README.md

---
base_model: FacebookAI/xlm-roberta-base
datasets:
- StyleDistance/mstyledistance_training_triplets
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
- datadreamer
- datadreamer-0.35.0
- synthetic
- sentence-transformers
- feature-extraction
- sentence-similarity
widget:
- example_title: Example 1
  source_sentence: 彼は技術的な複雑さと格闘し、彼の作品は驚くべき視覚的緊張を生み出した。
  sentences:
  - Serviste mariscos frescos en el condado de Middlesex y áreas circundantes.
  - Él sirvió mariscos frescos en el condado de Middlesex y áreas circundantes.
- example_title: Example 2
  source_sentence: Bien sûr, ils termineront la construction du pont en une semaine.
  sentences:
  - Oh, you mean when I single-handedly tackled that bespoke headboard project?
  - Remember when I completed that bespoke headboard project on my own?
- example_title: Example 3
  source_sentence: 我将使用有限的色调和小尺寸进行像素艺术的简化和风格化设计。
  sentences:
  - Я ценю ТТ-пистолет за его огневую мощь; его проникающая способность впечатляет
    меня.
  - 你将使用有限的色调和小尺寸进行像素艺术的简化和风格化设计。
---
# Model Card

[Add more information here](https://huggingface.co/templates/model-card-example)

## Example Usage

```python3
from sentence_transformers import SentenceTransformer
from sentence_transformers.util import cos_sim

model = SentenceTransformer('StyleDistance/mstyledistance') # Load model

input = model.encode('彼は技術的な複雑さと格闘し、彼の作品は驚くべき視覚的緊張を生み出した。')
others = model.encode(['Serviste mariscos frescos en el condado de Middlesex y áreas circundantes.', 'Él sirvió mariscos frescos en el condado de Middlesex y áreas circundantes.'])
print(cos_sim(input, others))
```

---
This model was trained with a synthetic dataset with [DataDreamer 🤖💤](https://datadreamer.dev). The synthetic dataset card and model card can be found [here](datadreamer.json). The training arguments can be found [here](training_args.json).