vietnamese-bi-encoder-on-vbpl

SentenceTransformer based on bkai-foundation-models/vietnamese-bi-encoder

This is a sentence-transformers model finetuned from bkai-foundation-models/vietnamese-bi-encoder on the json dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: bkai-foundation-models/vietnamese-bi-encoder <!-- at revision 84f9d9ada0d1a3c37557398b9ae9fcedcdf40be0 -->
• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 768 tokens
• Similarity Function: Cosine Similarity
• Training Dataset:
  • json

<!-- - **Language:** Unknown --> <!-- - **License:** Unknown -->

Model Sources

• Documentation: Sentence Transformers Documentation
• Repository: Sentence Transformers on GitHub
• Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: 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})
)

Usage

Direct Usage (Sentence Transformers)

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 🤗 Hub
model = SentenceTransformer("tanbinh2210/vietnamese-bi-encoder-on-vbpl")
# Run inference
sentences = [
    'Cơ_quan nhà_nước nào có thẩm_quyền ban_hành_văn_bản quy_phạm_pháp_luật về tài_nguyên nước ?',
    'luật sửa_đổi , bổ_sung một_số điều của 37 luật có liên_quan đến quy_hoạch , điều 5 . sửa_đổi , bổ_sung một_số điều của luật tài_nguyên nước , khoản 20 , nội_dung : liên_tỉnh , quy_hoạch tỉnh và quy_hoạch khác có liên_quan theo quy_định của pháp_luật về quy_hoạch , kế_hoạch phát_triển kinh_tế - xã_hội của các địa_phương và các ngành liên_quan đến khai_thác , sử_dụng nước trên các lưu_vực sông ; ” . 20 . sửa_đổi , bổ_sung điểm a và điểm b khoản 2 điều 70 như sau : “ a ) ban_hành theo thẩm_quyền hoặc trình cơ_quan nhà_nước có thẩm_quyền ban_hành và tổ_chức thực_hiện văn_bản quy_phạm_pháp_luật về tài_nguyên nước ; ban_hành quy_chuẩn kỹ_thuật , định_mức , đơn_giá về quy_hoạch tổng_hợp lưu_vực sông liên_tỉnh , nguồn nước liên_tỉnh , quy_hoạch tổng_thể điều_tra cơ_bản tài_nguyên nước , về điều_tra cơ_bản , thăm_dò , khai_thác , sử_dụng , bảo_vệ tài_nguyên nước ; b ) tổ_chức lập , trình thủ_tướng chính_phủ phê_duyệt hoặc phê_duyệt theo thẩm_quyền và tổ_chức thực_hiện chiến_lược tài_nguyên nước , quy_hoạch tài_nguyên nước , quy_hoạch tổng_hợp lưu_vực sông liên_tỉnh , nguồn nước liên_tỉnh , quy_hoạch tổng_thể điều_tra cơ_bản tài_nguyên nước ; quy_trình vận_hành liên_hồ chứa , danh_mục lưu_vực sông , danh_mục nguồn nước ; kế_hoạch điều_tra cơ_bản , điều_hòa , phân_phối tài_nguyên nước , phục_hồi các nguồn nước bị ô_nhiễm , cạn_kiệt ; ” .',
    'luật xây_dựng , điều 150 . điều_kiện của tổ_chức lập thiết_kế quy_hoạch xây_dựng , khoản 2 , nội_dung : chính_phủ có thẩm_quyền sát_hạch , cấp chứng_chỉ hành_nghề hoạt_động xây_dựng các hạng còn lại . điều 150 . điều_kiện của tổ_chức lập thiết_kế quy_hoạch xây_dựng 1 . có đủ điều_kiện năng_lực lập thiết_kế quy_hoạch xây_dựng phù_hợp . 2 . cá_nhân đảm_nhận chức_danh chủ_nhiệm , chủ_trì thiết_kế đồ_án quy_hoạch xây_dựng phải có chứng_chỉ hành_nghề và năng_lực phù_hợp với từng loại quy_hoạch xây_dựng . điều 151 . điều_kiện của tổ_chức lập , thẩm_tra dự_án đầu_tư xây_dựng 1 . có đủ điều_kiện năng_lực hoạt_động xây_dựng phù_hợp với công_việc lập , thẩm_tra dự_án đầu_tư xây_dựng . 2 . cá_nhân đảm_nhận chức_danh chủ_nhiệm lập , thẩm_tra dự_án ; cá_nhân tham_gia lập , thẩm_tra dự_án phải có năng_lực hành_nghề phù_hợp với từng loại dự_án đầu_tư xây_dựng . thành_viên tham_gia phải đủ năng_lực hành_nghề lập dự_án phù_hợp với yêu_cầu của dự_án đầu_tư xây_dựng . điều 152 . điều_kiện của tổ_chức tư_vấn quản_lý dự_án , ban quản_lý dự_án đầu_tư xây_dựng 1 . tổ_chức tư_vấn quản_lý dự_án đầu_tư xây_dựng phải đáp_ứng các điều_kiện sau :',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

<!-- ### Direct Usage (Transformers) <details><summary>Click to see the direct usage in Transformers</summary> </details> --> <!-- ### Downstream Usage (Sentence Transformers) You can finetune this model on your own dataset. <details><summary>Click to expand</summary> </details> --> <!-- ### Out-of-Scope Use *List how the model may foreseeably be misused and address what users ought not to do with the model.* --> <!-- ## Bias, Risks and Limitations *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* --> <!-- ### Recommendations *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* -->

Training Details

Training Dataset

json

• Dataset: json
• Size: 38,845 training samples
• Columns: <code>query</code> and <code>pos</code>
• Approximate statistics based on the first 1000 samples:

  	query	pos
  type	string	string
  details	<ul><li>min: 8 tokens</li><li>mean: 19.7 tokens</li><li>max: 43 tokens</li></ul>	<ul><li>min: 89 tokens</li><li>mean: 212.92 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  query	pos
  <code>Pháp_luật quy_định tỷ_lệ đại_diện của phụ_nữ trong Quốc_hội là bao_nhiêu ?</code>	<code>luật bầu_cử đại_biểu quốc_hội và đại_biểu hội_đồng_nhân_dân , chương ii dự_kiến cơ_cấu , thành_phần và phân_bổ đại_biểu quốc_hội , đại_biểu hội_đồng_nhân_dân ; đơn_vị bầu_cử và khu_vực bỏ_phiếu , điều 8 . dự_kiến cơ_cấu , thành_phần những người được giới_thiệu ứng_cử đại_biểu quốc_hội , khoản 2 , nội_dung : chính trị-xã_hội , tổ_chức xã_hội , lực_lượng_vũ_trang nhân_dân , cơ_quan nhà_nước ở trung_ương và địa_phương được giới_thiệu ứng_cử đại_biểu quốc_hội để bảo_đảm tỷ_lệ đại_diện hợp_lý của các tầng_lớp nhân_dân trong quốc_hội . 2 . số_lượng người dân_tộc_thiểu_số được giới_thiệu ứng_cử đại_biểu quốc_hội do ủy_ban thường_vụ quốc_hội dự_kiến trên cơ_sở đề_nghị của hội_đồng dân_tộc của quốc_hội , bảo_đảm có ít_nhất mười_tám phần_trăm tổng_số người trong danh_sách chính_thức những người ứng_cử đại_biểu quốc_hội là người dân_tộc_thiểu_số . 3 . số_lượng phụ_nữ được giới_thiệu ứng_cử đại_biểu quốc_hội do ủy_ban thường_vụ quốc_hội dự_kiến trên cơ_sở đề_nghị của đoàn_chủ_tịch ban_chấp_hành trung_ương hội liên_hiệp phụ_nữ việt_nam , bảo_đảm có ít_nhất ba mươi_lăm phần_trăm tổng_số người trong danh_sách chính_thức những người ứng_cử đại_biểu quốc_hội là phụ_nữ .</code>
  <code>Làm thế_nào để trích_xuất phạm_nhân để phục_vụ điều_tra , truy_tố , xét_xử ?</code>	<code>luật thi_hành án hình_sự , chương iii thi_hành án phạt tù_mục 1 thủ_tục thi_hành án phạt tù và chế_độ quản_lý giam_giữ , giáo_dục phạm_nhân , điều 40 . thực_hiện trích_xuất phạm_nhân , tiêu_đề : cơ_quan thi_hành án hình_sự công_an cấp huyện phải làm thủ_tục trả tự_do cho người được miễn_chấp_hành án và báo_cáo kết_quả cho cơ_quan quản_lý thi_hành án hình_sự hoặc cơ_quan thi_hành án hình_sự cấp trên . điều 40 . thực_hiện trích_xuất phạm_nhân 1 . cơ_quan , người có thẩm_quyền tiến_hành tố_tụng khi có yêu_cầu trích_xuất phạm_nhân phải gửi văn_bản yêu_cầu cho cơ_quan quản_lý thi_hành án hình_sự , cơ_quan thi_hành án hình_sự công_an cấp tỉnh , cơ_quan thi_hành án hình_sự cấp quân_khu nơi cơ_quan , người có thẩm_quyền tiến_hành tố_tụng có yêu_cầu trích_xuất để yêu_cầu người có thẩm_quyền quy_định tại khoản 2 điều này ra_lệnh trích_xuất . khi nhận được yêu_cầu trích_xuất phạm_nhân , người có thẩm_quyền phải ra_lệnh trích_xuất . 2 . thẩm_quyền trích_xuất phạm_nhân để phục_vụ điều_tra , truy_tố , xét_xử được thực_hiện như sau : a ) thủ_trưởng cơ_quan quản_lý thi_hành án hình_sự thuộc bộ công_an ra_lệnh trích_xuất đối_với phạm_nhân đang chấp_hành án tại trại_giam , trại tạm giam thuộc bộ công_an ;</code>
  <code>Bộ Xây_dựng quy_định những đối_tượng nào được hỗ_trợ về nhà ở xã_hội ?</code>	<code>luật nhà ở , chương iv chính_sách về nhà ở xã_hội mục 1 những quy_định chung , điều 49 . đối_tượng được hưởng chính_sách hỗ_trợ về nhà ở xã_hội , khoản 8 , nội_dung : nghiệp_vụ , hạ_sĩ_quan_chuyên_môn kỹ_thuật , quân_nhân chuyên_nghiệp , công_nhân trong cơ_quan , đơn_vị thuộc công_an nhân_dân và quân_đội nhân_dân ; 7 . cán_bộ , công_chức , viên_chức theo quy_định của pháp_luật về cán_bộ , công_chức , viên_chức ; 8 . các đối_tượng đã trả lại nhà ở công_vụ theo quy_định tại khoản 5 điều 81 của luật này ; 9 . học_sinh , sinh_viên các học_viện , trường đại_học , cao_đẳng , dạy nghề ; học_sinh trường dân_tộc nội_trú công_lập được sử_dụng nhà ở trong thời_gian học_tập ; 10 . hộ gia_đình , cá_nhân thuộc diện bị thu_hồi đất và phải giải_tỏa , phá dỡ nhà ở theo quy_định của pháp_luật mà chưa được nhà_nước bồi_thường bằng nhà ở , đất ở . điều 50 . hình_thức thực_hiện chính_sách hỗ_trợ về nhà ở xã_hội 1 . hỗ_trợ giải_quyết cho thuê , cho thuê mua , bán nhà ở xã_hội cho các đối_tượng quy_định tại các khoản 1 , 4 , 5 , 6 , 7 , 8 và 10 điều 49 của luật này ; đối_với đối_tượng quy_định tại khoản 9 điều 49 của luật này thì chỉ được thuê nhà ở xã_hội .</code>

• Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Evaluation Dataset

json

• Dataset: json
• Size: 38,845 evaluation samples
• Columns: <code>query</code> and <code>pos</code>
• Approximate statistics based on the first 1000 samples:

  	query	pos
  type	string	string
  details	<ul><li>min: 9 tokens</li><li>mean: 19.82 tokens</li><li>max: 43 tokens</li></ul>	<ul><li>min: 89 tokens</li><li>mean: 213.78 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  query	pos
  <code>Pháp_luật quy_định như_thế_nào về việc tác_động vào thời_tiết khi không được cơ_quan nhà_nước có thẩm_quyền phê_duyệt kế_hoạch tác_động vào thời_tiết ?</code>	<code>luật khí_tượng thủy văn_____________ , chương i quy_định chung , điều 8 . những hành_vi bị nghiêm_cấm , khoản 11 , nội_dung : vi_phạm quy_chuẩn kỹ_thuật , quy_trình chuyên_môn trong hoạt_động khí_tượng thủy_văn . 10 . tác_động vào thời_tiết khi không được cơ_quan nhà_nước có thẩm_quyền phê_duyệt kế_hoạch tác_động vào thời_tiết hoặc trái với kế_hoạch được phê_duyệt . 11 . che_giấu , không cung_cấp hoặc cố_ý cung_cấp sai_lệch , không đầy_đủ , không kịp_thời thông_tin , dữ_liệu khí_tượng thủy_văn . 12 . làm trái quy_định về truyền , phát tin dự_báo , cảnh_báo khí_tượng thủy_văn . 13 . lợi_dụng chức_vụ , quyền_hạn hoặc vượt quá quyền_hạn của người có thẩm_quyền để làm trái quy_định của pháp_luật về khí_tượng thủy_văn . 14 . lợi_dụng hoạt_động hợp_tác quốc_tế về khí_tượng thủy_văn , giám_sát biến_đổi khí_hậu để thực_hiện hành_vi vi_phạm pháp_luật . chương ii quản_lý , khai_thác mạng_lưới trạm khí_tượng thủy_văn điều 9 . nội_dung quản_lý , khai_thác mạng_lưới trạm khí_tượng thủy_văn 1 . xây_dựng quy_hoạch , kế_hoạch phát_triển mạng_lưới trạm khí_tượng thủy_văn . 2 . quan_trắc khí_tượng thủy_văn . 3 . điều_tra , khảo_sát khí_tượng thủy_văn . 4 . quản_lý , bảo_vệ công_trình khí_tượng thủy_văn . 5 . quản_lý chất_lượng phương_tiện đo khí_tượng thủy_văn .</code>
  <code>Đầu_tư xây_dựng cảng biển cần phải phù_hợp với quy_hoạch tổng_thể phát_triển hệ_thống cảng biển như_thế_nào ?</code>	<code>luật sửa_đổi , bổ_sung một_số điều của 37 luật có liên_quan đến quy_hoạch , điều 2 . sửa_đổi , bổ_sung một_số điều của bộ_luật hàng_hải việt_nam , khoản 5 , điểm a : và hướng_dẫn , kiểm_tra thực_hiện quy_hoạch phát_triển hệ_thống cảng cạn đã được phê_duyệt theo quy_định của pháp_luật về quy_hoạch và pháp_luật về hàng_hải . 5 . bộ , cơ_quan ngang bộ và ủy ban_nhân_dân cấp tỉnh có trách_nhiệm : a ) phối_hợp với bộ giao_thông vận_tải tổ_chức quản_lý thực_hiện quy_hoạch phát_triển hệ_thống cảng cạn theo quy_định của bộ_luật này và quy_định khác của pháp_luật có liên_quan ; b ) bảo_đảm quỹ đất để xây_dựng phát_triển cảng cạn theo quy_hoạch phát_triển hệ_thống cảng cạn đã được phê_duyệt . 6 . chính_phủ quy_định chi_tiết việc lập , thẩm_định , phê_duyệt , công_bố , thực_hiện , đánh_giá và điều_chỉnh quy_hoạch phát_triển hệ_thống cảng cạn . ” . 7 . sửa_đổi , bổ_sung khoản 1 điều 83 như sau : “ 1 . đầu_tư xây_dựng cảng biển , luồng hàng_hải phải phù_hợp với quy_hoạch tổng_thể phát_triển hệ_thống cảng biển , quy_hoạch chi_tiết nhóm cảng biển , bến cảng , cầu_cảng , bến phao , khu nước , vùng nước , quy_hoạch chi_tiết phát_triển vùng_đất , vùng nước cảng biển theo quy_định của bộ_luật này , quy_định của pháp_luật về đầu_tư , xây_dựng và quy_định khác của pháp_luật có liên_quan . ” .</code>
  <code>Thân_nhân của người tham_gia bảo_hiểm_xã_hội cần phải làm gì và trong thời_hạn bao_lâu để được hưởng trợ_cấp tuất hằng tháng khi người tham_gia bảo_hiểm_xã_hội chết ?</code>	<code>luật bảo_hiểm_xã_hội , điều 67 . các trường_hợp hưởng trợ_cấp tuất hằng tháng , khoản 3 , nội_dung : người tham_gia bảo_hiểm_xã_hội đang có nghĩa_vụ nuôi_dưỡng theo quy_định của pháp_luật về hôn_nhân và gia_đình nếu dưới 60 tuổi đối_với nam , dưới 55 tuổi đối_với nữ và bị suy_giảm khả_năng lao_động từ 81 % trở lên . 3 . thân_nhân quy_định tại các điểm b , c và d khoản 2 điều này phải không có thu_nhập hoặc có thu_nhập hằng tháng nhưng thấp hơn mức lương cơ_sở . thu_nhập theo quy_định tại luật này không bao_gồm khoản trợ_cấp theo quy_định của pháp_luật về ưu_đãi người có công . 4 . thời_hạn đề_nghị khám giám_định_mức suy_giảm khả_năng lao_động để hưởng trợ_cấp tuất hằng tháng như sau : a ) trong thời_hạn 04 tháng kể từ ngày người tham_gia bảo_hiểm_xã_hội chết thì thân_nhân có nguyện_vọng phải nộp đơn đề_nghị ; b ) trong thời_hạn 04 tháng trước hoặc sau thời_điểm thân_nhân quy_định tại điểm a_khoản 2 điều này hết thời_hạn hưởng trợ_cấp theo quy_định thì thân_nhân có nguyện_vọng phải nộp đơn đề_nghị . điều 68 . mức trợ_cấp tuất hằng tháng</code>

• Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• overwrite_output_dir: True
• per_device_train_batch_size: 10
• per_device_eval_batch_size: 10
• learning_rate: 1e-05
• num_train_epochs: 5
• warmup_ratio: 0.1
• fp16: True
• batch_sampler: no_duplicates

All Hyperparameters

<details><summary>Click to expand</summary>

• overwrite_output_dir: True
• do_predict: False
• eval_strategy: no
• 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: 1e-05
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 5
• max_steps: -1
• lr_scheduler_type: linear
• lr_scheduler_kwargs: {}
• warmup_ratio: 0.1
• warmup_steps: 0
• log_level: passive
• log_level_replica: warning
• log_on_each_node: True
• logging_nan_inf_filter: True
• save_safetensors: True
• save_on_each_node: False
• save_only_model: False
• restore_callback_states_from_checkpoint: False
• no_cuda: False
• use_cpu: False
• use_mps_device: False
• seed: 42
• data_seed: None
• jit_mode_eval: False
• use_ipex: False
• bf16: False
• fp16: True
• fp16_opt_level: O1
• half_precision_backend: auto
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• local_rank: 0
• ddp_backend: None
• tpu_num_cores: None
• tpu_metrics_debug: False
• debug: []
• dataloader_drop_last: 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: False
• hub_always_push: False
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• 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

Framework Versions

• Python: 3.10.14
• Sentence Transformers: 3.1.1
• Transformers: 4.44.0
• PyTorch: 2.4.0
• Accelerate: 0.33.0
• Datasets: 2.21.0
• Tokenizers: 0.19.1

Citation

BibTeX

Sentence Transformers

@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

@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.* -->