bge-m3-peliculas-finetuned

SentenceTransformer based on BAAI/bge-m3

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 <!-- at revision 5617a9f61b028005a4858fdac845db406aefb181 -->
• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 1024 dimensions
• Similarity Function: Cosine Similarity
• Supported Modality: Text

<!-- - **Training Dataset:** Unknown --> <!-- - **Language:** Unknown --> <!-- - **License:** Unknown -->

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.

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]])

<!-- ### Direct Usage (Transformers) <details><summary>Click to see the direct usage in Transformers</summary> </details> --> <!-- ### Downstream Usage (Sentence Transformers) You can finetune this model on your own dataset. <details><summary>Click to expand</summary> </details> --> <!-- ### Out-of-Scope Use *List how the model may foreseeably be misused and address what users ought not to do with the model.* --> <!-- ## Bias, Risks and Limitations *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* --> <!-- ### Recommendations *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* -->

Training Details

Training Dataset

Unnamed Dataset

• Size: 1,600 training samples
• Columns: <code>anchor</code>, <code>positive</code>, <code>negative_1</code>, <code>negative_2</code>, and <code>negative_3</code>
• 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	<ul><li>min: 23 tokens</li><li>mean: 47.49 tokens</li><li>max: 73 tokens</li></ul>	<ul><li>min: 87 tokens</li><li>mean: 140.75 tokens</li><li>max: 251 tokens</li></ul>	<ul><li>min: 75 tokens</li><li>mean: 145.54 tokens</li><li>max: 256 tokens</li></ul>	<ul><li>min: 99 tokens</li><li>mean: 168.33 tokens</li><li>max: 256 tokens</li></ul>	<ul><li>min: 116 tokens</li><li>mean: 161.33 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  anchor	positive	negative_1	negative_2	negative_3
  <code>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</code>	<code>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.</code>	<code>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.</code>	<code>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?</code>	<code>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.</code>
  <code>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</code>	<code>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.</code>	<code>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.</code>	<code>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?</code>	<code>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.</code>
  <code>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</code>	<code>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.</code>	<code>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.</code>	<code>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?</code>	<code>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.</code>

• Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "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: 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

<details><summary>Click to expand</summary>

• 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: {}

</details>

Training Logs

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

@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

@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},
}

<!-- ## Glossary *Clearly define terms in order to be accessible across audiences.* --> <!-- ## Model Card Authors *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* --> <!-- ## Model Card Contact *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* -->