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 +1,719 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:451949
+- loss:CachedMultipleNegativesRankingLoss
+base_model: BAAI/bge-m3
+widget:
+- source_sentence: 누가 산업부와 함께 지속가능경영 실태조사를 하고 있어?
+  sentences:
+  - '산업부와 환경부, 정책공조를 위한 실질적 첫걸음 ! - 양 부처 실무협의회 개최, 구체적 현안 논의 -
+
+    □ 산업통상자원부(장관: 윤상직, 이하 ‘산업부’)와 환경부(장관: 윤성규)는 7월 8일(월),『제1차 산업부-환경부 실무협의회』를 개최하고
+    양 부처간 주요 현안에 대해 논의하였음
+
+    ㅇ 양 부처는 지난 5월 21일 양 부처 차관 주재로 정례적 협의 채널인『융합행정협의회』를 설치하고 4대 분야별* 실무협의회를 구성하기로 합의한
+    바 있고, 이번 회의는 그 후속조치로서 열린 것임 * 환경규제․지원협력, 자원순환사회 구축, 지속가능한 에너지수급, 온실가스 감축
+
+    < 제1차 산업부-환경부 실무협의회 개요 >
+
+    ◇ 참석
+
+    - (산업부) 산업정책실장, 산업정책관, 에너지절약추진단장 등
+
+    - (환경부) 환경정책실장, 자원순환국장, 기후대기정책관 등
+
+    ◇ 일시/장소 : 2013. 7. 8.(월) 16:30 / 한국생산성본부
+
+    ◇ 논의대상 : 자원순환사회 구축, 온실가스 감축 분야'
+  - '환경부, 대구시 등 하수도 운영 우수 지자체 8곳 선정
+
+    최우수 공공하수도관리청 평가 현황
+
+     Ⅰ그룹 1위 : 대구광역시
+
+    ○ 하수처리시설 유입수질이 121%로 높음에도 불구하고, 방류수질을 기준 이내로 양호하게 관리하는 한편, 특·광역시 평균 하수찌꺼기 감량화율
+    41.4%에 비해 월등히 높은 66.7%를 기록하였음
+
+     Ⅱ그룹 1위 : 경기 부천시
+
+    ○ 부천시는 기술자격증 보유율 92%, 운영요원 총 교육시간 74.7시간 등으로 현장 기술인력에 대한 관리를 잘 하고 있으며, 하수찌꺼기를
+    소각하여 복토재 및 벽돌보조제 등으로 전량 재활용하고 있음
+
+     Ⅲ그룹 1위 : 충북 제천시
+
+    ○ 지자체가 직영하는 곳으로서 하수처리수 재이용율 21%, 중수도 및 빗물이용시설 가동율 52%, 에너지 자립율 32.1%로 우수하였음
+
+     Ⅳ그룹 1위 : 경북 성주군
+
+    ○ 성주군은 방류수량의 75%를 습지로 유입시켜 주민친화시설로 운영하고, 특히, 소규모 시설 유지·관리가 양호(T-N 5.8mg/L, T-P
+    0.6mg/L) 하며, 하수찌꺼기는 전량 퇴비로 재활용한 점이 돋보였음'
+  - "지속가능경영, 지난 10년을 되돌아보다 - 2013년 지속가능경영 실태조사 결과 발표\x02\n1. 10년차를 맞이한 지속가능경영 실태조사\n\
+    ㅇ 산업부는 지난 ’03년부터 지속가능경영에 대한 국내 산업계의 인식을 제고하기 위한「지속가능경영실태조사*」를 산업정책연구원과 함께 실시 중\n\
+    * 2003년 ‘윤리경영 실태조사’로 시작한 본 조사는 2008년부터 ‘비전’.‘환경경영’의 평가요소가 추가된 ‘지속가능경영실태조사’로 확대․개편\n\
+    ㅇ 지속가능경영실태조사 결과는 ‘대한민국 사랑받는 기업 정부포상’ 선정에 반영되고, 일부 기업은 핵심성과지표(KPI)로 활용하는 등 산업계\
+    \ 전반의 지속가능경영 문화 확산에 기여함"
+- source_sentence: 4차 가습기살균제 피해는 어느 기관에서 신청받지?
+  sentences:
+  - 가습기살균제 피해 지원, 지자체와 함께 한다! □ 환경부(장관 윤성규)는 지자체와 함께 가습기살균제 피해접수창구 마련, 피해자 찾기 홍보를
+    중점적으로 추진한다. ○ 이와 관련, 환경부는 지난 5월 27일 정부세종청사에서 전국 17개 시․도 지자체 담당자와 가습기살균제 피해자 대책에
+    관해 논의했다. □ 환경부는 지자체에서 피해자 신청 접수를 받을 경우, 정부가 규정한 서류가 제대로 제출됐는지 여부를 꼼꼼히 확인해서 한국환경산업
+    기술원에 전달해 줄 것을 지자체에 당부했다. ○ 현재 가습기살균제 피해 조사를 한국환경산업기술원에 신청할 때에는 신청서와 신분증사본, 개인정보
+    수집·이용 및 제공 동의서, 사망진단서(사망자), 진료기록부를 필히 제출하고, 기타 폐질환 입증을 위해 영상자료 등도 제출하도록 규정하고 있다.
+    ○ 환경부는 피해의심 당시의 컴퓨터단층촬영(CT)과 같은 검사결과는 피해의 인과관계를 보다 정확하게 판정할 수 있는 자료이기에 누락되지 않도록
+    특별히 확인해 달라고 지자체에 요청했다. ○ 현재 지자체 중에서 자체적으로 피해 접수창구를 운��하는 곳은 광역지자체의 경우 경기, 전북, 전남,
+    광주광역시 4곳이며, 기초 지자체는 성남시 1곳이다. 해당 지자체의 연락처는 다음과 같다. □ 또한, 효과적인 가습기살균제 피해자 찾기를 위해
+    지자체는 누리집(홈페이지)과 반상회보 등을 통해 ‘가습기살균제 신청접수’를 홍보하고 동영상, 안내 책자 등을 환경부와 공유‧홍보하기로 했다.
+    □ *** 환경부 환경보건정책과장은 “지자체의 적극적인 참여가 있을 경우 보다 효율적인 피해자 찾기가 가능할 것으로 기대한다”고 밝혔다.
+  - '환경부, 4차 가습기살균제 피해 신청 접수할 계획
+
+    □ 환경부(장관 윤성규)는 가습기살균제에 대한 피해조사 신청에 대한 추가접수를 재개하고, 현재 진행 중인 3차 신청자 조사 및 판정도 조속히
+    마무리할 계획이라고 밝혔다. □ 4차 피해조사 신청 접수
+
+    ㅇ 현재 환경부는 4차 피해조사 신청접수 예정이며, 5월중으로 관련 고시*를 개정할 계획이다. * 가습기살균제에 사용된 화학물질로 인한 폐질환의
+    인정 및 지원기준 등에 관한 고시
+
+    ㅇ 추가 신청을 원하는 분들은 신청서와 함께 개인정보 수집·이용 및 제공동의서, 신분증 사본, 진료기록부, X-Ray, CT 등 의료기관의
+    진단자료를 준비하여 한국환경산업기술원에 신청하면 된다(02-3800-575)
+
+    ※ 인터넷 홈페이지 : http://www.keiti.re.kr/wat/page12.html
+
+    □ 가습기살균제 피해 3차 조사를 앞당겨 마무리
+
+    ㅇ 지난 연말 마감된 3차 접수에서는 총 752명 신청을 하여 현재 서울아산병원을 중심으로 조사와 판정이 진행되고 있다.
+
+    ㅇ 환경부는 조사기관과 협력하여 진료기록부, X-Ray, CT 등의 증빙서류를 제출한 신청자들은 금년말까지 조사를 끝마치고, 증빙서류 제출이
+    미비한 신청자들은 ‘17년말까지 조사를 완료할 계획이다. ※ 3차 피해 조사 신청자 752명 중 458명이 증빙서류 없이 신청서만 제출
+
+    □ 가습기살균제 건강영향 조사·연구 확대
+
+    ㅇ 환경부는 서울아산병원을 환경보건센터로 지정(‘15.4월), 기 조사·판정된 피해자들에 대한 건강모니터링 등을 통하여 폐 이외의 건강피해
+    가능성을 조사·연구하고 있으며, 해당 분야에 대한 진단·판정기준이 마련될 경우 지원 대상을 확대할 계획이다.
+
+    ㅇ 올해부터는 건강보험공단 등이 보유하고 있는 피해자 건강정보 자료를 확보하여 피해가능성을 보다 심층적으로 연구하고, 가습기 살균제 유해성분에
+    의한 폐손상과 관련된 질환 발생 메카니즘 규명과 건강영향평가 연구(R&D)도 함께 추진하고 있다.'
+  - '세계 13개 국가 고위공무원 한국 전자정부 배우러 방한 - 행자부, 전자정부 수출확대를 위한 개도국 공무원 초청연수 실시 -
+
+    □ 이번 연수는 7일 오전 정부서울청사에서 *** 전자정부 국장 주재 입교식을 시작으로 한국정보화진흥원 주관하에 지능형교통시스템, 관세통관시스템
+    우수사례 공유, 수출기업 비즈니스 미팅, 정부통합전산센터 방문 등으로 진행된다. - 아울러 연수자들은 전자정부 교육프로그램과 함께 부산에서
+    열리는 정부3.0 체험마당 및 글로벌포럼에 참여해 한국이 디지털 기반 행정혁신으로 추진해 온 사례를 직접 체험하게 된다. □ 이날 입교식에서
+    이인재 행정자치부 전자정부 국장은 “전자정부의 성공 경험을 세계와 공유할 것이며, 전자정부의 혜택을 다른 국가 국민들도 누릴 수 있도록 전자정부
+    선도국으로서의 국제적 책무 (Nobless Oblige)도 적극적으로 수행할 것”이라고 말했다. □ 행정자치부는 이번 초청연수 과정에 참석한
+    국가로부터 전자정부 협력 수요를 받아 국가별 교류협력 방안을 수립하는 등 향후에도 지속적인 전자정부 협력을 추진할 계획이다.'
+- source_sentence: 몇 개의 업체가 수요기업협의체에 참여하니?
+  sentences:
+  - 산업부 – 중견기업간『성과공유제 자율추진 협약식』개최<br>성과공유제 도입기업 현황<br>2013년7월5일기준<br>성과공유제 도입기업(85社)<br>◦
+    공공기관(31社) <table><tbody><tr><td>공기업(19)</td><td>한국수자원공사, 한국남동발전, 한국전력공사, 인천국제공항공사,
+    한국남부발전, 한국중부발전, 한국서부발전, 한국동서발전, 한국토지주택공사, 한국가스공사, 한국공항공사, 한국마사회, 한국철도공사, 한국지역난방공사,
+    한국석유공사, 한국조폐공사, 한국수력원자력, 인천항만공사, 한국전력기술</td></tr><tr><td>준정부기관(6)</td><td>한국철도시설공단,
+    한국환경공단, 한국인터넷진흥원, 도로교통공단, 한국디자인진흥원, 교통안전공단</td></tr><tr><td>기타공공기관(6)</td><td>수도권매립지관리공사,
+    한전원자력연료, 한전KPS, 인천종합에너지, 주택관리공단, 한전KDN</td></tr></tbody></table>
+  - '질병관리본부, 2017년 지역사회건강조사 결과 발표
+
+    □ 질병관리본부(본부장 정은경)는 만 19세 이상 성인을 대상으로 조사한 『2017년 지역사회건강조사』주요결과를 발표했다. □ 주요 지표별
+    조사결과는 다음과 같다. ○ (현재흡연율) 2017년 21.2%로 2008년 대비 4.2%p 감소, 전년대비 0.7%p 감소
+
+    - 전년보다 증가한 지역 수는 91개, 감소한 지역 수는 158개
+
+    ○ (남자 현재흡연율) 2017년 39.3%로 2008년 대비 8.5%p 감소, 전년대비 1.3%p 감소
+
+    - 전년보다 증가한 지역 수는 90개, 감소한 지역 수는 160개
+
+    ○ (연간음주자의 고위험음주율) 2017년 18.4%로 2008년 대비 0.2%p 감소,
+
+    전년대비 0.4%p 증가
+
+    - 전년보다 증가한 지역 수는 147개, 감소한 지역 수는 106개
+
+    ○ (걷기 실천율) 2017년 45.4%로 2008년 대비 6.0%p 감소, 전년대비 2.0%p 증가
+
+    - 전년보다 증가한 지역 수는 155개, 감소한 지역 수는 97'
+  - '정부, ’15년 기후변화대응 기술혁신 Best of Best-10 발표 - 기후변화대응 6대 핵심기술로 에너지 신산업 창출 뒷받침 -
+
+    □ 정부는 이번에 선정된 10대 대표 성과를 그 성격에 따라 기술 상용화 촉진, 정부 주도의 사업 및 민간 부문 적용, 해외로의 기술수출 등을
+    집중 지원할 계획이다.
+
+    ㅇ 혁신성이 커서 상용화 시 세계 시장을 주도할 수 있는 성과는 200여개 기업이 참여하는 수요기업협의체를 통한 기업과의 협력, 출연(연)
+    TLO 등 전문기관을 통한 기술 사업화 등을 지원하여 상용화를 촉진한다. ※ ▴세계 최고효율의 무·유기 태양전지(상용화를 위한 R&D 강화(’15년
+    35억원 → ’16년 55억원), ▴전력생산을 40% 향상시키는 연료전지 소자(양산공정 후속 연구 지원), ▴초고온 고세균 바이오수소 생산
+    기술(현재 1톤 → 10톤 규모의 실증 지원) 등
+
+    ㅇ 국내·외 온실가스 감축을 위해 단시일 내 적용 가능한 성과는 정부의 실증 사업과 공공 보급 사업에 우선 활용하고, 지역별 창조경제혁신센터를
+    통해 신시장 창출을 지원한다. ※ ▴건물 창호용 반투명 태양전지(진천 친환경에너지타운 실증 추진, 충북창조경제혁신센터를 통한 중소기업 기술이전
+    및 창업지원), ▴가사도 에너지자립섬(국내 도서지역으로 확대), ▴전기자동차용 이차전지 수명향상 기술(광주창조경제혁신센터를 통한 산학연 공동연구
+    및 수소펀드(150억원) 지원) 등
+
+    ㅇ 향후 新기후체제에 대응한 한·EU, 한·미 과기공동위 등을 통한 국제 공동 연구, UN의 기술메커니즘(Climate Technology
+    Center & Network) 참여 시에도 10대 대표 성과를 우선 포함할 계획이다. ※ ▴가사도 에너지자립섬(KOTRA 및 국제기금을 활용한
+    수출산업화 지원), ▴생산성을 3배 높인 바이오부탄올 생산 기술(유엔기후변화협약 기술협력 네트워크(CTCN)사업 대상), ▴미세조류를 이용한
+    CO2 자원화(한·EU 등 공동연구 프로젝트)'
+- source_sentence: 2013년 강원도 선정 유망중소기업 중 철못 결속선이 주생산품인 회사는 어디니?
+  sentences:
+  - 강원도 백년기업 현황(2012~2016) (17개) <table><tbody><tr><td>연도별</td><td>기업명</td><td>소재지</td><td>주생산품</td><td>대표자</td><td>비고</td></tr><tr><td
+    rowspan='8'>2012<br>(8개) </td><td>㈜하나식품</td><td>춘천</td><td>어묵</td><td>오성례</td><td>
+    </td></tr><tr><td>㈜뉴보텍</td><td>원주</td><td>배관자재</td><td>한거희</td><td> </td></tr><tr><td>㈜장성산업</td><td>원주</td><td>콘크리트블록</td><td>김천수</td><td>
+    </td></tr><tr><td>21세기기업㈜</td><td>강릉</td><td>자동차부품</td><td>이규환</td><td> </td></tr><tr><td>강릉초당두부</td><td>강릉</td><td>두부</td><td>최선윤</td><td>
+    </td></tr><tr><td>금한산업</td><td>강릉</td><td>조미오징어</td><td>김경은</td><td> </td></tr><tr><td>삼영수산</td><td>강릉</td><td>조미오징어</td><td>홍명섭</td><td>
+    </td></tr><tr><td>수한</td><td>횡성</td><td>문구류</td><td>윤휘정</td><td> </td></tr><tr><td
+    rowspan='4'>2013<br>(4개) </td><td>㈜삼화유업</td><td>원주</td><td>윤활유</td><td>김종성</td><td>
+    </td></tr><tr><td>㈜서울식품</td><td>원주</td><td>어묵</td><td>전영철</td><td> </td></tr><tr><td>㈜보고</td><td>삼척</td><td>소형특수선박</td><td>임성기</td><td>
+    </td></tr><tr><td>㈜성신미네필드</td><td>정선</td><td>탄산칼슘, 석회석</td><td>홍진모</td><td> </td></tr><tr><td
+    rowspan='2'>2014<br>(2개) </td><td>대한화인세라믹(주)</td><td>원주</td><td>세라믹코팅제</td><td>이병조</td><td>
+    </td></tr><tr><td>동해식품(주)</td><td>강릉</td><td>장류</td><td>김진은</td><td> </td></tr><tr><td>2015<br>(1개)
+    </td><td>㈜영남유리산업</td><td>원주</td><td>복층유리 외</td><td>김영석</td><td> </td></tr><tr><td
+    rowspan='2'>2016<br>(2개) </td><td>동그린(주)</td><td>강릉</td><td>아이스크림 식용빙과류</td><td>오일호</td><td>
+    </td></tr><tr><td>(주)옥두식품</td><td>횡성</td><td>핫도그, 츄러스</td><td>최정자,최광석</td><td>
+    </td></tr></tbody></table>
+  - '「KARA 2019 방사선진흥대회」개최(10.2) - 미래 방사선 산업 육성 및 국내 산업체 상생 방안 논의의 장 -
+
+    □ 과학기술정보통신부(장관 최기영, 이하 ‘과기정통부’)와 한국방사선진흥협회(KARA*)는 10월 2일(수), 한국과학기술회관에서 「KARA
+    2019방사선진흥대회」를 개최한다고 밝혔다. * 한국방사선진흥협회(Korea Association for Radiation Application)
+
+    ㅇ 올해로 18회를 맞는「KARA 방사선진흥대회」는 국내 방사선 관련 산·학·연 전문가들이 모여 방사선 연구개발 성과를 공유하고 방사선산업
+    발전 방향을 논의하는 장으로 역할을 해오고 있다.'
+  - '2013년『강원도 백년기업 및 유망중소기업』 선정기업<br>  2 유망중소기업(신규) : 21개사(춘천3, 원주4, 강릉2, 동해1, 속초1,
+    홍천2, 횡성5, 영월1, 평창1, 양양1)<br> <table><tbody><tr><td>연번</td><td>시군</td><td>기업명</td><td>대표자</td><td>주생산품</td></tr><tr><td>1</td><td>춘천</td><td>세린식품㈜</td><td>조병규</td><td>냉동만두</td></tr><tr><td>2</td><td>춘천</td><td>㈜메디안디노스틱</td><td>차명진</td><td>진단키트</td></tr><tr><td>3</td><td>춘천</td><td>㈜한국코러스제약</td><td>황재간</td><td>의약품</td></tr><tr><td>4</td><td>원주</td><td>㈜태진금속</td><td>안태균</td><td>자동차부품</td></tr><tr><td>5</td><td>원주</td><td>송암시스콤㈜</td><td>이해규</td><td>광모뎀,광전송장비</td></tr><tr><td>6</td><td>원주</td><td>㈜단정바이오</td><td>정의수</td><td>화장품원료</td></tr><tr><td>7</td><td>원주</td><td>광인와이어</td><td>함승호</td><td>스테인레스
+    진직와이어</td></tr><tr><td>8</td><td>강릉</td><td>동그린㈜</td><td>오일호</td><td>아이스크림</td></tr><tr><td>9</td><td>강릉</td><td>에스엔티㈜</td><td>김순교</td><td>투광기일체형통합시스템</td></tr><tr><td>10</td><td>동해</td><td>케이디산업</td><td>김광수</td><td>철못
+    결속선</td></tr><tr><td>11</td><td>속초</td><td>㈜고바우푸드</td><td>박영진</td><td>양념젓갈류</td></tr><tr><td>12</td><td>홍천</td><td>㈜세준에프엔비</td><td>박승용</td><td>누룽지,떡</td></tr><tr><td>13</td><td>홍천</td><td>㈜바이오닉스</td><td>김대성</td><td>환자·분만감시장치</td></tr><tr><td>14</td><td>횡성</td><td>플럭스라이트㈜</td><td>이활</td><td>LED,가로등,조명기기</td></tr><tr><td>15</td><td>횡성</td><td>가진기업㈜</td><td>최재상</td><td>지열히트펌프시스템</td></tr><tr><td>16</td><td>횡성</td><td>(합)대동엘로이샷시</td><td>박화순</td><td>합성수지창호용형재</td></tr><tr><td>17</td><td>횡성</td><td>웰텍㈜</td><td>이성식</td><td>강관</td></tr><tr><td>18</td><td>횡성</td><td>일륭기공㈜</td><td>이상원</td><td>자동차조향장치
+    부품</td></tr><tr><td>19</td><td>영월</td><td>㈜원파워영월공장</td><td>김동철</td><td>고무제품</td></tr><tr><td>20</td><td>평창</td><td>㈜비엔허브</td><td>최애란</td><td>한약재,
+    약용작물가공품</td></tr><tr><td>21</td><td>양양</td><td>㈜해송KNS</td><td>이미옥</td><td>자연버섯류</td></tr></tbody></table>'
+- source_sentence: 어떤 안건으로 제2차 그린철강위원회 관련 자동차협의회가 개최되었을까?
+  sentences:
+  - '제1차 녹색성장 이행점검회의 개최
+
+    □ 김황식 국무총리는 9.7(수) 15:00 정부중앙청사에서 제1차 녹색성장 이행점검회의를 개최하여,
+
+    ㅇ ‘공공건축 에너지효율 향상’과 ‘그린카 산업발전 전략’ 등 두 건에 대한 이행점검결과를 보고받고 보완대책을 논의하였음 * 그린카는 에너지
+    소비 효율이 우수하고 무공해․저공해 자동차로서 ① 전력을 기반으로 하는 전기차, 연료전지차, ② 엔진을 기반으로 하는 하이브리드차, 클린디젤차
+    등을 의미
+
+    □ 김총리는 이 자리에서 앞으로 매달 총리가 주재하는 관계장관회의를 통해 녹색성장 정책에 대한 이행���적을 점검하고,
+
+    ㅇ 그간 각 부처가 발표했던 주요 녹색성장정책들이 제대로 추진되고 있는지, 문제점이 있다면 그 이유가 무엇이며, 어떻게 해결해야 하는지 현실성
+    있는 해결방안을 마련해 나갈 계획임을 밝혔음 □ 김총리는 그동안 녹색성장 정책이 주로 계획수립 및 제도개선 과제에 집중하다보니, 상대적으로
+    집행단계에서 다소 미흡한 점이 있었다고 평가하며
+
+    ㅇ 녹색성장이 올바로 뿌리내릴 수 있도록 향후 중점 추진해야 할 핵심과제를 발굴하여 정책역량을 집중하고,
+
+    ㅇ 이를 통해 “국민에게 보고 드린 정책들은 반드시 제대로 추진해서 신뢰받는 정부가 되도록 해 달라”고 당부하였음 □ 녹색성장 정책 이행점검을
+    위해 녹색위는 그동안 관계부처, 민간전문가, 업계와 공동으로 점검을 실시하였으며, 점검결과는 다음과 같음 < ‘공공건축 에너지 효율’ 이행상황
+    점검 결과 >
+
+    □ ‘08.8월 이후 국토부, 지경부, 환경부 등 7개 부처가 추진중인 3개분야 11개 정책을 점검한 결과
+
+    ㅇ 점검결과 신축청사의 에너지효율 기준 강화 등 제도개선과제는 정상추진
+
+    ㅇ 그린스쿨, 저탄소 녹색마을 등 실제 집행단계에 있는 과제는 보완이 필요'
+  - 제2차 그린철강위원회(6.18) 개최<br> 탄소중립 협의회 2차 회의 개최 경과 및 향후 일정 <br> <table><tbody><tr><td>시리즈</td><td>일정</td><td>협의회</td><td>주요
+    내용</td><td>구분</td></tr><tr><td> </td><td>6.2</td><td>정유</td><td>정유업계 탄소중립 기술개발
+    로드맵 추진방향 모색</td><td rowspan='2'>旣개최 </td></tr><tr><td> </td><td>6.15</td><td>석유화학</td><td>
+    석유화학 분야 2050 탄소중립을 위한 예타 R&D 기획·추진 현황</td></tr><tr><td> </td><td>6.18</td><td>철강</td><td>철강
+    분야 2050 감축시나리오 수립 동향, 탄소중립 R&D 로드맵 등</td><td>개최</td></tr><tr><td> </td><td>6.23</td><td>표준화</td><td>탄소중립
+    표준화 전략 추진현황 점검</td><td rowspan='11'>개최 예정 </td></tr><tr><td> </td><td>6월말</td><td>반도체
+    디스플레이 </td><td>반도체·디스플레이 탄소중립 R&D 로드맵 동향 및 탄소중립 방향성 논의</td></tr><tr><td> </td><td>6월말</td><td>섬유‧제지</td><td>섬유ㆍ제지산업
+    탄소중립 R&D전략 논의</td></tr><tr><td> </td><td>6월말</td><td>기계</td><td>기계산업 탄소중립 추진전략
+    논의(잠정)</td></tr><tr><td> </td><td>7월초</td><td>기술혁신</td><td>‘2050 탄소중립 R&D 전략’
+    추진현황 논의</td></tr><tr><td> </td><td>7월초</td><td>자동차</td><td>자동차 2050 감축시나리오 수립
+    동향 및 탄소중립 로드맵 추진 현황</td></tr><tr><td> </td><td>7.1</td><td>조선</td><td>조선업 탄소중립
+    실현방안(잠정)</td></tr><tr><td> </td><td>7.2</td><td>바이오</td><td>협의체 운영방안 관련 주요 업계
+    간담회</td></tr><tr><td> </td><td>7.2</td><td>전기전자</td><td>전기전자 탄소중립 R&D 전략 논의 등
+    </td></tr><tr><td> </td><td>7.9</td><td>비철금속</td><td>비철금속업계 단기 온실가스 감축방안 논의 및
+    혁신사례 공유</td></tr><tr><td> </td><td>7.15</td><td>시멘트</td><td>시멘트산업 탄소중립 R&D 로드맵
+    및 탄소중립을 위한 제도개선 과제 마련</td></tr></tbody></table>
+  - '재난현장활동 유공자 표창계획
+
+    Ⅰ 표창개요
+
+     관련근거
+
+    ❍「지방공무원법」제79조,「서울특별시 표창조례」
+
+    ❍ 2021년도 공무원 시장표창 운영 계획 통보(市인사과-10542, 2021. 3. 30.)
+
+    ❍ 2021년도 소방공무원 등 시장표창 추천 계획 안내(소방행정과-8331, 2021. 4. 5.)
+
+     추진방향
+
+    ❍ 재난현장 및 구조활동 등 현장에서 활동하며 시민의 생명보호와 불편해소에 기여한 공이있는 소방공무원 발굴
+
+    ❍ 자치구, 경찰서, 군부대, 투자출현기관 등 재난현장에서 긴급구조지원기관 협력 추진 및 용감한 의인 발굴
+
+    ❍ 자연재해(폭염, 풍수해, 제설 등) 수습활동에서 공로와 헌신을 한 소방공무원 등 시장표창 수여를 통한 격려 및 사기진작
+
+    ❍ 대테러업무 및 재난대응에 필요한 훈련 등에서 공로를 인정 받은 소방공무원 및 기관에 대한 격려
+
+     훈격 및 인원 : 서울특별시장 / 6개분야 52명, 유공기관 7'
+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:** 1024 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': 1024, '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-kor-retrieval-451949-bs64-admin")
+# Run inference
+sentences = [
+    '어떤 안건으로 제2차 그린철강위원회 관련 자동차협의회가 개최되었을까?',
+    "제2차 그린철강위원회(6.18) 개최<br> 탄소중립 협의회 2차 회의 개최 경과 및 향후 일정 <br> <table><tbody><tr><td>시리즈</td><td>일정</td><td>협의회</td><td>주요 내용</td><td>구분</td></tr><tr><td> </td><td>6.2</td><td>정유</td><td>정유업계 탄소중립 기술개발 로드맵 추진방향 모색</td><td rowspan='2'>旣개최 </td></tr><tr><td> </td><td>6.15</td><td>석유화학</td><td> 석유화학 분야 2050 탄소중립을 위한 예타 R&D 기획·추진 현황</td></tr><tr><td> </td><td>6.18</td><td>철강</td><td>철강 분야 2050 감축시나리오 수립 동향, 탄소중립 R&D 로드맵 등</td><td>개최</td></tr><tr><td> </td><td>6.23</td><td>표준화</td><td>탄소중립 표준화 전략 추진현황 점검</td><td rowspan='11'>개최 예정 </td></tr><tr><td> </td><td>6월말</td><td>반도체 디스플레이 </td><td>반도체·디스플레이 탄소중립 R&D 로드맵 동향 및 탄소중립 방향성 논의</td></tr><tr><td> </td><td>6월말</td><td>섬유‧제지</td><td>섬유ㆍ제지산업 탄소중립 R&D전략 논의</td></tr><tr><td> </td><td>6월말</td><td>기계</td><td>기계산업 탄소중립 추진전략 논의(잠정)</td></tr><tr><td> </td><td>7월초</td><td>기술혁신</td><td>‘2050 탄소중립 R&D 전략’ 추진현황 논의</td></tr><tr><td> </td><td>7월초</td><td>자동차</td><td>자동차 2050 감축시나리오 수립 동향 및 탄소중립 로드맵 추진 현황</td></tr><tr><td> </td><td>7.1</td><td>조선</td><td>조선업 탄소중립 실현방안(잠정)</td></tr><tr><td> </td><td>7.2</td><td>바이오</td><td>협의체 운영방안 관련 주요 업계 간담회</td></tr><tr><td> </td><td>7.2</td><td>전기전자</td><td>전기전자 탄소중립 R&D 전략 논의 등 </td></tr><tr><td> </td><td>7.9</td><td>비철금속</td><td>비철금속업계 단기 온실가스 감축방안 논의 및 혁신사례 공유</td></tr><tr><td> </td><td>7.15</td><td>시멘트</td><td>시멘트산업 탄소중립 R&D 로드맵 및 탄소중립을 위한 제도개선 과제 마련</td></tr></tbody></table>",
+    '제1차 녹색성장 이행점검회의 개최\n□ 김황식 국무총리는 9.7(수) 15:00 정부중앙청사에서 \uf000제1차 녹색성장 이행점검회의\uf000를 개최하여,\nㅇ ‘공공건축 에너지효율 향상’과 ‘그린카 산업발전 전략’ 등 두 건에 대한 이행점검결과를 보고받고 보완대책을 논의하였음 * 그린카는 에너지 소비 효율이 우수하고 무공해․저공해 자동차로서 ① 전력을 기반으로 하는 전기차, 연료전지차, ② 엔진을 기반으로 하는 하이브리드차, 클린디젤차 등을 의미\n□ 김총리는 이 자리에서 앞으로 매달 총리가 주재하는 관계장관회의를 통해 녹색성장 정책에 대한 이행실적을 점검하고,\nㅇ 그간 각 부처가 발표했던 주요 녹색성장정책들이 제대로 추진되고 있는지, 문제점이 있다면 그 이유가 무엇이며, 어떻게 해결해야 하는지 현실성 있는 해결방안을 마련해 나갈 계획임을 밝혔음 □ 김총리는 그동안 녹색성장 정책이 주로 계획수립 및 제도개선 과제에 집중하다보니, 상대적으로 집행단계에서 다소 미흡한 점이 있었다고 평가하며\nㅇ 녹색성장이 올바로 뿌리내릴 수 있도록 향후 중점 추진해야 할 핵심과제를 발굴하여 정책역량을 집중하고,\nㅇ 이를 통해 “국민에게 보고 드린 정책들은 반드시 제대로 추진해서 신뢰받는 정부가 되도록 해 달라”고 당부하였음 □ 녹색성장 정책 이행점검을 위해 녹색위는 그동안 관계부처, 민간전문가, 업계와 공동으로 점검을 실시하였으며, 점검결과는 다음과 같음 < ‘공공건축 에너지 효율’ 이행상황 점검 결과 >\n□ ‘08.8월 이후 국토부, 지경부, 환경부 등 7개 부처가 추진중인 3개분야 11개 정책을 점검한 결과\nㅇ 점검결과 신축청사의 에너지효율 기준 강화 등 제도개선과제는 정상추진\nㅇ 그린스쿨, 저탄소 녹색마을 등 실제 집행단계에 있는 과제는 보완이 필요',
+]
+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`: 64
+- `learning_rate`: 3e-05
+- `num_train_epochs`: 1
+- `warmup_ratio`: 0.05
+- `fp16`: True
+- `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`: 64
+- `per_device_eval_batch_size`: 8
+- `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`: 3e-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`: 1
+- `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`: 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
+<details><summary>Click to expand</summary>
+
+| Epoch  | Step | Training Loss |
+|:------:|:----:|:-------------:|
+| 0.0057 | 1    | 0.8443        |
+| 0.0114 | 2    | 0.9439        |
+| 0.0171 | 3    | 0.8336        |
+| 0.0229 | 4    | 0.7631        |
+| 0.0286 | 5    | 0.7086        |
+| 0.0343 | 6    | 0.6314        |
+| 0.04   | 7    | 0.6318        |
+| 0.0457 | 8    | 0.5864        |
+| 0.0514 | 9    | 0.5219        |
+| 0.0571 | 10   | 0.4932        |
+| 0.0629 | 11   | 0.4067        |
+| 0.0686 | 12   | 0.4542        |
+| 0.0743 | 13   | 0.4086        |
+| 0.08   | 14   | 0.4072        |
+| 0.0857 | 15   | 0.3854        |
+| 0.0914 | 16   | 0.3505        |
+| 0.0971 | 17   | 0.3431        |
+| 0.1029 | 18   | 0.3668        |
+| 0.1086 | 19   | 0.3393        |
+| 0.1143 | 20   | 0.31          |
+| 0.12   | 21   | 0.3047        |
+| 0.1257 | 22   | 0.3301        |
+| 0.1314 | 23   | 0.2967        |
+| 0.1371 | 24   | 0.3098        |
+| 0.1429 | 25   | 0.2867        |
+| 0.1486 | 26   | 0.2518        |
+| 0.1543 | 27   | 0.2606        |
+| 0.16   | 28   | 0.257         |
+| 0.1657 | 29   | 0.2326        |
+| 0.1714 | 30   | 0.2829        |
+| 0.1771 | 31   | 0.3034        |
+| 0.1829 | 32   | 0.2568        |
+| 0.1886 | 33   | 0.2776        |
+| 0.1943 | 34   | 0.298         |
+| 0.2    | 35   | 0.2521        |
+| 0.2057 | 36   | 0.2924        |
+| 0.2114 | 37   | 0.2755        |
+| 0.2171 | 38   | 0.2314        |
+| 0.2229 | 39   | 0.2736        |
+| 0.2286 | 40   | 0.2297        |
+| 0.2343 | 41   | 0.2403        |
+| 0.24   | 42   | 0.2805        |
+| 0.2457 | 43   | 0.2348        |
+| 0.2514 | 44   | 0.2064        |
+| 0.2571 | 45   | 0.2227        |
+| 0.2629 | 46   | 0.2062        |
+| 0.2686 | 47   | 0.2666        |
+| 0.2743 | 48   | 0.2183        |
+| 0.28   | 49   | 0.2266        |
+| 0.2857 | 50   | 0.2131        |
+| 0.2914 | 51   | 0.2483        |
+| 0.2971 | 52   | 0.2475        |
+| 0.3029 | 53   | 0.2533        |
+| 0.3086 | 54   | 0.2199        |
+| 0.3143 | 55   | 0.2045        |
+| 0.32   | 56   | 0.1937        |
+| 0.3257 | 57   | 0.2144        |
+| 0.3314 | 58   | 0.1842        |
+| 0.3371 | 59   | 0.2374        |
+| 0.3429 | 60   | 0.233         |
+| 0.3486 | 61   | 0.2002        |
+| 0.3543 | 62   | 0.1788        |
+| 0.36   | 63   | 0.2128        |
+| 0.3657 | 64   | 0.1996        |
+| 0.3714 | 65   | 0.2241        |
+| 0.3771 | 66   | 0.228         |
+| 0.3829 | 67   | 0.2568        |
+| 0.3886 | 68   | 0.2063        |
+| 0.3943 | 69   | 0.1848        |
+| 0.4    | 70   | 0.1842        |
+| 0.4057 | 71   | 0.2318        |
+| 0.4114 | 72   | 0.1968        |
+| 0.4171 | 73   | 0.2032        |
+| 0.4229 | 74   | 0.1883        |
+| 0.4286 | 75   | 0.2148        |
+| 0.4343 | 76   | 0.2275        |
+| 0.44   | 77   | 0.2058        |
+| 0.4457 | 78   | 0.2104        |
+| 0.4514 | 79   | 0.2039        |
+| 0.4571 | 80   | 0.1903        |
+| 0.4629 | 81   | 0.1957        |
+| 0.4686 | 82   | 0.2121        |
+| 0.4743 | 83   | 0.1729        |
+| 0.48   | 84   | 0.2159        |
+| 0.4857 | 85   | 0.2048        |
+| 0.4914 | 86   | 0.1755        |
+| 0.4971 | 87   | 0.2023        |
+| 0.5029 | 88   | 0.1851        |
+| 0.5086 | 89   | 0.2018        |
+| 0.5143 | 90   | 0.2199        |
+| 0.52   | 91   | 0.2263        |
+| 0.5257 | 92   | 0.1967        |
+| 0.5314 | 93   | 0.2174        |
+| 0.5371 | 94   | 0.2075        |
+| 0.5429 | 95   | 0.1963        |
+| 0.5486 | 96   | 0.1926        |
+| 0.5543 | 97   | 0.185         |
+| 0.56   | 98   | 0.2089        |
+| 0.5657 | 99   | 0.1786        |
+| 0.5714 | 100  | 0.2075        |
+| 0.5771 | 101  | 0.205         |
+| 0.5829 | 102  | 0.1526        |
+| 0.5886 | 103  | 0.1909        |
+| 0.5943 | 104  | 0.2004        |
+| 0.6    | 105  | 0.1909        |
+| 0.6057 | 106  | 0.2113        |
+| 0.6114 | 107  | 0.2221        |
+| 0.6171 | 108  | 0.2           |
+| 0.6229 | 109  | 0.2164        |
+| 0.6286 | 110  | 0.1656        |
+| 0.6343 | 111  | 0.2221        |
+| 0.64   | 112  | 0.2046        |
+| 0.6457 | 113  | 0.1626        |
+| 0.6514 | 114  | 0.1851        |
+| 0.6571 | 115  | 0.1822        |
+| 0.6629 | 116  | 0.1781        |
+| 0.6686 | 117  | 0.1875        |
+| 0.6743 | 118  | 0.1967        |
+| 0.68   | 119  | 0.2009        |
+| 0.6857 | 120  | 0.2092        |
+| 0.6914 | 121  | 0.1781        |
+| 0.6971 | 122  | 0.2149        |
+| 0.7029 | 123  | 0.2409        |
+| 0.7086 | 124  | 0.2073        |
+| 0.7143 | 125  | 0.1851        |
+| 0.72   | 126  | 0.1824        |
+| 0.7257 | 127  | 0.1767        |
+| 0.7314 | 128  | 0.2187        |
+| 0.7371 | 129  | 0.2224        |
+| 0.7429 | 130  | 0.195         |
+| 0.7486 | 131  | 0.1558        |
+| 0.7543 | 132  | 0.1979        |
+| 0.76   | 133  | 0.1692        |
+| 0.7657 | 134  | 0.1811        |
+| 0.7714 | 135  | 0.199         |
+| 0.7771 | 136  | 0.2137        |
+| 0.7829 | 137  | 0.1704        |
+| 0.7886 | 138  | 0.1829        |
+| 0.7943 | 139  | 0.2346        |
+| 0.8    | 140  | 0.1784        |
+| 0.8057 | 141  | 0.1899        |
+| 0.8114 | 142  | 0.1517        |
+| 0.8171 | 143  | 0.168         |
+| 0.8229 | 144  | 0.2025        |
+| 0.8286 | 145  | 0.1685        |
+| 0.8343 | 146  | 0.1825        |
+| 0.84   | 147  | 0.2095        |
+| 0.8457 | 148  | 0.2027        |
+| 0.8514 | 149  | 0.1973        |
+| 0.8571 | 150  | 0.1875        |
+| 0.8629 | 151  | 0.2079        |
+| 0.8686 | 152  | 0.1789        |
+| 0.8743 | 153  | 0.1714        |
+| 0.88   | 154  | 0.183         |
+| 0.8857 | 155  | 0.1718        |
+| 0.8914 | 156  | 0.1899        |
+| 0.8971 | 157  | 0.1916        |
+| 0.9029 | 158  | 0.1941        |
+| 0.9086 | 159  | 0.1987        |
+| 0.9143 | 160  | 0.1421        |
+| 0.92   | 161  | 0.1598        |
+| 0.9257 | 162  | 0.1596        |
+| 0.9314 | 163  | 0.1801        |
+| 0.9371 | 164  | 0.1595        |
+| 0.9429 | 165  | 0.1983        |
+| 0.9486 | 166  | 0.2002        |
+| 0.9543 | 167  | 0.2045        |
+| 0.96   | 168  | 0.167         |
+| 0.9657 | 169  | 0.2106        |
+| 0.9714 | 170  | 0.19          |
+| 0.9771 | 171  | 0.1717        |
+| 0.9829 | 172  | 0.1899        |
+| 0.9886 | 173  | 0.1596        |
+| 0.9943 | 174  | 0.1863        |
+| 1.0    | 175  | 0.1969        |
+
+</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",
+}
+```
+
+#### CachedMultipleNegativesRankingLoss
+```bibtex
+@misc{gao2021scaling,
+    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup},
+    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},
+    year={2021},
+    eprint={2101.06983},
+    archivePrefix={arXiv},
+    primaryClass={cs.LG}
+}
+```
+
+<!--
+## 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": "bge-m3-kor-retrieval-451949-bs64-admin/checkpoint-175",
+  "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:da94a2aaa445dbed7c932b224ab8b7b76f5ac7b4cd88810ba0fff66dcdccd23c
+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": 1024,
+  "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 sha256:6e3b8957de04e3a4ed42b1a11381556f9adad8d0d502b9dd071c75f626b28f40
+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": 1024,
+  "model_max_length": 1024,
+  "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>"
+}