li><li>max: 38 tokens</li></ul> | <ul><li>min: 232 tokens</li><li>mean: 435.48 tokens</li><li>max: 512 tokens</li></ul> |
| sentence_0 | sentence_1 |
|---|---|
| <code>์๋ฆฌ์ฆ2์ ์ฒซ ์๊ฐ์ ํจ๊ปํ๋ ์ฌ๋์ ์ด๋ฆ์ ๋ฌด์์ธ๊ฐ?</code> | <code>์ฝ๋ฆฌ์์คํํธ์ ํฌ๋ผ(์์ฅ ๊น์ฌ์, ์์ฑ์ฐ, ์ด์น๊ฑด. ์ดํ ์ฝ์คํฌ)์ 18์ผ๋ถํฐ ์์๋๋ ์ฐฝ์ ๊ฐ๋ค์ ๊ฒฝํ ๊ณต์ ํ๋ก์ ํธ โGrowth Talk Live ์๋ฆฌ์ฆ2โ๋ฅผ ๋ฐ์นญํ๊ณ , ์ฐธ๊ฐ์๋ฅผ ๋ชจ์งํ๋ค๊ณ ๋ฐํ๋ค. Growth Talk Live๋ ์คํํธ์ ์ ๊ณ๋ฅผ ๋ํํ๋ ์ฐฝ์ ๊ฐ์ ์ ๋ฌธ๊ฐ๋ค์ด ์ฑ์ฅ ๊ณผ์ ์์ ์ถ์ ํด์จ ์ ํ ๊ฒฝํ๊ณผ ์ง์, ๋ ธํ์ฐ๋ฅผ ์ํ๊ณ ๊ตฌ์ฑ์๋ค์๊ฒ ๊ณต์ ํด ์ญ๋ ์ฆ์ง์ ๋๋ ํ๋ก์ ํธ๋ก ์ง๋ 6์ ์ฒซ ๋ฒ์งธ ์๋ฆฌ์ฆ๋ฅผ ๋ฐ์นญํ ๋ฐ ์๋ค. ์ด๋ฒ ์๋ฆฌ์ฆ2๋ โ์ฑ์ฅํ๋ ์คํํธ์ ์ ์ํ ์ด์ผ๊ธฐ ํธโ์ผ๋ก ์๋น์ค ๋ฐ์นญ ์ ํ ๋์ ๋ฐฉ๋ฒ, ๋น์ฆ๋์ค ์ฑ์ฅ์ ๋ต, ์คํผ๋ ์ด์ ๊ณผ HR ๋ฑ ์คํํธ์ ์ ๊ฒฝ์๊ณผ ์ค์ผ์ผ์ ์ ํ์ํ ๋น์ฆ๋์ค ์ธ์ฌ์ดํธ๋ฅผ ์ ๋ณํด ์ด 5ํ์ฐจ ํ๋ก๊ทธ๋จ์ผ๋ก ์ฎ์๋ค. ์ด์ ํฌ๋กํค๋ท์ปด(์ง๊ทธ์ฌ๊ทธ) ์์ ํ ๋ํยท ํ๋ค ์ดํ๋ฏผ ๋ํยทTWC ๋ฐ๋ฏผ์ ๋ํยท๋ฒ๊ฐ์ฅํฐ ์ด์ฌํ ๋ํยท์ํ๋ฒค์ฒ์ค ์ต๊ฒฝํฌ ํํธ๋๊ฐ ์ฐ์ฌ๋ก ๋์ ์ฑ์ฅ๊ถค๋์ ์ถ๋ฐ์ ์ ์๊ฑฐ๋ ์ง์ ํ ์ฐฝ์ ๊ฐ๋ค์๊ฒ ๊ฐ์์ ๊ฒฝํ๊ณผ ์ญ๋์ ๋๋ ๊ณํ์ด๋ฉฐ, ์ค๋ 18์ผ์ ์์์ผ๋ก 9์ ๋ง๊น์ง ์จ๋ผ์ธยท์คํ๋ผ์ธ์ ํตํด ์ฐฝ์ ๊ฐ๋ค๊ณผ ๋ง๋๋ค. ์๋ฆฌ์ฆ2์ ์ฒซ ๋ฒ์งธ ํ์ฐจ์๋ ์ฌ์ฑ ํจ์ ์ผํ ์ฑ โ์ง๊ทธ์ฌ๊ทธโ๋ฅผ ์ด์ํ๋ฉฐ ๊ด๋ชฉํ ๋งํ ์ฑ์ฅ์ธ๋ฅผ ๋ณด์ฌ์ฃผ๊ณ ์๋ ํจ์ ํ ํฌ ๊ธฐ์ ํฌ๋กํค๋ท์ปด์ ์์ ํ ๋ํ์ โ์๋น์ค ๋ฐ์นญ ์ ๊ณผ ํ, ์ฑ๊ฒจ์ผ ํ ๊ฒโ๋ค์ ์ง์ด๋ณธ๋ค. ๋ ๋ฒ์งธ ์๊ฐ์๋ ๋ทฐํฐยทํฌ์ค์ผ์ด ๋ฑ ๋ค์ํ ๋ถ์ผ์ ์ฐฝ์ ๊ฒฝํ์ด ์๋ ํ๋ค ์ดํ๋ฏผ ๋ํ๊ฐ ๋ฆฌํ ์ผ ๊ธ์ต ์ค๊ฐ ์์ฅ์ด๋ผ๋ ๋ถ๋ชจ์ง์์ ๊ธ์ต๊ธฐ๊ด ๋์ถ ์ค๊ฐ ํ๋ซํผ์ผ๋ก ์์ฅ์ ์์ฐฉํ๊ธฐ๊น์ง์ ์ฑ์ฅ ๊ณผ์ ๊ณผ ๊ทน๋ณต ๋ ธํ์ฐ๋ฅผ ์ ํ๋ค. ์ธ ๋ฒ์งธ ์๊ฐ์๋ AI์คํผ๋ ์ด์ ์ ๋ฌธ๊ธฐ์ TWC ๋ฐ๋ฏผ์ ๋ํ๊ฐ 100์ฌ ๊ฐ ๊ณ ๊ฐ์ฌ๋ฅผ ๊ฒฝํํ๋ฉฐ ์์ ์คํผ๋ ์ด์ ๋ ธํ์ฐ๋ฅผ ๋ฐํ์ผ๋ก ์คํํธ์ ์ด ์์์ผ ํ ์๋น์ค ์ด์ ์ ๋ต A-Z๋ฅผ ๊ณต๊ฐํ๋ค. ์ด์ด์ ๋ฒ๊ฐ์ฅํฐ ์ด์ฌํ ๋ํ๊ฐ ๋ฆฌ์ ๋ฌธํ๋ฅผ ์ฃผ๋ํ๋ โ์ทจํฅ ๊ธฐ๋ฐ ์ค๊ณ ๊ฑฐ๋ ํ๋ซํผ, ๋ฒ๊ฐ์ฅํฐโ์ ์ฑ์ฅ์ ๋ต์ ๋ํด ์ด์ผ๊ธฐ๋ฅผ ๋๋๋ค. ๋ง์ง๋ง ๋ค์ฏ ๋ฒ์งธ ํ์ฐจ์์๋ ์ํฉํธ ํฌ์์ฌ ์ํ๋ฒค์ฒ์ค ์ต๊ฒฝํฌ ํํธ๋๊ฐ ์ฐ์ฌ๋ก ๋์ ์๋ํ ํฌ ์ค...</code> |
| <code>๋งค์ฅ์ ์๊ณ, ๋์๊ธฐ ๋ฑ ๋ค์ํ ์์ญ์ ์ ํ๋ค์ ๊ตฌ๋นํ๊ณ ์๋ ๋ธ๋๋์ ์ด๋ฆ์?</code> | <code>ํ๋๋ฐฑํ์ ์ด 27์ผ ์์ธ ์ผ์ฑ๋ ๋ฌด์ญ์ผํฐ์ ์ ์์ ํจ์ ๋ธ๋๋๋ฅผ 44๊ฐ์์ 72๊ฐ๋ก ๋๋ ค ๋ค์ ์คํํ๋ค. ๊ตญ๋ด ์ต๋ ํฌ๊ธฐ์ ๋ช ํ ๋งค์ฅ์ ๋ ํนํ 1, 2์ธต ๋ณต์ธต ํํ๋ก ๋ด๋ ๋ฑ ๊ฐ๋จ ์๊ถ์ ์ก๊ธฐ ์ํ ๋ํํ์ ์ฃผ๋ ฅํ๋ค.ํ๋๋ฐฑํ์ ๋ฌด์ญ์ผํฐ์ ์ ๋ค์ด๊ฐ ํด์ธ ํจ์ ๋ฐ ์๊ณ, ํ์ฅํ ๋ธ๋๋๋ ์ด 120์ฌ๊ฐ๋ก, ์ด ์ค ์๋ฅด๋ฉ์ค(254ใก) ๋ฃจ์ด๋นํต(839ใก) ๊น๋ฅด๋ ์(330ใก)๋ ๊ตญ๋ด ๋ฐฑํ์ ์ค ๊ฐ์ฅ ํฐ ๊ท๋ชจ๋ค. ๊น๋ฅด๋ ์๋ ๋ค์๋ฌ 22์ผ 2์ธต๊ณผ ์ฐ๊ฒฐ๋ ๋ณต์ธต ๋งค์ฅ์ผ๋ก ์ด๊ณ , ๋ฃจ์ด๋นํต์ ์ค๋ 7์๊ป 1, 2์ธต์ ๋ณต์ธต ๊ตฌ์กฐ๋ก ๋งค์ฅ์ ๋ธ๋ค. ์๋ฅด๋ฉ์ค ๋งค์ฅ์๋ ๋ฐฑํ์ ๋งค์ฅ์ผ๋ก ์ ์ผํ๊ฒ ์๋ฅ ์กํ๋ฟ ์๋๋ผ ์๊ณ, ํฌ๋ฆฌ์คํธ, ํ ์ด๋ธ์จ์ด, ๊ฐ์ฃฝ, ๋์๊ธฐ, ํฅ์ ๋ฑ 14๊ฐ ์ ํ๊ตฐ์ ๋ชจ๋ ๋ค์ฌ๋จ๋ค. ์๊ณ๋ ๊ฐํํ๋ค. ๊ธฐ์กด์ 264ใก์๋ ๋ช ํ ์๊ณ ๋งค์ฅ์ 891ใก๋ก ํ๋, ๊ฐ๋จ ์๊ถ ์ต๋ ๊ท๋ชจ๋ก ๋ง๋ จํ๋ค. ์๋ธ๋ก, ์ค๋ฐ๋งํผ๊ฒ, ์๊ฑฐ ๋ฅด์ฟจ๋ฅดํธ, ํผ์์ ๋ฑ 10๊ฐ ๋ธ๋๋๋ฅผ ์๋ก ๋ค์ฌ๋๋๋ค. ์ด ์ค ์๊ฑฐ ๋ฅด์ฟจํธ๋ฅด์ ์ผ๋ฉ ๋ฑ 9๊ฐ ๋ธ๋๋๋ ๋ถํฐํฌ ํํ์ ๋จ๋ ๋งค์ฅ์ผ๋ก ๋ค์๋ฌ 22์ผ ๋ฌธ์ ์ฐ๋ค.</code> |
| <code>HSBC๊ฐ ๊ณ ์ฉํ ์ง์์ ์๋?</code> | <code>์๊ตญ ๋ํ์ํ HSBC๋ ์ด๋ฌ ์ด ์ฒ ์๋ ์ง์๋ค ๋๋ฌธ์ ๊ณค์์ ์น๋ ๋ค. ์ง์ 6๋ช ์ด ์์ ๋คํธ์ํฌ์๋น์ค(SNS)์ ์ฌ๋ฆฐ ๋์์์ด ๋ฌธ์ ์๋ค. ์ด๋ค์ ์๋ํ ๊ทน๋จ์ฃผ์ ๋ฌด์ฅ๋จ์ฒด์ธ ์ด์ฌ๋๊ตญ๊ฐ(IS) ์กฐ์ง์์ผ๋ก ๋ถ์ฅํด ์ธ์ง์ ์ฒํํ๋ ์ฅ๋ฉด์ ํ๋ด๋๋ค. ์ํ์ ์ฆ๊ฐ ์ฌ๊ณผํ๊ณ ์ง์ 6๋ช ์ ๋ชจ๋ ํด๊ณ ํ์ง๋ง ์ด๋ฏธ ํ์ฌ ์ด๋ฏธ์ง๋ ํฐ ํ๊ฒฉ์ ์ ์ ๋ค์๋ค.์๊ตญ ์ฃผ๊ฐ ์ด์ฝ๋ ธ๋ฏธ์คํธ๋ โ์ง์์ ๊ธฐ์ ์ ๊ท์คํ ์์์ด์ง๋ง ๋๋ก ๊ณจ์นซ๊ฑฐ๋ฆฌ๋ก, ๋ ๋์๊ฐ์ ๋ด๋ถ์ ์ (ๆต)์ผ๋ก ๋๋ณํ๊ธฐ๋ ํ๋คโ๋ฉฐ โ์ง์ ๊ด๋ฆฌ ์คํจ๊ฐ ๊ธฐ์ ์ ํฐ ์ํ์์๋ก ๋ ์ค๋ฅด๊ณ ์๋คโ๊ณ ์ต๊ทผํธ์์ ๋ณด๋ํ๋ค.๋ณด๋์ ๋ฐ๋ฅด๋ฉด ๋น์ฉ์ ๋ถํ๋ ค ์ฒญ๊ตฌํ๋ ๋ฑ์ ์ผ์ ๋น์ผ๋น์ฌํ๋ค. ํ ์๊ตญ ์ ์กฐ์ ์ฒด์์ ๊ตฌ์กฐ์กฐ์ ๋ช ๋จ์ ์ค๋ฅธ ์ ๋ณด๊ธฐ์ (IT) ๋ถ์ ์ง์์ด ํ์ฌ ์๋ฃ๋ฅผ ์ง์ฐ๊ณ , ์ต๊ณ ๊ฒฝ์์(CEO)์ ์ด๋ฉ์ผ์ ๊ณต๊ฐํ๊ณ , ์๋๋ฌผ์ ๋ฐฐํฌํ๋ค.ํดํน ์ฌ๊ฑด์๋ ๊ด์ฌํ๋ค. ์บ๋๋ค์ ์จ๋ผ์ธ๋ฐ์ดํ ์ฌ์ดํธ ์ ์๋ฆฌ๋งค๋์จ์ ์ง๋ 20์ผ ์ธ๊ณ 3700๋ง๋ช ์ ๊ณ ๊ฐ์ ๋ณด๋ฅผ ํดํน๋นํ๋ค. ์ฌ์ดํธ ์ด์์ฌ์ธ ์๋น๋๋ผ์ดํ๋ฏธ๋์ด(ALM)์ ์กฐ ๋น๋๋ง CEO๋ ์ฌ๊ฑด ์งํ โ๋ด๋ถ์ ์ํ์ผ๋ก ๋ณด์ธ๋คโ๊ณ ๋ฐํํ๋ค. ์ปดํจํฐ๋ณด์ ์ ๋ฌธ๊ฐ๋ค์ 2013๋ 1์ต1000๋ง์ฌ๋ช ์ ๊ณ ๊ฐ์ ๋ณด๋ฅผ ํดํน๋นํ ๋ฏธ๊ตญ ์ ํต์ ์ฒด ํ๊น๋ ๋ด๋ถ์์ ๋์์ด ์์์ ๊ฒ์ผ๋ก ํ์ ํ๋ค. ์ด์ฝ๋ ธ๋ฏธ์คํธ๋ ๊ธฐ์ ์ ์ธ ๊ฐ์ง๋ฅผ ์กฐ์ธํ๋ค. ์ฒซ์งธ, ๋ฌธ์ ๋ฅผ ์ผ์ผํฌ ๊ฐ๋ฅ์ฑ์ด ์๋ ์ง์์ ํ์ ํ๊ณ ๊ด๋ฆฌํ๋ผ๋ ๊ฒ. ํนํ IT ๊ด๋ จ ๋ถ์์์ ๋ด๋ณด๋ด์ผ ํ ๋ ์ง์ฒด์์ด ์คํํ ๊ฒ์ ๊ถํ๋ค. ๋ ๋ฒ์งธ๋ ์ํํธ์จ์ด์ ์ง๋์น๊ฒ ์์กดํ์ง ๋ง๊ณ ์ฌ๋์ด ์ง์ ์ง์ ๋ํฅ์ ํ์ ํ๊ณ ๊ด๋ฆฌํ๋ผ๋ ๊ฒ. ๋์ผ๋ก ๋ฌด์๋ณด๋ค ์ง์์ ์กด์คํ ๊ฒ์ ๊ฐ์กฐํ๋ค.</code> |
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
per_device_train_batch_size: 16per_device_eval_batch_size: 16num_train_epochs: 1batch_sampler: no_duplicatesmulti_dataset_batch_sampler: round_robinoverwrite_output_dir: Falsedo_predict: Falseeval_strategy: noprediction_loss_only: Trueper_device_train_batch_size: 16per_device_eval_batch_size: 16per_gpu_train_batch_size: Noneper_gpu_eval_batch_size: Nonegradient_accumulation_steps: 1eval_accumulation_steps: Nonetorch_empty_cache_steps: Nonelearning_rate: 5e-05weight_decay: 0.0adam_beta1: 0.9adam_beta2: 0.999adam_epsilon: 1e-08max_grad_norm: 1num_train_epochs: 1max_steps: -1lr_scheduler_type: linearlr_scheduler_kwargs: {}warmup_ratio: 0.0warmup_steps: 0log_level: passivelog_level_replica: warninglog_on_each_node: Truelogging_nan_inf_filter: Truesave_safetensors: Truesave_on_each_node: Falsesave_only_model: Falserestore_callback_states_from_checkpoint: Falseno_cuda: Falseuse_cpu: Falseuse_mps_device: Falseseed: 42data_seed: Nonejit_mode_eval: Falseuse_ipex: Falsebf16: Falsefp16: Falsefp16_opt_level: O1half_precision_backend: autobf16_full_eval: Falsefp16_full_eval: Falsetf32: Nonelocal_rank: 0ddp_backend: Nonetpu_num_cores: Nonetpu_metrics_debug: Falsedebug: []dataloader_drop_last: Falsedataloader_num_workers: 0dataloader_prefetch_factor: Nonepast_index: -1disable_tqdm: Falseremove_unused_columns: Truelabel_names: Noneload_best_model_at_end: Falseignore_data_skip: Falsefsdp: []fsdp_min_num_params: 0fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}fsdp_transformer_layer_cls_to_wrap: Noneaccelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}deepspeed: Nonelabel_smoothing_factor: 0.0optim: adamw_torchoptim_args: Noneadafactor: Falsegroup_by_length: Falselength_column_name: lengthddp_find_unused_parameters: Noneddp_bucket_cap_mb: Noneddp_broadcast_buffers: Falsedataloader_pin_memory: Truedataloader_persistent_workers: Falseskip_memory_metrics: Trueuse_legacy_prediction_loop: Falsepush_to_hub: Falseresume_from_checkpoint: Nonehub_model_id: Nonehub_strategy: every_savehub_private_repo: Nonehub_always_push: Falsehub_revision: Nonegradient_checkpointing: Falsegradient_checkpointing_kwargs: Noneinclude_inputs_for_metrics: Falseinclude_for_metrics: []eval_do_concat_batches: Truefp16_backend: autopush_to_hub_model_id: Nonepush_to_hub_organization: Nonemp_parameters:auto_find_batch_size: Falsefull_determinism: Falsetorchdynamo: Noneray_scope: lastddp_timeout: 1800torch_compile: Falsetorch_compile_backend: Nonetorch_compile_mode: Noneinclude_tokens_per_second: Falseinclude_num_input_tokens_seen: Falseneftune_noise_alpha: Noneoptim_target_modules: Nonebatch_eval_metrics: Falseeval_on_start: Falseuse_liger_kernel: Falseliger_kernel_config: Noneeval_use_gather_object: Falseaverage_tokens_across_devices: Falseprompts: Nonebatch_sampler: no_duplicatesmulti_dataset_batch_sampler: round_robinrouter_mapping: {}learning_rate_mapping: {}| Epoch | Step | Training Loss | spearman_cosine |
|---|---|---|---|
| -1 | -1 | - | 0.8194 |
| 0.4558 | 500 | 0.165 | - |
| 0.9116 | 1000 | 0.1105 | - |
@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",
}
@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.*
-->