--- base_model: Morgan9803/klue-roberta-base-klue-sts library_name: sentence-transformers metrics: - pearson_cosine - spearman_cosine pipeline_tag: sentence-similarity tags: - sentence-transformers - sentence-similarity - feature-extraction - generated_from_trainer - dataset_size:17552 - loss:MultipleNegativesRankingLoss widget: - source_sentence: 조세피난처 프로젝트 4차 명단에 포함된 사람의 이름은? sentences: - ● 워런 버핏과의 점심식사 2008년 65만달러를 내고 워런 버핏과 ‘자선 점심식사’를 했던 저자가 버핏과의 대화를 통해 진정한 가치투자자로 변하는 과정을 기록했다. (가이 스파이어 지음, 이건 옮김, 이레미디어, 292쪽, 1만5500원) ● 마케팅 미래 지도를 바꾸다 마케팅과 기술이 결합한 역사를 되돌아본다. 기술이 미래의 마케팅 생태계를 어떻게 바꿀 것인지 다양한 사례를 바탕으로 예측한다. (박세정 지음, 아틀라스북스, 251쪽, 1만4000원) ● 왜 지금 드론인가 군사용으로 시작해 일상에 퍼지고 있는 드론(무인기)을 상업적 시각에서 분석했다. 드론 제작사 탐방과 드론 제작자 인터뷰 등을 통해 드론에 관한 다양한 정보를 소개한다. (편석준 외 지음, 미래의창, 232쪽, 1만2000원)● 안 팔리는 책 VS 잘 팔리는 책 출판 마케팅의 원리와 사례를 설명한다. 출판 관계자들이 갖고 있던 마케팅에 대한 오해를 지적하고 앞으로 출판시장을 전망한다. (한대웅 지음, 다음생각, 439쪽, 1만8000원) ● 최초의 이슬람 제국 우마이야 중앙아시아부터 모로코까지 현재 이슬람권으로 분류되는 나라들이 어떻게 이슬람에 복속됐는지 조명한다. 이슬람뿐만 아니라 기독교의 변천사도 살핀다. (김승철 지음, 좋은땅, 330쪽, 1만8000원) ● 권오길이 찾은 발칙한 생물들 곰팡이만 먹지만 책을 망친다고 오해를 사는 책벌레, 죽을 때까지 알을 보살피는 문어, 배가 고프면 자기 꼬리를 무는 갈치 등 우리 주변에서 흔히 볼 수 있는 동·식물의 생태를 고유의 우리말 표현으로 알기 쉽게 풀어 설명한다. (권오길 지음, 을유문화사, 308쪽, 1만3000원) - 전두환 전 대통령의 장남 전재국 시공사 대표(사진)가 조세피난처인 영국령 버진아일랜드에 페이퍼컴퍼니(유령회사)를 설립한 사실이 드러났다. 오는 10월 전 전 대통령의 비자금을 추징할 수 있는 시효가 끝나기 때문에 검찰 수사도 속도를 낼 것으로 전망된다. ▶관련기사 A6면인터넷 매체인 뉴스타파는 3일 서울 태평로 프레스센터에서 기자회견을 열고 전 대표가 조세피난처에 페이퍼컴퍼니를 설립한 것을 확인했다고 발표했다. 뉴스타파와 국제탐사보도언론인협회(ICIJ)가 공동 작업한 ‘조세피난처 프로젝트’ 4차 명단에는 전 대표 한 명만 포함됐다.뉴스타파에 따르면 전 대표는 2004년 7월28일 버진아일랜드에 ‘블루 아도니스(Blue Adonis Corporation)’라는 페이퍼컴퍼니를 설립했다. 전 대표는 이 회사의 단독 주주이자 등기이사로 올라가 있다. 이사회 결의서에 쓰인 주소는 그가 대표로 있는 출판사인 시공사 본사 주소(서울 서초동)와 일치한다. 전 대표가 페이퍼컴퍼니를 설립한 시점이 이른바 ‘전두환 비자금 사건’이 터진 시기여서 전 대표가 부친의 비자금을 숨길 목적으로 페이퍼컴퍼니를 만든 게 아니냐는 의혹이 제기되고 있다. 이와 관련, 전 대표는 보도자료를 내고 “부친과는 전혀 관련 없는 사실이며 탈세나 재산 은닉을 목적으로 한 것이 아니다”는 입장을 밝혔다. 그는 “이 일은 1989년 미국 유학생활을 일시 중지하고 귀국할 당시 가지고 있던 학비 생활비 등을 관련 은행의 권유에 따라 싱가포르로 이전하는 과정에서 발생한 것”이라며 “국내 재산을 외국으로 반출한 사실이 없고 현재 외국에 보유 중인 금융자산도 전혀 없다”고 해명했다. “이번 일과 관련해 관계기관의 조사가 이뤄진다면 성실히 응하겠다”고 강조했다. - "2007년 험프리스는 캐나다 차트에서도 후순위에 머물렀고, 대체선수로 투입됐던 2006년 동계올림픽에서도 이렇다 할 주목을 받지 못했다.\ \ 한때 약혼남 댄 험프리스의 국적을 따라 영국 국가대표로 나서는 방안을 고민하기도 했으나 이내 캐나다팀에 남기로 마음먹고, 봅슬레이 훈련원\ \ 선수로 계약을 맺어 일자리를 얻었다 이후 독일 알텐베르크에서 열린 2008년 FIBT 세계 선수권대회 봅슬레이-스켈레톤 단체 혼성종목에서\ \ 은메달을 차지하는 데 기여하였다.\n\n2009-10 봅슬레이 월드컵 시즌에서는 7위에 오른 것을 시작으로, 총 8차례의 레이스 중 우승\ \ 1회, 메달권 진입 2회, 6위권 진입 1번 등 전반적으로 좋은 기록을 보였다. 이 같은 월드컵 성적을 발판삼아, 2010년 동계 올림픽의\ \ 여자 2인승에서는 히터 모이스와 함께 생애 첫 올림픽 금메달을 거머쥐게 되었다. 한편 캐나다의 셰일리앤 브라운과 헬렌 어퍼튼 팀이 은메달을\ \ 차지하면서 캐나다가 한 종목에서 두 개의 메달을 동시에 따는 첫번째 사례로 남게 되었다. 올림픽 우승은 험프리의 어린 시절 꿈을 완성하는\ \ 사건이기도 했는데, 결승 직후 험프리는 \"아직 뭐라고 말할 수 있을 것 같진 않고요, 최선을 다했습니다. 어린 시절 세웠던 목표가 이뤄졌으니\ \ 놀랍습니다.\"라고 밝혔다. \n\n2010년 동계 올림픽이 끝난 뒤에는 두 시즌동안 세계 선수권대회와 월드컵 투어에서 이렇다 할 성적은\ \ 보이지 못했다. 전반적으로는 10위권 진입을 계속해서 이뤄내며 종합순위 3위로 시즌을 마칠 정도였으나, 실로 의미있는 기록은 2010-11\ \ 봅슬레이 월드컵에서 딱 한번 메달권에 들었을 뿐이었다. 2011-12 봅슬레이 월드컵에서는 이와는 반대로 우승 세번을 비롯한 메달권 진입\ \ 네번을 이뤄냈음에도 불구하고 전체순위로는 5위에 머물렀다." - source_sentence: 한미약품이 1996년에 사업 철수를 한 국가는? sentences: - 이관순 한미약품 사장(사진)은 19일 “실패에 대해 책임을 묻지 않고 도전하는 사내 분위기가 성공 비결”이라며 “내년께 중국에서 의미있는 연구개발(R&D) 성과가 나올 것”이라고 밝혔다. 이 사장은 이날 서울 역삼동 리츠칼튼호텔에서 열린 ‘한국제약산업 공동 콘퍼런스 2015’ 기조연설에서 이같이 말했다.한미약품은 올 들어 사노피아벤티스, 얀센 등 다국적 제약사에 7조5000억원 규모의 신약 기술 수출을 할 때 한국은 물론 중국 판권을 다국적 제약사에 넘기지 않을 정도로 중국 시장에 공을 들이고 있다. 1996년 중국에 진출한 한미약품은 2008년 현지에 이노베이션리서치센터를 세웠다. 중국에서 직접 R&D를 하는 국내 제약사는 한미약품이 유일하다. 이 사장은 신약 개발을 위한 임상시료를 생산하는 경기 평택 바이오 공장을 증축해 글로벌 생산기지로 강화하겠다는 계획도 밝혔다.신약 개발을 하는 국내 제약사들에 조언도 아끼지 않았다. 그는 “딜(계약)은 한순간에 이뤄지는 것이 아니다”며 “동물실험에서 나온 데이터만 가지고 세계 10대 제약사 두 곳에 문을 두드린 적도 있다”고 했다. 이어 “계약으로 이어지지 않았지만 그들 앞에서 발표하면서 보완할 점을 알게 됐다”고 덧붙였다. - 박근혜 대통령 당선인은 첫 장관들을 관료 교수 연구원 출신 전문가로 선택했다. 내각 후보자 18명 가운데 사법·행정·외무·기술고시 등 국가시험을 통과한 인사들이 11명에 달했고, 나머지도 대부분 교수나 연구원 출신이었다. 미국에서 석·박사를 받은 후보자도 9명에 달했다. ‘검증된 전문가를 쓴다’는 박 당선인의 인사 원칙도 재확인됐다.17일 확정된 박근혜 정부의 첫 내각을 분석한 결과 현오석 경제부총리(14회)를 비롯해 서남수 교육부(22회)·유정복 안전행정부(23회)·유진룡 문화체육관광부(22회)·윤상직 산업통상자원부(25회) 장관 후보자는 행정고시 출신이다. 정홍원 총리(14회), 황교안 법무부(23회)·진영 보건복지부(17회)·조윤선 여성가족부(33회) 장관 후보자는 사법고시, 윤병세 외교부·윤성규 환경부 장관 후보자는 각각 외무고시(10회)와 기술고시(13회) 출신이다. 국가시험 출신이 아니라도 육군사관학교(김병관 국방부 장관 후보자)를 나왔거나 김종훈 미래창조과학부·류길재 통일부·이동필 농림축산부·방하남 고용노동부·서승환 국토교통부·윤진숙 해양수산부 장관 후보자 등은 대학 교수나 연구기관의 연구원 출신이다.미국에서 석·박사 학위를 받은 후보자들도 10명이었다. 현오석(펜실베이니아대) 김종훈(메릴랜드대) 서남수(일리노이대) 윤병세(존스홉킨스대) 이동필(미주리대) 윤상직·방하남(위스콘신대) 진영(워싱턴주립대) 조윤선(컬럼비아대) 서승환(프린스턴대) 등이 미국 대학 석·박사를 받았다.MB정부 첫 내각에서 3명이었던 고려대 출신은 류길재 후보자 한 명으로 줄었다. 서울대 출신이 7명이었다. 박 당선인의 모교인 서강대 출신은 없었고, 윤진숙 후보자가 나온 부산여대는 첫 장관 후보자를 배출했다.서울 소재 명문고 비율은 더 높아졌다. MB정부 첫 내각에서 각각 3명과 2명이었던 경기고·서울고 출신은 9명으로 늘었다. 현오석·윤병세·황교안·김병관·진영 후보자는 경기고 출신이고, 서승환·유진룡·방하남·서남수 후보자는 서울고를 졸업했다. 이 중 서승환·유진룡·방하남 후보자는 27회로 동창이다. 과거 정권에 따라 영·호남에 치우쳤던 출신 지역은 서울 7명(김종훈·서남수·윤병세·류길재·황교안·조윤선·서승환)과 인천 2명(유정복·유진룡) 등 18명 중 9명이 수도권 출신이었다. MB정부 초기 내각의 수도권 출신 장관 후보자는 3명이었다.박 당선인의 정치적 고향인 TK(대구·경북) 출신은 이동필·윤상직 등 2명이었고, PK(부산·경남) 출신은 정홍원·김병관·윤진숙 등 3명으로 영남 출신 장관 후보자는 5명이었다. 충청 출신은 현오석·윤성규 후보자 등 2명이었다. 호남 출신은 진영·방하남 후보자 2명으로 MB정부(2명)와 같았다.박근혜 정부 초기 내각의 평균 연령(총리 후보자 제외)은 57.5세로 김대중 정부(59세), MB정부(61세)보다 젊고 노무현 정부(54세)보다는 높다. 박 당선인의 대선 캠프 국민행복추진위원회에서 일했던 류길재(외교통일추진단) 윤성규(지속가능국가추진단장) 서승환(주택부동산TF팀장) 후보가 이름을 올렸다. - 원화 강세 여파로 한국 기업들의 2분기 매출증가율이 4년9개월 만에 최저치를 기록했다. 전기전자(IT)와 조선 등 주력업종 매출증가율이 수출 부진으로 마이너스로 돌아섰기 때문이다.한국은행이 26일 발표한 ‘2분기 상장기업 경영분석’에 따르면 한국 기업들의 2분기 매출액은 작년 같은 기간보다 2.9% 감소했다. 이는 2009년 3분기(-3.0%) 이후 4년9개월 만에 가장 큰 하락 폭이다.2분기 원화 강세가 기업들의 발목을 잡은 것으로 분석됐다. 작년 2분기에 달러당 1135원20전이었던 원·달러 평균환율은 올해 2분기 1019원40전으로 11.8%나 하락했다. 매출액 하락 폭이 가장 큰 업종은 IT였다. 전년 동기 대비 9.6% 하락했다. 2005년 2분기(-10.0%) 이후 9년 만에 가장 큰 폭의 하락세다. 삼성 등 주요기업들의 스마트폰 수출이 부진했기 때문이라는 분석이다. IT 업종의 매출증가율은 작년 2분기까지만 해도 10%를 상회했지만 3분기 4.7%, 올해 1분기 0.2%로 하락하다 기어이 감소세로 전환했다. 다음은 조선업종으로 매출액이 전년 동기 대비 8.7% 감소했다. 이는 조선업체들의 저가수주 여파가 반영된 것이라고 한은 측은 설명했다. 목재·종이(-7.3%), 운수(-6.6%) 등의 매출액도 감소했다.수익성도 악화됐다. 기업들의 2분기 매출액 영업이익률은 4.2%로 전년 동기의 5.4%는 물론 전 분기 5.2%와 비교해서도 하락했다. 올해 1분기에는 1000원어치를 팔아 52원을 손에 쥐었다면, 2분기에는 42원만 남겼다는 뜻이다. - source_sentence: 윤준호는 자신의 폐업 결심을 돌이키게 만든 인물을 어느 지역에서 만났는가? sentences: - 창호업체인 성광유니텍 윤준호 대표는 2008년 여름 공장과 사무실을 부동산 중개업소에 내놨다. 2006년부터 계속된 실적부진 탓에 폐업을 결정한 것. 40억원을 넘던 연매출은 8억원대로 뚝 떨어졌고 부채도 급증했다.착잡한 마음을 가눌 길 없어 무작정 충남 금산에 있는 공장으로 향했다. 일요일 오후였지만 한 직원이 작업에 몰두하고 있었다. 왜 출근했느냐는 질문에 그는 “공장이 문을 닫으면 살길이 막막해지기 때문”이라며 “어떻게든 회사를 살려내고 싶다”고 말했다. 이 한마디가 윤 대표를 다시 일으켜 세웠다. 경쟁 업체와의 ‘차별화’가 급선무라고 봤다. 어떤 기능을 덧붙일 수 있을지 고민을 거듭하다 ‘보안’에 주목했다.○ICT 입힌 제품으로 차별화성광유니텍은 2013년 스마트 방범시스템창인 ‘윈가드’를 출시했다. 이 제품은 방충방범창과 센서로 구성됐다. 작동방식은 간단하다. 외부에서 침입을 시도하면 이를 인지해 스마트폰으로 알려주는 것. 창호에 정보통신기술(ICT)을 접목했다. 판매가격은 대당 170만원대로 정했다.방충방범창은 고강도 스테인리스로 만든 방충망이다. 두께는 0.7㎜지만 1t 이상 무게의 충격을 가해도 찢어지지 않는 것이 특징이다. 밖에서는 열리지 않지만 안에서는 손쉽게 열고 닫을 수 있다. 윤 대표는 “사람의 힘으로는 뜯는 것이 거의 불가능하다”고 설명했다.창에 붙은 센서는 이중 안전망 역할을 한다. 미세한 충격과 기울기 변화를 감지해 신호를 보낸다. 총 5년에 이르는 개발 기간 중 3년 이상을 센서 개발에 쏟았다. 기술 확보를 위해 KAIST 충남대 등 대학연구소들과도 적극적으로 협업했다.‘디테일’에도 신경썼다. 해충의 접근을 막기 위해 창에 자체 개발한 도료를 발랐다. 옻 성분인 우루시올을 활용해 곤충을 쫓으면서도 인체에 무해한 물질을 만들었다. 윤 대표는 “설치 후 최대 6년간 사후관리(AS)를 하는 등 파격적인 서비스도 함께 제공했다”고 설명했다.○출동서비스로 영역 확장윈가드는 제품력을 인정받고 있다. 대한민국 창조경제대상 국무총리상, 대한민국 신기술 혁신대상을 받았다. 지난해에는 50억원 이상 판매했다. 윤 대표는 리모델링 수요를 겨냥해 소비자판매(B2C) 시장에 집중했다. 기존 판매망인 대리점 외에 TV홈쇼핑, 온라인몰 등으로 판로도 확대했다. 또 건설업체와의 제휴를 통한 빌트인(built-in) 시장에 나설 계획이다.해외로도 눈을 돌리고 있다. 지난해 태국 업체와 제품 공급 계약을 맺으며 수출에 물꼬를 텄다. 현재 미국 업체와 연간 10만달러 규모의 수출 계약을 협의 중이다. 올해 안에 멕시코 인도네시아 등에도 제품을 수출할 계획이다.지난달에는 ‘출동서비스’를 시작했다. 경보음이 울릴 경우 보안 인력도 출동시켜달라는 잇단 소비자 요청에 따른 것이다. 직원 10여명을 새로 뽑아 대전 지역에서 시범 서비스를 운영하고 있다. - 지난해 광역지방자치단체 산하 대형 지방공기업들의 부채는 증가했음에도 이들 공기업의 임원 및 직원 연봉은 오히려 많아진 것으로 조사됐다. 정부 관계자는 “실적 평가 결과에 따른 인센티브 지급 등의 변수가 있다”면서도 “지방 재정 여건이 여전히 취약한 상황에서 구조조정 및 생산성 제고 없이 임금 인상에 나서는 것은 문제”라고 지적했다. 10일 안전행정부가 이달 초 집계한 지난해 경영 실적을 토대로 분석한 결과 광역지자체 산하 16개 도시개발공사와 7개 교통공사(지하철공사) 등 23개 대형 지방공기업의 지난해 말 총 부채는 49조5914억원으로 전년(47조1364억원) 대비 5.2% 증가했다. 지자체 산하 지방공기업은 모두 388개로 이 중 광역지자체 도시개발공사와 교통공사의 부채 비중은 70%를 넘는다. 23개 대형 지방공기업 중 부채가 가장 많이 늘어난 기관은 4878억원의 부채를 보유한 경북개발공사로, 전년 대비 50% 증가했다. 이어 전북개발공사(4220억원·27.7%) 경기도시공사(8조4356억원·19%) 등의 순이었다. 전체 부채 규모로는 서울시 SH공사가 18조3350억원으로 1위였다. 이어 △경기도시공사(8조4356억원) △인천도시공사(7조9271억원) △서울메트로(3조3035억원) △부산도시공사(2조4708억원)가 뒤를 이었다. 부채 증가에도 불구하고 대형 지방공기업 사장들의 지난해 평균 연봉은 1억671만원으로, 전년(9817만원) 대비 8.7% 증가했다. 사장 연봉 1위는 서울 지하철 1~4호선을 운영하는 서울메트로(1억5518만원)가 차지했다. 서울메트로는 사장 연봉이 전년 대비 26.2% 올라 가장 높은 상승률을 보였다. 지난해 안행부의 지방공기업 경영실적 평가에서 우수등급을 받아 전년 대비 성과급이 올랐다는 게 서울메트로 측 설명이다. 이어 서울도시철도공사(1억3987만원) 경기도시공사(1억3818만원) 부산교통공사(1억2226만원) SH공사(1억1967만원) 등의 순이었다. 지난해 대비 부채 증가율이 50%로 가장 높았던 경북개발공사의 사장 연봉은 1억3400만원으로 전년 대비 16.2% 늘었다. 대형 지방공기업의 임직원 연봉도 전년보다 증가했다. 23개 지방공기업의 지난해 임원 평균 연봉은 9506만원으로, 전년(9276만원) 대비 2.5% 많아졌다. 직원 평균 연봉은 5179만원으로, 전년(4511만원)보다 14.8% 늘었다. 대형 지방공기업의 직원 평균 연봉이 5000만원을 넘은 것은 이번이 처음이라고 안행부 관계자는 설명했다. 지방공기업 부채는 해당 지자체 부채에 포함된다. SH공사 서울메트로 서울도시철도공사의 총 부채는 22조6818억원으로, 서울시 전체 부채의 90%에 육박한다. 이들 세 곳의 사장 연봉은 조사 대상 23곳 중 톱5에 들었다. 부채 누적으로 재정 여건은 나아지지 않고 있는데도 연봉이 계속 올라가면서 방만 운영을 지적하는 목소리도 나온다. 이에 따라 안행부는 올해 지방공기업들의 지방채 발행 한도를 대폭 축소하는 등 재무 관리를 강화할 방침이다. - 벌거벗은 사람이 전시장에 있다. 얼굴은 여자인데 몸은 남자다. 의자에 앉아 있지만, 정신은 반수면 상태다. 중국 현대미술 작가 마류밍(45·사진)이 1998년부터 스위스, 한국, 일본, 인도네시아 등 세계를 돌며 벌인 ‘펀·마류밍’ 퍼포먼스의 한 장면이다.작품을 완성시키는 것은 관객 몫이다. 작가 앞에는 셀프 타이머를 설정한 자동 카메라가 있다. 관객들은 직접 셔터를 누르고 10초 사이에 작가가 앉아 있는 의자 옆에서 기념 사진을 찍어야 한다. 옷을 훌렁 벗어 던지는 관객, 작가의 어깨와 다리에 자신의 옷을 덮어주는 관객, 작가의 나체를 더듬는 관객, 여러 명이 몰려와 사진을 찍는 이들도 있다. 플래시가 터지는 10분의 1초는 예측 불가능한 순간으로 변한다.‘마류밍 개인전’이 다음달 5일까지 서울 소격동 학고재갤러리에서 열린다. 회고전 성격을 지닌 이 전시에는 그의 영상·회화·사진·조각 등 지난 20여년간의 작품 48점이 소개된다. 2006년 서울 아트사이드갤러리 전시에 이은 두 번째 국내 개인전이다.중국 아방가르드 1세대로 꼽히는 그는 중국 현대미술 퍼포먼스에 관객 참여를 처음 시도한 작가다. 1993년부터 ‘펀·마류밍’이란 이름으로 나체 퍼포먼스를 벌였다. 중국 중년 여성들의 이름에 많은 글자 펀(芬)을 빌려와 또 다른 여성 자아를 만들었고 퍼포먼스 주인공으로 내세웠다.나체로 만리장성을 걸었던 마류밍은 1994년에는 공터에서 장신구와 감자 등을 삶아 접시에 내놓는 ‘펀·마류밍 런치’ 퍼포먼스를 했다. 선정적이란 이유로 그는 중국 공안당국에 체포돼 두 달 동안 유치장에 갇혔다. 전시를 위해 내한한 그는 “모든 구속과 압박에서 벗어나려는 자유, 신체 해방을 말하고 싶었다”고 했다.마류밍은 2004년 이후 펀·마류밍 퍼포먼스를 중단하고 회화 작품에 집중했다. 그의 몸이 가장 건강하고 아름다웠을 때 퍼포먼스를 그만두고 싶었기 때문이다. 최근작인 ‘10분의 1초’ 시리즈는 과거 펀·마류밍 시리즈의 연장선에 있다. 자신의 퍼포먼스에 출연했던 관객들을 회화 안에 옮겨 놓았다. 성긴 마대 사이로 물감을 밀어내는 ‘누화법’은 두툼한 질감을 만들어낸다.펀·마류밍 퍼포먼스는 최근 중국 후베이시에서 ‘행위예술 30년:중국 행위예술의 새로운 가능성은 있는가’를 주제로 열린 콘퍼런스에서 중국 현대미술사에 기록될 퍼포먼스 1위로 뽑혔다. (02)720-1524 - source_sentence: 무상보육, 무상급식, 무상의료가 공약으로 대두된 서울시장 선거가 있었던 해는? sentences: - 추석선물로 인기가 많은 건강기능식품 ‘정관장’의 유명한 포장 문양을 비슷하게라도 사용하면 안 된다는 판결이 나왔다.서울중앙지법 민사합의13부(부장판사 심우용)는 정관장을 생산하는 한국인삼공사가 “정관장과 비슷한 용기·포장을 쓰지 말도록 해달라”며 홍삼제품 제조·판매업자 백모씨와 김모씨를 상대로 낸 소송에서 원고 승소 판결했다고 15일 밝혔다. 한국인삼공사는 1997년부터 홍삼을 상징하는 붉은색 바탕에 인삼 두 줄기가 사람처럼 마주 보고 있는 문양을 써왔다. 백씨 등이 자신들의 제품에 사용한 문양은 구름 모양으로 이어진 대칭형의 인삼 뿌리를 비롯해 대부분 요소가 정관장과 흡사했다. 재판부는 “정관장 포장의 특징적인 디자인과 구성이 그대로 포함돼 있어 인삼공사와 백씨 등의 업체가 동일하거나 적어도 자회사 등 밀접한 관계에 있는 것으로 오해할 우려가 있다”고 판시했다. 또 재판부는 인삼공사의 홍삼 건강기능식품 시장 점유율이 60％를 넘고 10년 넘게 각종 매체를 통해 광고를 내보내고 있는 점 등을 들어 문제의 포장이 인삼공사 제품을 연상시키기에 충분하다고 판단했다. - 서울가정법원은 22일 신격호 롯데그룹 총괄회장(94)의 넷째 여동생(10남매 중 여덟째) 신정숙 씨(78)가 최근 변호사를 통해 낸 신 총괄회장의 성년후견인 심판청구사건 검토에 들어갔다. 법원은 이 사건을 성년후견사건 전담 재판부인 가사20단독 김성우 판사에게 배당했다.법원은 의사 등 감정인을 통해 신 총괄회장에게 성년후견이 필요한 상태인지를 판단할 예정이다. 이어 후견제 적용에 관한 선순위 상속인의 의사를 묻는 절차를 밟는다. 선순위 상속인은 통상 배우자와 직계 자녀다. 이들이 모두 동의하면 누구를 후견인으로 지정할지 심리한다. 신동주 전 일본 롯데홀딩스 부회장이 감정 절차 등에 반대하면 법원이 직권으로 가사조사관을 보내 신 총괄회장의 상태를 확인할 수 있다. 법원은 조사관의 현장 실사 보고서와 다른 증거를 취합한 뒤 후견 개시 여부를 판단한다.후견제 개시가 결정되면 법원은 후견인을 누구로 지정할지 심리한다. 신정숙 씨는 후견인으로 신 총괄회장의 부인 시게미쓰 하쓰코 여사와 신영자 롯데장학재단 이사장, 신동주 전 부회장, 신동빈 롯데그룹 회장, 신유미 롯데호텔 고문 등 네 명의 자녀를 지목했다. 그러나 법원이 직접적인 이해관계에서 떨어진 제3의 인물을 후견인으로 지정할 가능성도 있다.2013년 7월 시행된 성년후견제도는 민법상 성년자를 위한 금치산·한정치산제도의 대안으로 나왔다. - 6·4 지방선거를 앞두고 재원 대책 없는 선심성 공약이 쏟아지고 있다. ‘무상버스’ ‘100원 택시’ 같은 무상 시리즈 공약부터 광역급행철도(GTX)처럼 수조원이 들어가는 공약도 등장했다. 하나같이 이렇다 할 재원 대책은 없다. 국회는 이런 것을 막기 위해 2012년 의원입법으로 ‘페이고’ 법안을 발의했다. 하지만 1년6개월이 지나도록 논의조차 이뤄지지 않고 있다. 페이고(pay-go)는 ‘pay as you go(번 만큼 쓴다)’의 줄인 말로, 중앙이나 지방 정부가 새로운 재정 지출 사업을 추진할 때 이에 상응하는 세입 증가나 지출 축소 등 재원 조달 방안을 동시에 마련하도록 의무화하는 것이다. 국회가 페이고 도입에 미온적인 데는 이유가 있다. 현재 계류돼 있는 관련 법안은 페이고 원칙을 정부는 물론 의원입법에도 적용하자는 것이다. 의원들이 지역구의 표를 얻기 위해 ‘포퓰리즘(대중 인기 영합주의)’ 법안을 양산해 국가의 재정건전성을 해치는 것을 막자는 취지다. 하지만 야당은 물론 여당 일각에서도 페이고가 도입되면 자신들의 권한이 축소될 것이란 이유로 반대하는 기류가 강하다. 페이고 원칙 없이 예산이 낭비되면 피해는 국민에게 돌아온다. 서울시는 2010년 지방선거 당시 공약으로 내건 ‘3무정책’(무상보육·무상급식·무상의료)에 따라 보편적인 복지를 시행하다 보니 예산이 부족해 올봄부터 저소득층이 이용하는 초등학생 돌봄교실 혜택을 줄였다. 표를 얻기 위해 재원 대책 없이 내놓은 공약 때문에 정작 필요한 곳에 지원해야 할 예산이 ‘펑크’난 것이다. 민경국 강원대 경제학과 교수는 “지자체의 복지 사업도 중앙정부의 매칭 지원이 없으면 시행할 수 없는 만큼 국회에서 재정준칙에 따라 정부 사업을 감시했다면 무상복지 같은 무리한 공약은 애초 태어날 수 없었을 것”이라고 말했다. 안충영 전 규제개혁위원장(중앙대 석좌교수)은 “정치적 목적의 입법을 막도록 국회 스스로 규제하는 장치가 시급하다”고 강조했다. - source_sentence: 동백꽃 필 무렵이 방송되었던 해는? sentences: - 네이버 시리즈온이 연말연시를 맞아 ‘릴레이7 영화선물’ 이벤트를 진행한다. 이번에 진행하는 ‘릴레이7 영화선물’은 다가오는 2020년 1월 5일까지 네이버 시리즈온에서 제공하는 인기 영화를 무료로 볼 수 있는 이벤트다. 대표적인 크리스마스 영화로 꼽히는 <러브 액츄얼리> 무료 이벤트가 크리스마스 당일까지 진행되는데 이어, <유열의 음악앨범>, <사자>, <캐롤>, <장난스런 키스>, <베일리 어게인> 등 다양한 장르의 7가지의 영화를 일정 기간 동안 무료로 감상할 수 있다. 뿐만 아니라 2019년 인기 방송 할인 이벤트도 함께 진행된다. 오는 31일까지 드라마 <동백꽃 필 무렵>, <눈이 부시게>, <멜로가 체질>과 예능 <나 혼자 산다>, <아는 형님> 등 올 한해 특별히 사랑받은 드라마와 예능 프로그램, 애니메이션을 30%까지 할인된 가격으로 즐길 수 있다. 이 외에 2019년 인기영화 100 대 할인전에서는 ‘하반기 인기 한국영화’,’ 올 타임 스테디셀러’, ‘가장 많은 사랑을 받은 애니메이션’ 등을 최대 반값에 감상할 수 있다. 코미디, 로맨스, 다큐멘터리 등의 작품을 파격적인 할인 가격으로 선보이기에 영화를 좋아하는 사람들에게는 놓칠 수 없는 절호의 기회다. 네이버 시리즈온 박수연 리더는 “네이버 시리즈온을 이용하는 분들이 올 한해를 따뜻하게 마무리하고 신년을 기분 좋게 시작할 수 있도록 연말연시 이벤트를 준비했다”며 “가족과 함께 볼 수 있는 가슴 뭉클한 작품부터 연인과 보기 좋은 달달한 로맨스, 친구와 즐겁게 웃을 수 있는 유쾌한 코미디까지 다양한 작품들을 준비했으니 많은 관심을 부탁드린다”고 말했다. 한편, 이벤트에 대한 자세한 내용은 네이버 시리즈온 사이트와 모바일 앱에서 확인할 수 있다. - '정신과 전문의 하지현에 의하면 좋은 부모는 오히려 아이에게 의존하지 않는 부모이다. 자신의 기대를 아이에게 투사하거나, 자신의 미래나 행복을 포기하면서까지 자식에게 집중하는 것은 잘못된 것이다. 부모가 불안해하거나 자기 삶에 행복을 느끼지 못하는 경우 자녀 교육에도 좋지 않은 영향을 끼칠 수 있다. 최근 들어 아버지의 경우 아이들과 친구처럼 지내려고 하는 경우가 많다. 이는 긍정적인 현상이다. 그러나 분명한 선은 존재해야 하는데, 아버지가 권위적일 필요는 없지만 권위는 있어야 한다. 하지현은 이에 대해 "아빠는 방향을 제시하고 넘어서는 안될 선과 사회적 규율을 내재화해서 훗날 아이가 독립된 성인으로 살아가는 데 필요한 기본적인 내용을 일러주는 ‘선배’ 역할을 할 수 있어야" 한다고 하였다. 자녀가 성장하면서 부모와 다른 의견을 가지거나 틀린 선택을 하는 경우도 있는데 부모가 이런 것을 막으려 한다면 자녀가 독립심을 기르거나 자존감을 기르는 데 문제가 될 수 있다. 칭찬을 할 때도 주의를 기울여서 올바른 방향으로 해야 한다. "항상", "언제나", "늘"과 같은 표현은 완벽을 의미하기 때문에 자녀에게 부담이 될 수 있고 역효과를 불러올 수 있다. 너무 완벽한 부모는 자녀들에게 좌절감을 가져다줄 수 있다. 과거에 비해 저성장 시대가 되면서 자녀들이 부모 세대처럼 성공하기는 어려워졌다. 이러한 상황에서 너무 완벽한 모습만을 보여주는 부모들은 자식들을 지치게 하고 포기하게 만들 수 있다.' - 노후화된 시설과 항만 노동조합의 태업으로 미국 서부 주요 항만에서 10년 만에 최악의 물류 대란이 발생하고 있다고 파이낸셜타임스(FT)가 2일 보도했다.미국 서부해안항만노조는 지난해 11월부터 로스앤젤레스(LA)와 롱비치 등 주요 서부 항만에서 태업을 벌이고 있다. 지난해 7월 선박회사들을 대변하는 태평양해운협회(PMA)와의 재계약 협상이 실패했기 때문이다. 양측은 6년마다 재계약 협상을 벌이는데 이번에는 근로조건 개선, 임금, 의료보험 등에서 입장 차가 커 협상에 어려움을 겪고 있다.두 달 넘게 이어진 태업으로 항구는 마비 상태다. 미국소매협회(NRF)에 따르면 LA 인근 샌페드로항에서는 며칠째 배 18척이 하역하기 위해 해상에 대기하고 있다. 평소 2~3일이던 통관 기일은 최소 10일로 늘어났다.장비 등 최신설비 부족도 물류대란을 부채질하고 있다. FT는 “서부 항만을 거쳐가는 물동량은 크게 늘었지만 컨테이너 이동 장비는 부족하고 낙후된 것뿐”이라고 지적했다. 산업계의 어려움도 커지고 있다. 서부 주요 항구는 미국 전체 항만 물동량의 41%를 차지할 만큼 중요한 역할을 하고 있어서다. 일부 업체는 다른 항구로 선회하거나 물류 이동계획 자체를 취소하고 있다고 FT는 전했다. model-index: - name: SentenceTransformer based on Morgan9803/klue-roberta-base-klue-sts results: - task: type: semantic-similarity name: Semantic Similarity dataset: name: Unknown type: unknown metrics: - type: pearson_cosine value: 0.8039433852194906 name: Pearson Cosine - type: spearman_cosine value: 0.8172667276612503 name: Spearman Cosine --- # SentenceTransformer based on Morgan9803/klue-roberta-base-klue-sts This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [Morgan9803/klue-roberta-base-klue-sts](https://huggingface.co/Morgan9803/klue-roberta-base-klue-sts). 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:** [Morgan9803/klue-roberta-base-klue-sts](https://huggingface.co/Morgan9803/klue-roberta-base-klue-sts) - **Maximum Sequence Length:** 512 tokens - **Output Dimensionality:** 768 dimensions - **Similarity Function:** Cosine Similarity ### 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': 512, '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: ```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 = [ '동백꽃 필 무렵이 방송되었던 해는?', '네이버 시리즈온이 연말연시를 맞아 ‘릴레이7 영화선물’ 이벤트를 진행한다. 이번에 진행하는 ‘릴레이7 영화선물’은 다가오는 2020년 1월 5일까지 네이버 시리즈온에서 제공하는 인기 영화를 무료로 볼 수 있는 이벤트다. 대표적인 크리스마스 영화로 꼽히는 <러브 액츄얼리> 무료 이벤트가 크리스마스 당일까지 진행되는데 이어, <유열의 음악앨범>, <사자>, <캐롤>, <장난스런 키스>, <베일리 어게인> 등 다양한 장르의 7가지의 영화를 일정 기간 동안 무료로 감상할 수 있다. 뿐만 아니라 2019년 인기 방송 할인 이벤트도 함께 진행된다. 오는 31일까지 드라마 <동백꽃 필 무렵>, <눈이 부시게>, <멜로가 체질>과 예능 <나 혼자 산다>, <아는 형님> 등 올 한해 특별히 사랑받은 드라마와 예능 프로그램, 애니메이션을 30%까지 할인된 가격으로 즐길 수 있다. 이 외에 2019년 인기영화 100 대 할인전에서는 ‘하반기 인기 한국영화’,’ 올 타임 스테디셀러’, ‘가장 많은 사랑을 받은 애니메이션’ 등을 최대 반값에 감상할 수 있다. 코미디, 로맨스, 다큐멘터리 등의 작품을 파격적인 할인 가격으로 선보이기에 영화를 좋아하는 사람들에게는 놓칠 수 없는 절호의 기회다. 네이버 시리즈온 박수연 리더는 “네이버 시리즈온을 이용하는 분들이 올 한해를 따뜻하게 마무리하고 신년을 기분 좋게 시작할 수 있도록 연말연시 이벤트를 준비했다”며 “가족과 함께 볼 수 있는 가슴 뭉클한 작품부터 연인과 보기 좋은 달달한 로맨스, 친구와 즐겁게 웃을 수 있는 유쾌한 코미디까지 다양한 작품들을 준비했으니 많은 관심을 부탁드린다”고 말했다. 한편, 이벤트에 대한 자세한 내용은 네이버 시리즈온 사이트와 모바일 앱에서 확인할 수 있다.', '정신과 전문의 하지현에 의하면 좋은 부모는 오히려 아이에게 의존하지 않는 부모이다. 자신의 기대를 아이에게 투사하거나, 자신의 미래나 행복을 포기하면서까지 자식에게 집중하는 것은 잘못된 것이다. 부모가 불안해하거나 자기 삶에 행복을 느끼지 못하는 경우 자녀 교육에도 좋지 않은 영향을 끼칠 수 있다.\n\n최근 들어 아버지의 경우 아이들과 친구처럼 지내려고 하는 경우가 많다. 이는 긍정적인 현상이다. 그러나 분명한 선은 존재해야 하는데, 아버지가 권위적일 필요는 없지만 권위는 있어야 한다. 하지현은 이에 대해 "아빠는 방향을 제시하고 넘어서는 안될 선과 사회적 규율을 내재화해서 훗날 아이가 독립된 성인으로 살아가는 데 필요한 기본적인 내용을 일러주는 ‘선배’ 역할을 할 수 있어야" 한다고 하였다.\n\n자녀가 성장하면서 부모와 다른 의견을 가지거나 틀린 선택을 하는 경우도 있는데 부모가 이런 것을 막으려 한다면 자녀가 독립심을 기르거나 자존감을 기르는 데 문제가 될 수 있다.\n\n칭찬을 할 때도 주의를 기울여서 올바른 방향으로 해야 한다. "항상", "언제나", "늘"과 같은 표현은 완벽을 의미하기 때문에 자녀에게 부담이 될 수 있고 역효과를 불러올 수 있다.\n\n너무 완벽한 부모는 자녀들에게 좌절감을 가져다줄 수 있다. 과거에 비해 저성장 시대가 되면서 자녀들이 부모 세대처럼 성공하기는 어려워졌다. 이러한 상황에서 너무 완벽한 모습만을 보여주는 부모들은 자식들을 지치게 하고 포기하게 만들 수 있다.', ] 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] ``` ## Evaluation ### Metrics #### Semantic Similarity * Evaluated with [EmbeddingSimilarityEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator) | Metric | Value | |:--------------------|:-----------| | pearson_cosine | 0.8039 | | **spearman_cosine** | **0.8173** | ## Training Details ### Training Dataset #### Unnamed Dataset * Size: 17,552 training samples * Columns: sentence_0 and sentence_1 * Approximate statistics based on the first 1000 samples: | | sentence_0 | sentence_1 | |:--------|:----------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------| | type | string | string | | details | | | * Samples: | sentence_0 | sentence_1 | |:--------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | 지류상품권으로 메가박스 홈페이지 영화 예매를 하려면 무엇으로 바꿔야 하는가? | 코로나19 확산으로 비대면 소비가 크게 늘어나면서 온라인 거래가 급증하고 있다. 특히 이번 추석 이후 기프티콘, 각종 상품권 등 온라인 선물 서비스가 더욱 인기를 끌며 모바일상품권 이용이 활발해지는 추세다. 이러한 트렌드에 맞춰 라이프시어터 메가박스(대표 김진선)도 고객 편의 증진을 위해 컬쳐랜드와 해피머니, 북앤라이프 등 대표적인 문화상품권 3종에 대한 온라인 결제 서비스를 오픈했다고 밝혔다. 메가박스 현장과 온라인에 모바일상품권 결제를 새롭게 추가하고, 영화 예매는 물론 팝콘, 콜라 등 매점 상품도 이용 가능하도록 했다. 지류상품권도 온라인까지 사용처를 확대했다. 새롭게 오픈한 모바일상품권 결제 서비스는 각 상품권 홈페이지 계정 연동 없이 PIN번호와 인증번호 입력만으로도 결제가 가능하다. 메가박스는 지난 7월 멀티플렉스 3사 중 가장 먼저 해피머니 모바일상품권 서비스를 오픈했고 이후 컬쳐랜드, 북앤라이프 모바일상품권도 순차적으로 적용해 문화상품권 온라인 결제 서비스를 완비하게 됐다. 또한 기존에는 지류상품권의 경우 매표소에 직접 상품권을 제시해야 영화를 예매할 수 있었지만, 현재는 메가박스 홈페이지 및 모바일앱 등 온라인으로도 영화 예매가 가능해졌다. 각 상품권 홈페이지에서 지류상품권을 상품권 전용 캐쉬로 전환 후 메가박스 온라인 결제 시 해당 캐쉬를 적용하면 된다. 현장 매표소나 키오스크에서도 각 상품권의 모바일앱 실행 후 바코드 인식을 통해 캐쉬 결제가 가능하다. | | 리가 직접 문화를 경험하며 연구했던 대상은? | 리의 가장 잘 알려진 작품들 중 하나는 프로젝트들 (1997-2001)이다. 이는 리가 재학 중 드래그 퀸, 펑크, 스윙 댄서, 라티노, 힙합 뮤지션, 스케이트 보더, 레즈비언, 직업인, 한국인 여고생들 등 다양한 사람들과 찍은 사진 시리즈이다. 그녀는 미국의 다양한 문화와 사회 계층들에 자기 자신을 대입하며 그 문화들 속 존재하는 사람들의 일부가 되었다. 포인트-앤드-슛 카메라를 통해 사람들의 모습을 포착하며 그들의 생활을 기록하였다. 리는 아름다운 사진을 찍는 것보다 정체성에 대해 탐구할 수 있는 사진들을 만들어 내는 것이 작가로서의 목표이다. 이 프로젝트를 진행하기 위해 그녀는 특정한 문화계층을 선정하고 그 문화에 속한 사람들의 옷차림을 자기 자신에게 입혔다. 또한 그 사람들과 함께 어울리며 서너달 동안 그녀의 친구, 무리 속 사람들이나 지나가는 행인에게 사진을 찍어달라고 요청하였다.

비록 그녀의 프로젝트들에 나온 사람들은 각기 다른 모습을 하고 연관성이 없어보이지만 이 다양한 그룹들에 속한 사람들은 모두 유사성을 지니고 있다. 그들은 각자의 문화와 개성이 뚜렷한 집단에 속해 맨하탄 아래 지역에 거주한다. 또한 그들만의 의상 착의는 다른 집단과 차이점을 주는 경계선의 역할을 하기도 하지만 집단 내 사람들을 연결해주는 연결고리 역할 또한 진행한다. 리는 이러한 특징들을 통해 어떻게 집단 속과 밖 관계성들을 통해 하나의 자아가 탄생하는지 탐구한다. 그녀는 인생 자체가 퍼포먼스라고 생각한다. 마치 우리가 겉모습을 바꾸려 의상 착의를 바꾸는 것처럼 자아의 성장과 발달은 개인의 표현력을 통해 보인다.

리는 작품을 전시할 때 다양한 사진들을 함께 전시하는 것을 선호한다. 그녀는 모든 사진들이 서로 관계성을 지니고 있기 때문에 함께 보여지는 것이 더 효과적이라고 믿는다. 예를 들어 펑크 프로젝트가 펑키해보이는 이유는 펑크 프로젝트가 여피 프로젝트와 함께 보여졌기 때문이다. 그러므로 모든 프로젝트들은 서로를 지지하며 의미 부여하는 역할을 한다. 대중들에게 보여지는 ... | | 게임 이용자가 해적을 잡을 때 현상금을 많이 받을 수 있는 곳은? | 아이슬란드 개발사 CCP 게임즈의 이브 온라인은 슈퍼캐리어 업데이트 및 현상금 수령 방식 또 교전 감시 시스템 등을 변경하는 업데이트를 발표했다. ‘Vat Out of Hel’ 업데이트를 통해 캡슐리어는 이제 로컬 플릿의 슈퍼캐리어에서 복제되어 함선에 바로 탑승해 전투에 참전할 수 있게 된다. 슈퍼캐리어 사이즈 및 비쥬얼 또한 업그레이드되었다. 역동적 현상금 시스템(DBS)을 널 시큐리티 우주에 새롭게 도입했다. 위험 구역에서 해적을 사냥할 경우 플레이어에게 더욱 더 값진 보상을 제공하는 반면 해적 활동이 통제된 항성계의 경우 현상금 지급 액수가 감소한다. 이러한 변화는 새로운 에덴이 이제 플레이어의 행동에 의해 역동적으로 움직이고 스스로 변화한다는 것을 보여준다. 이에 따라, 코퍼레이션들은 현재의 소득 수준을 유지하기 위해 영역을 효율적으로 활용해야 해야 한다. 교전 감시 시스템(ESS) 업데이트로 인해 더 이상 ESS를 선택적으로 설치할 수 없고 모든 널 시큐리티 항성계에 필수적으로 ESS가 설치된다. ESS의 위치가 공개되며 함급 제한을 지닌 액셀레이션 게이트를 통해 구조물로 접근할 수 있습니다. 좋은 스포츠맨십을 장려하기 위한 특별한 그리드 규칙이 있으며, 현재 참가 PvE 선수들에게 자동으로 지급되며 ESS로 저장되는 현상금은 이제 주 저장고와 예비 저장고 두개로 분할 되어 저장된다. 이러한 업데이트 외에도, 현재 지타 정거장의 레노베이션이 완료되었다. 슈퍼캐리어 비쥬얼 업데이트 제작과정이나 기타 비쥬얼 콘텐츠 관련 더 많은 정보를 얻고 싶다면2020년 11월 10일 저녁 8시 (한국시간)에 CCP트위치 에서 라이브 스트리밍을 시청할 수 있다. | * Loss: [MultipleNegativesRankingLoss](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 - `per_device_train_batch_size`: 16 - `per_device_eval_batch_size`: 16 - `num_train_epochs`: 1 - `batch_sampler`: no_duplicates - `multi_dataset_batch_sampler`: round_robin #### All Hyperparameters
Click to expand - `overwrite_output_dir`: False - `do_predict`: False - `eval_strategy`: no - `prediction_loss_only`: True - `per_device_train_batch_size`: 16 - `per_device_eval_batch_size`: 16 - `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`: 1 - `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`: 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 - `use_liger_kernel`: False - `eval_use_gather_object`: False - `prompts`: None - `batch_sampler`: no_duplicates - `multi_dataset_batch_sampler`: round_robin
### Training Logs | Epoch | Step | Training Loss | spearman_cosine | |:------:|:----:|:-------------:|:---------------:| | 0 | 0 | - | 0.8173 | | 0.4558 | 500 | 0.1609 | - | | 0.9116 | 1000 | 0.116 | - | ### Framework Versions - Python: 3.10.16 - Sentence Transformers: 3.3.1 - Transformers: 4.45.2 - PyTorch: 2.5.1 - Accelerate: 1.2.1 - Datasets: 2.19.1 - Tokenizers: 0.20.1 ## 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", } ``` #### 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} } ```