Jbbok/my-embeddinggemma-2-dart

SentenceTransformer based on google/embeddinggemma-2

This is a sentence-transformers model finetuned from google/embeddinggemma-2. It maps inputs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, classification, clustering, and more.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: google/embeddinggemma-2
• Maximum Sequence Length: 4096 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Supported Modalities: Text, Image, Audio, Video, Message

Model Sources

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

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}, 'image': {'method': 'forward', 'method_output_name': 'last_hidden_state'}, 'audio': {'method': 'forward', 'method_output_name': 'last_hidden_state'}, 'video': {'method': 'forward', 'method_output_name': 'last_hidden_state'}, 'message': {'method': 'forward', 'method_output_name': 'last_hidden_state', 'format': 'structured'}}, 'module_output_name': 'token_embeddings', 'architecture': 'EmbeddingGemma2Model'})
  (1): Pooling({'embedding_dimension': 768, 'pooling_mode': 'mean', 'include_prompt': True})
  (2): Normalize({'module_input_name': 'sentence_embedding', 'module_output_name': 'sentence_embedding'})
)

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("Jbbok/my-embeddinggemma-2-dart")
# Run inference
queries = [
    '네이버 연결 기준 제27기 영업활동으로 인한 현금흐름은 얼마인가요?',
]
documents = [
    '네이버(주) | 사업보고서 | 2025-12-31\n\n가. 유동성 현황\n연결회사의 현금및현금성자산의 현금흐름 현황은 다음과 같습니다.\n\n(단위: 십억원)\n\n## 구분\n\n### 영업활동으로 인한 현금흐름\n* 제27기: 3,096\n* 제26기: 2,590\n\n### 영업으로부터 창출된 현금\n* 제27기: 3,642\n* 제26기: 3,087\n\n### 기타\n* 제27기: (546)\n* 제26기: (497)\n\n### 투자활동으로 인한 현금흐름\n* 제27기: (744)\n* 제26기: (1,340)\n\n### 재무활동으로 인한 현금흐름\n* 제27기: (525)\n* 제26기: (770)\n\n### 현금및현금성자산의 환율변동효과\n* 제27기: (39)\n* 제26기: 140\n\n### 현금및현금성자산의 증가\n* 제27기: 1,788\n* 제26기: 620\n\n### 기초의 현금및현금성자산\n* 제27기: 4,196\n* 제26기: 3,576\n\n### 기말의 현금및현금성자산\n* 제27기: 5,984\n* 제26기: 4,196',
    '네이버(주) | 사업보고서 | 2025-12-31\n\n이에 힘입어 다양한 사업부문의 성장으로 2025년 연결 영업수익은 전년 대비 12.1% 성장한 12조 350억 원, 영업이익은 전년 대비 11.6% 증가한 2조 2,081억 원을 기록하며 성장세를 이어갔으며, 주요 사업 전반에서 경쟁력 강화와 함께 사업 기반을 더욱 견고히 하였습니다. 향후에도 네이버는 AI를 중심으로 한 기술 혁신과 플랫폼 고도화를 지속 추진하며, 모든 사업 영역에서 차별화된 경쟁력을 확보해 나갈 것입니다. 또한 주주가치를 최우선으로 고려하며, 장기적인 성장과 기업가치 제고를 위해 최선을 다할 것입니다.\n\n3. 재무상태 및 영업실적\n\n가. 재무상태\n\n(단위: 십억원)',
    'CJ제일제당(주) | 사업보고서 | 2025-12-31\n\n38. 우발채무와 약정사항 (연결)\n전기 (단위 : 백만원)\n\n## 보증 관련 우발부채, 부동산 PF(대출) 보증에 대한 공시 전기\n\n### 사업지역\n(dart:BusinessArea)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 경북 예천군\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 사업장 구분\n(dart:BusinessPlaceType)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 데이터센터\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 신용보강 종류\n(dart:ClassesOfCreditEnhancements)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 채무인수\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 보증한도\n(dart:GuaranteeLimitAmount)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 91200000000 KRW\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 보증 부담률\n(dart:GuaranteeBurdenRate)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 1.0000 pure\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 보증금액\n(dart:ProvisionOfGuaranteesByEntity)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 30800000000 KRW\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 채무자\n(dart:Debtor)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 케이리얼티3호 일반부동산 사모투자회사\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 특수관계 여부\n(dart:WhetherItIsARelatedPartyRelationshipOrNot)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * -\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 채권기관 종류\n(dart:TypeOfCreditorInstitution)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 대주단\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 대출잔액\n(ifrs-full:Borrowings)\n#### 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 30800000000 KRW\n* 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n  * 30800000000 KRW\n\n### 대출기간\n(dart:LoanPeriod)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 2023-09-15 ~ 2026-05-14\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 유동화증권 만기일\n(dart:SecuritizedSecuritiesMaturityDate)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 2026-05-14\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 대출 유형\n(dart:LoanType)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * PF Loan\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 책임준공약정금액\n(dart:CommitmentsForResponsibilityCompletion)\n* 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember)\n  * 76000000000 KRW\n  * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n\n### 자금보충 의무에 대한 상세기술\n* 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember)\n* 합계 구간 합계',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 768] [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[ 0.7135,  0.2249, -0.1309]])

Training Details

Training Dataset

Unnamed Dataset

• Size: 3,687 training samples
• Columns: anchor, positive, and negative
• Approximate statistics based on the first 100 samples:

  	anchor	positive	negative
  type	string	string	string
  modality	text	text	text
  details	min: 18 tokens mean: 21.71 tokens max: 37 tokens	min: 235 tokens mean: 1482.38 tokens max: 4096 tokens	min: 288 tokens mean: 1234.62 tokens max: 2127 tokens

• Samples:

  anchor	positive	negative
  삼성전자 2025년 연결 매출액은 얼마인가요?	삼성전자(주) | 사업보고서 | 2025-12-31 3-재무에 관한 사항 1. 요약재무정보 가. 요약연결재무정보 (단위 : 백만원) ## 구 분 * 제57기: 2025년 12월말 * 제56기: 2024년 12월말 * 제55기: 2023년 12월말 ### [유동자산] * 제57기: 247,684,612 * 제56기: 227,062,266 * 제55기: 195,936,557 ### ㆍ현금및현금성자산 * 제57기: 57,856,378 * 제56기: 53,705,579 * 제55기: 69,080,893 ### ㆍ단기금융상품 * 제57기: 67,965,021 * 제56기: 58,909,334 * 제55기: 22,690,924 ### ㆍ기타유동금융자산 * 제57기: 25,715 * 제56기: 36,877 * 제55기: 635,393 ### ㆍ매출채권 * 제57기: 51,127,642 * 제56기: 43,623,073 * 제55기: 36,647,393 ### ㆍ재고자산 * 제57기: 52,636,828 * 제56기: 51,754,865 * 제55기: 51,625,874 ### ㆍ기타 * 제57기: 18,073,028 * 제56기: 19,032,538 * 제55기: 15,256,080 ### [비유동자산] * 제57기: 319,257,498 * 제56기: 287,469,682 * 제55기: 259,969,423 ### ㆍ기타비유동금융자산 * 제57기: 17,575,506 * 제56기: 11,756,681 * 제55기: 8,912,691 ### ㆍ관계기업 및 공동기업 투자 * 제57기: 13,772,121 * 제56기: 12,592,117 * 제55기: 11,767,444 ### ㆍ유형자산 * 제57기: 215,304,784 * 제56기: 205,945,209 * 제55기: 187,256,262 ### ㆍ무형자산 * 제57기: 29,480,565 * 제56기: 23,738,566 * 제55기: 22,741,862 ### ㆍ기타 * 제57기: 43,1...	삼성전자(주) | 사업보고서 | 2025-12-31 마. 연결대상 종속회사 현황(요약) 기업회계기준서(K-IFRS) 제1110호 '연결재무제표'에 의한 지배회사(최상위)인 당사의 연결대상 종속기업은 2025년말 현재 308개사입니다. 전년말 대비 91개 기업이 증가하고 11개 기업이 감소하였습니다. (단위 : 사) ## 구분 ### 상장 * 연결대상회사수: * 기초: - * 증가: 1 * 감소: - * 기말: 1 * 주요 종속회사수: 1 ### 비상장 * 연결대상회사수: * 기초: 228 * 증가: 90 * 감소: 11 * 기말: 307 * 주요 종속회사수: 157 ### 합계 * 연결대상회사수: * 기초: 228 * 증가: 91 * 감소: 11 * 기말: 308 * 주요 종속회사수: 158
  삼성전자 2025년 연결 매출액은 얼마인가요?	삼성전자(주) | 사업보고서 | 2025-12-31 3-재무에 관한 사항 1. 요약재무정보 가. 요약연결재무정보 (단위 : 백만원) ## 구 분 * 제57기: 2025년 12월말 * 제56기: 2024년 12월말 * 제55기: 2023년 12월말 ### [유동자산] * 제57기: 247,684,612 * 제56기: 227,062,266 * 제55기: 195,936,557 ### ㆍ현금및현금성자산 * 제57기: 57,856,378 * 제56기: 53,705,579 * 제55기: 69,080,893 ### ㆍ단기금융상품 * 제57기: 67,965,021 * 제56기: 58,909,334 * 제55기: 22,690,924 ### ㆍ기타유동금융자산 * 제57기: 25,715 * 제56기: 36,877 * 제55기: 635,393 ### ㆍ매출채권 * 제57기: 51,127,642 * 제56기: 43,623,073 * 제55기: 36,647,393 ### ㆍ재고자산 * 제57기: 52,636,828 * 제56기: 51,754,865 * 제55기: 51,625,874 ### ㆍ기타 * 제57기: 18,073,028 * 제56기: 19,032,538 * 제55기: 15,256,080 ### [비유동자산] * 제57기: 319,257,498 * 제56기: 287,469,682 * 제55기: 259,969,423 ### ㆍ기타비유동금융자산 * 제57기: 17,575,506 * 제56기: 11,756,681 * 제55기: 8,912,691 ### ㆍ관계기업 및 공동기업 투자 * 제57기: 13,772,121 * 제56기: 12,592,117 * 제55기: 11,767,444 ### ㆍ유형자산 * 제57기: 215,304,784 * 제56기: 205,945,209 * 제55기: 187,256,262 ### ㆍ무형자산 * 제57기: 29,480,565 * 제56기: 23,738,566 * 제55기: 22,741,862 ### ㆍ기타 * 제57기: 43,1...	삼성전자(주) | 사업보고서 | 2025-12-31 1. 일반적 사항 (연결) () 종속기업 보유 지분율을 포함한 의결권 있는 주식 기준입니다. 다. 주요 연결대상 종속기업의 재무정보 당기 및 전기의 주요 연결대상 종속기업의 요약 재무정보는 다음과 같습니다. (1) 당기 (단위 : 백만원) ## 기업명(1) ### 삼성디스플레이㈜ 자산: 76,710,079 부채: 8,779,728 * 매출액: 25,993,317 * 당기순이익 (손실): 5,522,684 ### Samsung Electronics America, Inc. (SEA) * 자산: 52,966,362 * 부채: 20,138,323 * 매출액: 41,064,994 * 당기순이익 (손실): 1,475,163 ### Samsung Asia Pte. Ltd. (SAPL) * 자산: 35,742,415 * 부채: 350,888 * 매출액: - * 당기순이익 (손실): 5,296,559 ### Samsung Austin Semiconductor LLC. (SAS) * 자산: 29,787,509 * 부채: 18,505,380 * 매출액: 3,755,810 * 당기순이익 (손실): 24,977 ### Samsung Semiconductor, Inc. (SSI) * 자산: 27,146,631 * 부채: 18,644,812 * 매출액: 59,278,787 * 당기순이익 (손실): 438,476 ### Harman과 그 종속기업(2) 자산: 22,395,744 * 부채: 6,618,051 * 매출액: 15,752,203 * 당기순이익 (손실): 1,150,350 ### Samsung (China) Semiconductor Co., Ltd. (SCS) * 자산: 16,042,066 * 부채: 1,114,773 * 매출액: 8,635,744 * 당기순이익 (손실): 1,105,878 ### Samsung (CHINA) Investment Co., Ltd. (SCIC) * 자산: 1...
  삼성전자 2025년 연결 매출액은 얼마인가요?	삼성전자(주) | 사업보고서 | 2025-12-31 3-재무에 관한 사항 1. 요약재무정보 가. 요약연결재무정보 (단위 : 백만원) ## 구 분 * 제57기: 2025년 12월말 * 제56기: 2024년 12월말 * 제55기: 2023년 12월말 ### [유동자산] * 제57기: 247,684,612 * 제56기: 227,062,266 * 제55기: 195,936,557 ### ㆍ현금및현금성자산 * 제57기: 57,856,378 * 제56기: 53,705,579 * 제55기: 69,080,893 ### ㆍ단기금융상품 * 제57기: 67,965,021 * 제56기: 58,909,334 * 제55기: 22,690,924 ### ㆍ기타유동금융자산 * 제57기: 25,715 * 제56기: 36,877 * 제55기: 635,393 ### ㆍ매출채권 * 제57기: 51,127,642 * 제56기: 43,623,073 * 제55기: 36,647,393 ### ㆍ재고자산 * 제57기: 52,636,828 * 제56기: 51,754,865 * 제55기: 51,625,874 ### ㆍ기타 * 제57기: 18,073,028 * 제56기: 19,032,538 * 제55기: 15,256,080 ### [비유동자산] * 제57기: 319,257,498 * 제56기: 287,469,682 * 제55기: 259,969,423 ### ㆍ기타비유동금융자산 * 제57기: 17,575,506 * 제56기: 11,756,681 * 제55기: 8,912,691 ### ㆍ관계기업 및 공동기업 투자 * 제57기: 13,772,121 * 제56기: 12,592,117 * 제55기: 11,767,444 ### ㆍ유형자산 * 제57기: 215,304,784 * 제56기: 205,945,209 * 제55기: 187,256,262 ### ㆍ무형자산 * 제57기: 29,480,565 * 제56기: 23,738,566 * 제55기: 22,741,862 ### ㆍ기타 * 제57기: 43,1...	삼성전자(주) | 사업보고서 | 2025-12-31 12-상세표 1. 연결대상 종속회사 현황(상세) 당사의 연결대상 종속기업은 2025년말 현재 308개사입니다. 전년말 대비 91개 기업이 증가하고 11개 기업이 감소하였습니다. ☞ 본문 위치로 이동 (단위 : 백만원) * 상호: Samsung Electronics America, Inc. (SEA) * 설립일: 1978. 07 * 주소: 700 Sylvan Ave, Englewood Cliffs, New Jersey, USA, 07632 * 주요사업: 전자제품 판매 * 최근사업연도말 자산총액: 52,966,362 * 지배관계 근거: 의결권의 과반수 소유 (K-IFRS 1110호) * 주요종속 회사 여부: O * 상호: Samsung International, Inc. (SII) * 설립일: 1983. 10 * 주소: 9335 Airway Rd. #105, San Diego, California, USA * 주요사업: 전자제품 생산 * 최근사업연도말 자산총액: 2,413,940 * 지배관계 근거: 상동 * 주요종속 회사 여부: O * 상호: Samsung Mexicana S.A. de C.V (SAMEX) * 설립일: 1988. 03 * 주소: Parque Ind., El Florido 1ra y 2da Secc, Tijuana, B.C., Mexico * 주요사업: 전자제품 생산 * 최근사업연도말 자산총액: 247,332 * 지배관계 근거: 상동 * 주요종속 회사 여부: O * 상호: Samsung Electronics Home Appliances America, LLC (SEHA) * 설립일: 2017. 08 * 주소: 284 Mawsons Way, Newberry, South Carolina, USA * 주요사업: 가전제품 생산 * 최근사업연도말 자산총액: 478,164 * 지배관계 근거: 상동 * 주요종속 회사 여부: O * 상호: Samsung Research America, Inc (S...

• Loss: CachedMultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "mini_batch_size": 4,
      "mini_batch_num_tokens": null,
      "gather_across_devices": false,
      "directions": [
          "query_to_doc"
      ],
      "partition_mode": "joint",
      "hardness_mode": null,
      "hardness_strength": 0.0
  }
  

Evaluation Dataset

Unnamed Dataset

• Size: 480 evaluation samples
• Columns: anchor, positive, and negative
• Approximate statistics based on the first 100 samples:

  	anchor	positive	negative
  type	string	string	string
  modality	text	text	text
  details	min: 18 tokens mean: 26.73 tokens max: 48 tokens	min: 103 tokens mean: 1238.14 tokens max: 4096 tokens	min: 202 tokens mean: 1426.23 tokens max: 4096 tokens

• Samples:

  anchor	positive	negative
  네이버 연결 기준 제27기 영업활동으로 인한 현금흐름은 얼마인가요?	네이버(주) | 사업보고서 | 2025-12-31 가. 유동성 현황 연결회사의 현금및현금성자산의 현금흐름 현황은 다음과 같습니다. (단위: 십억원) ## 구분 ### 영업활동으로 인한 현금흐름 * 제27기: 3,096 * 제26기: 2,590 ### 영업으로부터 창출된 현금 * 제27기: 3,642 * 제26기: 3,087 ### 기타 * 제27기: (546) * 제26기: (497) ### 투자활동으로 인한 현금흐름 * 제27기: (744) * 제26기: (1,340) ### 재무활동으로 인한 현금흐름 * 제27기: (525) * 제26기: (770) ### 현금및현금성자산의 환율변동효과 * 제27기: (39) * 제26기: 140 ### 현금및현금성자산의 증가 * 제27기: 1,788 * 제26기: 620 ### 기초의 현금및현금성자산 * 제27기: 4,196 * 제26기: 3,576 ### 기말의 현금및현금성자산 * 제27기: 5,984 * 제26기: 4,196	네이버(주) | 사업보고서 | 2025-12-31 1. 일반 사항 (연결) 다. 주요 종속기업의 요약 현금흐름 당기 및 전기 중 주요 종속기업의 요약 현금흐름은 다음과 같습니다. <당기말 및 당기> (단위: 천원) ## 구 분 ### 네이버파이낸셜 주식회사 * 영업활동 현금흐름: 449,552,096 * 투자활동 현금흐름: 460,140,330 * 재무활동 현금흐름: (2,882,672) * 현금및현금성자산의 환율변동효과: (703,499) * 기초 현금및현금성자산: 1,400,333,852 * 기말 현금및현금성자산: 2,306,440,107 ### 네이버클라우드 주식회사 * 영업활동 현금흐름: 646,630,909 * 투자활동 현금흐름: 290,001,724 * 재무활동 현금흐름: (579,876,515) * 현금및현금성자산의 환율변동효과: 1,407,174 * 기초 현금및현금성자산: 153,535,047 * 기말 현금및현금성자산: 511,698,339 ### 네이버웹툰 유한회사 * 영업활동 현금흐름: 331,012 * 투자활동 현금흐름: (49,533,196) * 재무활동 현금흐름: (4,797,476) * 현금및현금성자산의 환율변동효과: (720,413) * 기초 현금및현금성자산: 137,048,507 * 기말 현금및현금성자산: 82,328,434 ### NAVER J.Hub Corporation * 영업활동 현금흐름: 68,919,740 * 투자활동 현금흐름: (12,495,125) * 재무활동 현금흐름: (61,854,443) * 현금및현금성자산의 환율변동효과: (274,067) * 기초 현금및현금성자산: 9,808,419 * 기말 현금및현금성자산: 4,104,524 ### WEBTOON Entertainment Inc * 영업활동 현금흐름: 1,776,943 * 투자활동 현금흐름: (40,860,992) * 재무활동 현금흐름: (122,547) * 현금및현금성자산의 환율변동효과: (12,012,058) * 기초 현금및현금성자산: 53...
  네이버의 제27기(2025년) 연결 기준 영업수익은 얼마인가요?	네이버(주) | 사업보고서 | 2025-12-31 이에 힘입어 다양한 사업부문의 성장으로 2025년 연결 영업수익은 전년 대비 12.1% 성장한 12조 350억 원, 영업이익은 전년 대비 11.6% 증가한 2조 2,081억 원을 기록하며 성장세를 이어갔으며, 주요 사업 전반에서 경쟁력 강화와 함께 사업 기반을 더욱 견고히 하였습니다. 향후에도 네이버는 AI를 중심으로 한 기술 혁신과 플랫폼 고도화를 지속 추진하며, 모든 사업 영역에서 차별화된 경쟁력을 확보해 나갈 것입니다. 또한 주주가치를 최우선으로 고려하며, 장기적인 성장과 기업가치 제고를 위해 최선을 다할 것입니다. 3. 재무상태 및 영업실적 가. 재무상태 (단위: 십억원)	네이버(주) | 사업보고서 | 2025-12-31 33. 특수관계자 거래 (연결) 전기 (단위 : 천원) ## 특수관계자거래에 대한 공시 전기 ### 영업수익 등 (ifrs-full:RevenueFromRenderingOfServicesRelatedPartyTransactions) * 차이나랩 주식회사 (ChinaLabCoLtdMemberOfJointVenturesWhereEntityIsVenturerMember) * 0 KRW * 굿어스데이터 주식회사 (GoodEarthDataCoLtdMemberOfAssociatesMember) * 7704835000 KRW * LY Communications Corporation (LyCommunicationsCorporationOfAssociatesMember) * 12452000 KRW * 제이플미디어 주식회사 (JPeulMediaCoLtdOfAssociatesMember) * 134697000 KRW * 주식회사 더그림엔터테인먼트 (TheGrimmEntertainmentCoLtdOfAssociatesMember) * 149019000 KRW * 주식회사 와이랩 (YlabCorporationOfAssociatesMember) * 62169000 KRW * 주식회사 리버스 (ReverseCorpOfAssociatesMember) * 274040000 KRW * 레드아이스스튜디오 주식회사 (RediceStudioIncOfAssociatesMember) * 432313000 KRW * 주식회사 작가컴퍼니 (WriterCompanyCoLtdOfAssociatesMember) * 957368000 KRW * 기타 (OtherOfOtherRelatedPartiesMember) * 3352849000 KRW * 카페24 주식회사 (Cafe24CorpOfAssociatesMember) * 1158480000 KRW * 라인플러스 주식회사 (LinePlusCorporationOfAssoci...
  CJ제일제당의 컨소시엄 참여 사업 전기말 보증한도는 얼마인가요?	CJ제일제당(주) | 사업보고서 | 2025-12-31 38. 우발채무와 약정사항 (연결) 전기 (단위 : 백만원) ## 보증 관련 우발부채, 부동산 PF(대출) 보증에 대한 공시 전기 ### 사업지역 (dart:BusinessArea) * 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember) * 경북 예천군 * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember) ### 사업장 구분 (dart:BusinessPlaceType) * 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember) * 데이터센터 * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember) ### 신용보강 종류 (dart:ClassesOfCreditEnhancements) * 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 구분 > 기타사업 (dart:OtherBusinessMember) · 차입금명칭 > 본PF (dart:OriginalPFMember) * 채무인수 * 합계 구간 > 1년 초과 2년 이내 (ifrs-full:LaterThanOneYearAndNotLaterThanTwoYearsMember) ### 보증한도 (dart:GuaranteeLimitAmount) * 부동산 사업의 형태 > 컨소시엄 (ifrs-full:JointOperationsMember) · 사업의 ...	CJ제일제당(주) | 사업보고서 | 2025-12-31 () 상기 보증내역 외에 서울보증보험에 이행보증 등으로 당사가 피보험자로 약정되어 있는 금액은 658,823,380천원(전기말 : 594,653,214천원)입니다. 라. 타인에게 제공한 지급보증과 담보보증내역 (1) 지급보증 1) 당기말 (단위: 천원) (단위: 천원) ## 지급보증 제공한 회사 ### 씨제이대한통운(주) * 피보증처: 군장신항만(주)() 여신금융기관: 메리츠종합금융증권(주) 외 * 실행금액: 55,023,320 thousands KRW * 보증금액: 55,023,320 thousands KRW * 보증기간: 2018.05.312038.08.31 * 보증 종류: 이행 및 지급보증 ### 씨제이대한통운(주) * 피보증처: 종업원 * 여신금융기관: 우리은행 * 실행금액: 554,859 thousands KRW * 보증금액: 30,400,000 thousands KRW * 보증기간: 2018.01.222033.11.21 * 보증 종류: 종업원대출보증 ### 씨제이대한통운(주) * 피보증처: (주)농협사료, (사)한국사료협회 * 여신금융기관: 하나은행 * 실행금액: 236,000 thousands KRW * 보증금액: 300,000 thousands KRW * 보증기간: 2019.04.182026.11.04 * 보증 종류: 이행보증 ### 씨제이피드앤케어(주) * 피보증처: 농장주 * 여신금융기관: 국민은행 외 * 실행금액: 9,879,285 thousands KRW * 보증금액: 29,200,000 thousands KRW * 보증기간: 2023.01.132026.05.09 * 보증 종류: 지급보증 ### CJ LOGISTICS ASIA PTE. LTD. * 피보증처: IATA 외 * 여신금융기관: UOB SINGAPORE * 실행금액: - * 보증금액: 1,037,841 thousands KRW * 보증기간: 2021.07.01~2026.11.30 * 보증 ...

• Loss: CachedMultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "mini_batch_size": 4,
      "mini_batch_num_tokens": null,
      "gather_across_devices": false,
      "directions": [
          "query_to_doc"
      ],
      "partition_mode": "joint",
      "hardness_mode": null,
      "hardness_strength": 0.0
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• per_device_train_batch_size: 32
• learning_rate: 2e-05
• warmup_steps: 0.1
• bf16: True
• per_device_eval_batch_size: 32
• load_best_model_at_end: True
• seed: 0
• prompts: {'anchor': 'task: search result | query: ', 'positive': 'title: none | text: ', 'negative': 'title: none | text: '}
• batch_sampler: no_duplicates

All Hyperparameters

Click to expand

• per_device_train_batch_size: 32
• num_train_epochs: 3
• max_steps: -1
• learning_rate: 2e-05
• lr_scheduler_type: linear
• lr_scheduler_kwargs: None
• warmup_steps: 0.1
• optim: adamw_torch_fused
• optim_args: None
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• optim_target_modules: None
• gradient_accumulation_steps: 1
• average_tokens_across_devices: True
• max_grad_norm: 1.0
• label_smoothing_factor: 0.0
• bf16: True
• fp16: False
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• use_liger_kernel: False
• liger_kernel_config: None
• use_cache: False
• neftune_noise_alpha: None
• torch_empty_cache_steps: None
• auto_find_batch_size: False
• log_on_each_node: True
• logging_nan_inf_filter: True
• include_num_input_tokens_seen: no
• log_level: passive
• log_level_replica: warning
• disable_tqdm: False
• project: huggingface
• trackio_space_id: None
• trackio_bucket_id: None
• trackio_static_space_id: None
• per_device_eval_batch_size: 32
• prediction_loss_only: True
• eval_on_start: False
• eval_do_concat_batches: True
• eval_use_gather_object: False
• eval_accumulation_steps: None
• include_for_metrics: []
• batch_eval_metrics: False
• save_only_model: False
• save_on_each_node: False
• enable_jit_checkpoint: False
• push_to_hub: False
• hub_private_repo: None
• hub_model_id: None
• hub_strategy: every_save
• hub_always_push: False
• hub_revision: None
• load_best_model_at_end: True
• ignore_data_skip: False
• restore_callback_states_from_checkpoint: False
• full_determinism: False
• seed: 0
• data_seed: None
• use_cpu: False
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• parallelism_config: None
• dataloader_drop_last: False
• dataloader_num_workers: 0
• dataloader_pin_memory: True
• dataloader_persistent_workers: False
• dataloader_prefetch_factor: None
• dataloader_multiprocessing_context: None
• dataloader_in_order: True
• remove_unused_columns: True
• label_names: None
• train_sampling_strategy: random
• length_column_name: length
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• ddp_static_graph: None
• ddp_backend: None
• ddp_timeout: 1800
• fsdp: None
• fsdp_config: None
• deepspeed: None
• debug: []
• skip_memory_metrics: True
• do_predict: False
• resume_from_checkpoint: None
• local_rank: -1
• prompts: {'anchor': 'task: search result | query: ', 'positive': 'title: none | text: ', 'negative': 'title: none | text: '}
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}
• warmup_ratio: None

Training Logs

Epoch	Step	Training Loss	Validation Loss
0.25	29	1.2707	-
0.5	58	0.3641	-
0.75	87	0.2558	-
1.0	116	0.2213	0.7690
1.25	145	0.1610	-
1.5	174	0.1912	-
1.75	203	0.1545	-
2.0	232	0.1434	0.6819
2.25	261	0.1247	-
2.5	290	0.1303	-
2.75	319	0.1161	-
3.0	348	0.0802	0.7240

• The bold row denotes the saved checkpoint.

Training Time

• Training: 2.5 hours

Framework Versions

• Python: 3.13.16
• Sentence Transformers: 6.2.0
• Transformers: 5.22.1
• PyTorch: 2.11.0+cu130
• Accelerate: 1.15.0
• Datasets: 5.1.0
• Tokenizers: 0.23.3

Additional Resources

• Training and Finetuning Embedding Models with Sentence Transformers: the end-to-end guide for training or finetuning Sentence Transformer models.
• Introduction to Matryoshka Embedding Models: variable-size embeddings that can be truncated with minimal quality loss.
• Binary and Scalar Embedding Quantization for Significantly Faster & Cheaper Retrieval: post-training compression of embedding vectors.
• Multimodal Embedding & Reranker Models with Sentence Transformers: use text, image, audio, and video models through the same API.
• Training and Finetuning Multimodal Embedding & Reranker Models with Sentence Transformers: train multimodal embedding models, with a Visual Document Retrieval walkthrough.

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",
}

CachedMultipleNegativesRankingLoss

@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}
}

MultipleNegativesRankingLoss

@misc{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}