# /// script
# requires-python = ">=3.12"
# dependencies = [
#     "numpy",
#     "einops",
#     "pandas",
#     "matplotlib",
#     "protobuf",
#     "torch",
#     "sentencepiece",
#     "torchvision",
#     "transformers",
#     "timm",
#     "diffusers",
#     "sentence-transformers",
#     "accelerate",
#     "peft",
#     "slack-sdk",
# ]
# ///

try:
    from sentence_transformers import SentenceTransformer
    
    model = SentenceTransformer("JINSUP/bge-m3-ko-axriv-agent-part-2025")
    
    sentences = [
        "\"Emergence of cooperation in the one-shot Prisoner’s dilemma through Discriminatory and Samaritan AIs\" 연구는 일회성 죄수의 딜레마 상황에서 어떻게 협력이 나타나는지를 어떤 인공지능 모델을 통해 설명하고 있나요?",
        "TXAGENT가 도구를 실행하기 위해 함수 호출 인자를 생성하는 과정은 도구 설명에서 제공되는 정보를 바탕으로 이루어집니다. 각 도구 설명에는 도구의 이름, 목적, 그리고 받아들이는 인자들이 포함됩니다. 각 인자에 대해서는 이름, 목적, 데이터 유형, 필수 여부가 명시되어 있으며, TXAGENT는 이 정보를 사용하여 함수 호출 인자를 생성합니다. 이 과정은 TXAGENT가 도구를 효과적으로 활용하여 추론을 수행할 수 있도록 합니다.",
        "\"Emergence of cooperation in the one-shot Prisoner’s dilemma through Discriminatory and Samaritan AIs\" 연구는 일회성(one-shot) 죄수의 딜레마 상황에서 차별적(Discriminatory) 및 사마리아인(Samaritan) 인공지능 모델을 통해 협력이 어떻게 나타나는지 설명합니다. 이 연구는 인공지능이 개별적인 이익을 추구하는 대신, 상황을 판단하고 협력적인 행동을 선택할 수 있는 능력을 개발하는 것에 초점을 맞춥니다. 차별적 및 사마리아인 인공지능 모델은 다른 에이전트의 행동을 감지하고, 이에 따라 협력적인 결정을 내리는 메커니즘을 포함하며, 이를 통해 일회성 게임에서도 협력의 가능성을 탐색합니다.",
        "Minecraft 환경에서 50명의 에이전트가 각기 다른 개성을 가지고 임의로 생성된 지도에서 자유롭게 행동하고 상호작용 대상을 선택할 수 있는 대규모 시뮬레이션을 통해, 장기적인 관계의 형성과 유지가 관찰되었습니다. 이러한 시뮬레이션은 4시간 이상, 즉 게임 내 12일에 해당하는 시간 동안 진행되었으며, 이를 통해 에이전트들 사이의 의미 있는 사회적 관계가 형성되고 공고해질 수 있음을 보여주었습니다."
    ]
    embeddings = model.encode(sentences)
    
    similarities = model.similarity(embeddings, embeddings)
    print(similarities.shape)
    # [4, 4]
    with open('JINSUP_bge-m3-ko-axriv-agent-part-2025_0.txt', 'w', encoding='utf-8') as f:
        f.write('Everything was good in JINSUP_bge-m3-ko-axriv-agent-part-2025_0.txt')
except Exception as e:
    import os
    from slack_sdk import WebClient
    client = WebClient(token=os.environ['SLACK_TOKEN'])
    client.chat_postMessage(
        channel='#hub-model-metadata-snippets-sprint',
        text='Problem in <https://huggingface.co/datasets/model-metadata/code_execution_files/blob/main/JINSUP_bge-m3-ko-axriv-agent-part-2025_0.txt|JINSUP_bge-m3-ko-axriv-agent-part-2025_0.txt>',
    )

    with open('JINSUP_bge-m3-ko-axriv-agent-part-2025_0.txt', 'a', encoding='utf-8') as f:
        import traceback
        f.write('''```CODE: 
from sentence_transformers import SentenceTransformer

model = SentenceTransformer("JINSUP/bge-m3-ko-axriv-agent-part-2025")

sentences = [
    "\"Emergence of cooperation in the one-shot Prisoner’s dilemma through Discriminatory and Samaritan AIs\" 연구는 일회성 죄수의 딜레마 상황에서 어떻게 협력이 나타나는지를 어떤 인공지능 모델을 통해 설명하고 있나요?",
    "TXAGENT가 도구를 실행하기 위해 함수 호출 인자를 생성하는 과정은 도구 설명에서 제공되는 정보를 바탕으로 이루어집니다. 각 도구 설명에는 도구의 이름, 목적, 그리고 받아들이는 인자들이 포함됩니다. 각 인자에 대해서는 이름, 목적, 데이터 유형, 필수 여부가 명시되어 있으며, TXAGENT는 이 정보를 사용하여 함수 호출 인자를 생성합니다. 이 과정은 TXAGENT가 도구를 효과적으로 활용하여 추론을 수행할 수 있도록 합니다.",
    "\"Emergence of cooperation in the one-shot Prisoner’s dilemma through Discriminatory and Samaritan AIs\" 연구는 일회성(one-shot) 죄수의 딜레마 상황에서 차별적(Discriminatory) 및 사마리아인(Samaritan) 인공지능 모델을 통해 협력이 어떻게 나타나는지 설명합니다. 이 연구는 인공지능이 개별적인 이익을 추구하는 대신, 상황을 판단하고 협력적인 행동을 선택할 수 있는 능력을 개발하는 것에 초점을 맞춥니다. 차별적 및 사마리아인 인공지능 모델은 다른 에이전트의 행동을 감지하고, 이에 따라 협력적인 결정을 내리는 메커니즘을 포함하며, 이를 통해 일회성 게임에서도 협력의 가능성을 탐색합니다.",
    "Minecraft 환경에서 50명의 에이전트가 각기 다른 개성을 가지고 임의로 생성된 지도에서 자유롭게 행동하고 상호작용 대상을 선택할 수 있는 대규모 시뮬레이션을 통해, 장기적인 관계의 형성과 유지가 관찰되었습니다. 이러한 시뮬레이션은 4시간 이상, 즉 게임 내 12일에 해당하는 시간 동안 진행되었으며, 이를 통해 에이전트들 사이의 의미 있는 사회적 관계가 형성되고 공고해질 수 있음을 보여주었습니다."
]
embeddings = model.encode(sentences)

similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [4, 4]
```

ERROR: 
''')
        traceback.print_exc(file=f)
    
finally:
    from huggingface_hub import upload_file
    upload_file(
        path_or_fileobj='JINSUP_bge-m3-ko-axriv-agent-part-2025_0.txt',
        repo_id='model-metadata/code_execution_files',
        path_in_repo='JINSUP_bge-m3-ko-axriv-agent-part-2025_0.txt',
        repo_type='dataset',
    )