This is a sentence-transformers model finetuned from BAAI/bge-m3. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

Model Type: Sentence Transformer
Base model: BAAI/bge-m3
Maximum Sequence Length: 256 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity
Supported Modality: Text

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'}}, 'module_output_name': 'token_embeddings', 'architecture': 'XLMRobertaModel'})
  (1): Pooling({'embedding_dimension': 1024, 'pooling_mode': 'cls', 'include_prompt': True})
  (2): Normalize({})
)

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.

python

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'Sugiere una obra acerca de cine peruano que presente esta situación: Una nueva reencarnación de Karl Marx se esconde en Perú',
    'Título: Karl Marx (1-5). País: Perú. Año: 2024. Género: Experimental. Dirección: Jorge Villacorta Santamato. Locación: Lima. Idioma: Español. Temas: cine peruano. Sinopsis: Una nueva reencarnación de Karl Marx se esconde en Perú. Friedrich paga los gastos de Karl. Karl continúa sus estudios y quiere convertirse en un artista de renombre. Él admira a Leonidas Zegarra. Marx llama a Friedrich y deja diecinueve mensajes de voz.',
    'Título: The enthralling Snorting-Man versus the pleasure of being Myself. País: Perú. Año: 2025. Género: Experimental. Dirección: Jorge Villacorta Santamato. Locación: Lima. Idioma: Inglés. Temas: cine peruano. Sinopsis: Por la noche, dentro de una habitación doble, hay dos hombres. Uno de ellos está durmiendo y resoplando ruidosamente. El otro no puede conciliar el sueño. El tipo espera hasta el amanecer. Mientras espera, come un bocadillo y pasea un poco. También se lava la cara.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.5479, 0.1316],
#         [0.5479, 1.0000, 0.3066],
#         [0.1316, 0.3066, 1.0000]])

Training Details

Training Dataset

Unnamed Dataset

Size: 1,600 training samples
Columns: anchor, positive, negative_1, negative_2, and negative_3

Approximate statistics based on the first 100 samples:

	anchor	positive	negative_1	negative_2	negative_3
type	string	string	string	string	string
modality	text	text	text	text	text
details	min: 23 tokens mean: 47.49 tokens max: 73 tokens	min: 87 tokens mean: 140.75 tokens max: 251 tokens	min: 75 tokens mean: 145.54 tokens max: 256 tokens	min: 99 tokens mean: 168.33 tokens max: 256 tokens	min: 116 tokens mean: 161.33 tokens max: 256 tokens

Samples:

anchor	positive	negative_1	negative_2	negative_3
`Busco una película peruana de drama sobre conflicto armado interno, cultura andina; la historia presenta: En un pueblo andino del Perú, en 1982, Tato, un niño de 12 años, se ve forzado al exilio cuando su familia es amenazada`	`Título: 1982. País: Perú. Año: 2025. Género: Drama. Dirección: Garcia JC (Juan Carlos García Pérez). Locación: Andahuaylas, Apurímac. Idioma: Español. Temas: conflicto armado interno, cultura andina. Sinopsis: En un pueblo andino del Perú, en 1982, Tato, un niño de 12 años, se ve forzado al exilio cuando su familia es amenazada.`	Título: Uchpa, la película. País: Perú. Año: 2025. Género: Documental, Musical. Dirección: Antonio Rodríguez. Locación: Ocobamba, Huancaray, Apurímac, Ayacucho, Lima. Idioma: Quechua, Español. Temas: conflicto armado interno, música, rock, cultura andina. Sinopsis: Fredy Ortiz, líder de Uchpa, revolucionó el rock en quechua. Antes fue policía en los años más duros del conflicto armado. Décadas después, vuelve a los pueblos marcados por la violencia para sanar, recordar y transformar el silencio en música.	Título: El secreto del halcón. País: Perú. Año: 2025. Género: Acción, Artes marciales. Dirección: Víctor Zarabia. Locación: Andahuaylas, Apurímac. Idioma: Español. Temas: cultura andina. Sinopsis: Existe un secreto sagrado bien guardado durante muchos siglos, grabado en un talismán con la figura de un halcón místico, separado en dos partes. Siwar, después de muchas décadas regresa a su tierra natal del Perú Profundo, a indagar sobre este poderoso talismán que encierra muchos misterios. Se involucra en problemas al toparse con el clan de los Wamanchawas, quienes tienen el propósito de encontrar las dos piezas del talismán con el único afán oscuro, profanar la energía del talismán sagrado. Qorywayra es una guerrera protectora del talismán, que vive en medio de un bosque de piedras de los dioses. Siwar se enfrenta a los malévolos planes de los Wamanchawas, ¿Qué esconde el secreto del Halcón?	Título: Álbum de familia. País: Perú. Año: 2024. Género: Drama. Dirección: Joel Calero Gamarra. Locación: Lima, Ayacucho. Idioma: Español. Temas: conflicto armado interno. Sinopsis: Alex pronto será padre. En un depósito, descubre unas fotografías familiares profundamente inquietantes. Algunas sugieren la infidelidad conyugal de su madre; otras, la participación de su padre, oficial retirado, en diversos actos de violencia. La pesquisa de Alex lo llevará a un pueblo devastado años antes por la violencia del Conflicto Armado Interno para descubrir su verdadero e intrincado álbum de familia.
`Recomiéndame cine nacional ambientado en Andahuaylas, Apurímac que trate conflicto armado interno, cultura andina y una situación como esta: En un pueblo andino del Perú, en 1982, Tato, un niño de 12 años, se ve forzado al exilio cuando su familia es amenazada`	`Título: 1982. País: Perú. Año: 2025. Género: Drama. Dirección: Garcia JC (Juan Carlos García Pérez). Locación: Andahuaylas, Apurímac. Idioma: Español. Temas: conflicto armado interno, cultura andina. Sinopsis: En un pueblo andino del Perú, en 1982, Tato, un niño de 12 años, se ve forzado al exilio cuando su familia es amenazada.`	Título: Uchpa, la película. País: Perú. Año: 2025. Género: Documental, Musical. Dirección: Antonio Rodríguez. Locación: Ocobamba, Huancaray, Apurímac, Ayacucho, Lima. Idioma: Quechua, Español. Temas: conflicto armado interno, música, rock, cultura andina. Sinopsis: Fredy Ortiz, líder de Uchpa, revolucionó el rock en quechua. Antes fue policía en los años más duros del conflicto armado. Décadas después, vuelve a los pueblos marcados por la violencia para sanar, recordar y transformar el silencio en música.	Título: El secreto del halcón. País: Perú. Año: 2025. Género: Acción, Artes marciales. Dirección: Víctor Zarabia. Locación: Andahuaylas, Apurímac. Idioma: Español. Temas: cultura andina. Sinopsis: Existe un secreto sagrado bien guardado durante muchos siglos, grabado en un talismán con la figura de un halcón místico, separado en dos partes. Siwar, después de muchas décadas regresa a su tierra natal del Perú Profundo, a indagar sobre este poderoso talismán que encierra muchos misterios. Se involucra en problemas al toparse con el clan de los Wamanchawas, quienes tienen el propósito de encontrar las dos piezas del talismán con el único afán oscuro, profanar la energía del talismán sagrado. Qorywayra es una guerrera protectora del talismán, que vive en medio de un bosque de piedras de los dioses. Siwar se enfrenta a los malévolos planes de los Wamanchawas, ¿Qué esconde el secreto del Halcón?	Título: Álbum de familia. País: Perú. Año: 2024. Género: Drama. Dirección: Joel Calero Gamarra. Locación: Lima, Ayacucho. Idioma: Español. Temas: conflicto armado interno. Sinopsis: Alex pronto será padre. En un depósito, descubre unas fotografías familiares profundamente inquietantes. Algunas sugieren la infidelidad conyugal de su madre; otras, la participación de su padre, oficial retirado, en diversos actos de violencia. La pesquisa de Alex lo llevará a un pueblo devastado años antes por la violencia del Conflicto Armado Interno para descubrir su verdadero e intrincado álbum de familia.
`Quiero ver una historia peruana con esta idea: En un pueblo andino del Perú, en 1982, Tato, un niño de 12 años, se ve forzado al exilio cuando su familia es amenazada`	`Título: 1982. País: Perú. Año: 2025. Género: Drama. Dirección: Garcia JC (Juan Carlos García Pérez). Locación: Andahuaylas, Apurímac. Idioma: Español. Temas: conflicto armado interno, cultura andina. Sinopsis: En un pueblo andino del Perú, en 1982, Tato, un niño de 12 años, se ve forzado al exilio cuando su familia es amenazada.`	Título: Uchpa, la película. País: Perú. Año: 2025. Género: Documental, Musical. Dirección: Antonio Rodríguez. Locación: Ocobamba, Huancaray, Apurímac, Ayacucho, Lima. Idioma: Quechua, Español. Temas: conflicto armado interno, música, rock, cultura andina. Sinopsis: Fredy Ortiz, líder de Uchpa, revolucionó el rock en quechua. Antes fue policía en los años más duros del conflicto armado. Décadas después, vuelve a los pueblos marcados por la violencia para sanar, recordar y transformar el silencio en música.	Título: El secreto del halcón. País: Perú. Año: 2025. Género: Acción, Artes marciales. Dirección: Víctor Zarabia. Locación: Andahuaylas, Apurímac. Idioma: Español. Temas: cultura andina. Sinopsis: Existe un secreto sagrado bien guardado durante muchos siglos, grabado en un talismán con la figura de un halcón místico, separado en dos partes. Siwar, después de muchas décadas regresa a su tierra natal del Perú Profundo, a indagar sobre este poderoso talismán que encierra muchos misterios. Se involucra en problemas al toparse con el clan de los Wamanchawas, quienes tienen el propósito de encontrar las dos piezas del talismán con el único afán oscuro, profanar la energía del talismán sagrado. Qorywayra es una guerrera protectora del talismán, que vive en medio de un bosque de piedras de los dioses. Siwar se enfrenta a los malévolos planes de los Wamanchawas, ¿Qué esconde el secreto del Halcón?	Título: Álbum de familia. País: Perú. Año: 2024. Género: Drama. Dirección: Joel Calero Gamarra. Locación: Lima, Ayacucho. Idioma: Español. Temas: conflicto armado interno. Sinopsis: Alex pronto será padre. En un depósito, descubre unas fotografías familiares profundamente inquietantes. Algunas sugieren la infidelidad conyugal de su madre; otras, la participación de su padre, oficial retirado, en diversos actos de violencia. La pesquisa de Alex lo llevará a un pueblo devastado años antes por la violencia del Conflicto Armado Interno para descubrir su verdadero e intrincado álbum de familia.

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim", 4 "gather_across_devices": false, 5 "directions": [ 6 "query_to_doc" 7 ], 8 "partition_mode": "joint", 9 "hardness_mode": null, 10 "hardness_strength": 0.0 11}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 1
num_train_epochs: 1.0
learning_rate: 2e-05
warmup_steps: 0.1
gradient_accumulation_steps: 4
fp16: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

per_device_train_batch_size: 1
num_train_epochs: 1.0
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: 4
average_tokens_across_devices: True
max_grad_norm: 1.0
label_smoothing_factor: 0.0
bf16: False
fp16: True
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: 8
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: False
ignore_data_skip: False
restore_callback_states_from_checkpoint: False
full_determinism: False
seed: 42
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
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
warmup_ratio: None
local_rank: -1
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss
0.025	10	0.1559
0.05	20	0.2471
0.075	30	0.1129
0.1	40	0.1455
0.125	50	0.0927
0.15	60	0.0996
0.175	70	0.0717
0.2	80	0.0673
0.225	90	0.0767
0.25	100	0.0718
0.275	110	0.0678
0.3	120	0.0747
0.325	130	0.0581
0.35	140	0.0406
0.375	150	0.0210
0.4	160	0.0416
0.425	170	0.0515
0.45	180	0.0398
0.475	190	0.0429
0.5	200	0.0521
0.525	210	0.0187
0.55	220	0.0689
0.575	230	0.0572
0.6	240	0.0288
0.625	250	0.0501
0.65	260	0.0770
0.675	270	0.0226
0.7	280	0.0166
0.725	290	0.0287
0.75	300	0.0223
0.775	310	0.0404
0.8	320	0.0405
0.825	330	0.0123
0.85	340	0.0567
0.875	350	0.0179
0.9	360	0.0177
0.925	370	0.0472
0.95	380	0.0606
0.975	390	0.0300
1.0	400	0.0226

Training Time

Training: 6.8 minutes

Framework Versions

Python: 3.12.10
Sentence Transformers: 5.6.1
Transformers: 5.14.1
PyTorch: 2.11.0+cu128
Accelerate: 1.14.0
Datasets: 5.0.1
Tokenizers: 0.22.2

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