metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:2697
  - loss:MatryoshkaLoss
  - loss:CoSENTLoss
base_model: nomic-ai/modernbert-embed-base
widget:
  - source_sentence: En un mercado de granjeros, se encuentra un hombre.
    sentences:
      - >-
        Un abogado de la CPI detenido en Libia está ahora mismo encarando un
        período de detención de 45 días
      - >-
        Un hombre está presente en un mercado donde se venden productos
        agrícolas directamente de los agricultores.
      - >-
        ¿Existe la posibilidad de que cambie de opinión si no se expresa de
        manera enérgica o muestra un comportamiento inapropiado?
  - source_sentence: >-
      Una mujer está posada en una postura con los brazos abiertos mientras otra
      persona le toma una fotografía.
    sentences:
      - >-
        Un hombre se encuentra parado en medio de una multitud sujetando un
        objeto de color blanco.
      - Las personas están cerca del agua.
      - >-
        Frente a una estatua de una vaca, hay una mujer, un niño pequeño y un
        bebé diminuto.
  - source_sentence: >-
      Un grupo de cuatro niños está observando los diferentes animales que están
      en el establo.
    sentences:
      - >-
        Evita apoyar todo tu peso en los brazos, ya que tus manos no están
        diseñadas para soportar esa presión constante.
      - Los niños están mirando atentamente a una oveja.
      - Un puma persigue a un oso grande en el bosque.
  - source_sentence: >-
      La gente se balancea saltando al agua mientras otros pescan en el fondo
      del mar.
    sentences:
      - Dos individuos observan el agua con atención.
      - >-
        Siempre golpeamos suavemente a nuestros hijos en la boca para mostrarles
        que su boca es lo que les causa dolor.
      - >-
        Aunque el sistema de prioridad al primero en llegar beneficia a dos
        participantes, no asegura definitivamente la exclusión de terceros.
  - source_sentence: El cordero está mirando hacia la cámara.
    sentences:
      - >-
        Manmohan en Teherán insta a NAM a tomar una posición clara sobre el
        conflicto en Siria
      - Un gato está mirando hacia la cámara también.
      - >-
        "Sí, no deseo estar presente durante este testimonio", declaró
        tranquilamente Peterson, de 31 años, al juez cuando fue devuelto a su
        celda.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: SentenceTransformer based on nomic-ai/modernbert-embed-base
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts dev 768
          type: sts-dev-768
        metrics:
          - type: pearson_cosine
            value: 0.7498914121357008
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.7531670275662775
            name: Spearman Cosine
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts dev 512
          type: sts-dev-512
        metrics:
          - type: pearson_cosine
            value: 0.7468285624371191
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.7482342767593612
            name: Spearman Cosine
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts dev 256
          type: sts-dev-256
        metrics:
          - type: pearson_cosine
            value: 0.7419098803201045
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.7450577925521013
            name: Spearman Cosine
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts dev 128
          type: sts-dev-128
        metrics:
          - type: pearson_cosine
            value: 0.7262860099881795
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.7304432975238186
            name: Spearman Cosine
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts dev 64
          type: sts-dev-64
        metrics:
          - type: pearson_cosine
            value: 0.6973267849431932
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.7069603266334332
            name: Spearman Cosine
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts test 768
          type: sts-test-768
        metrics:
          - type: pearson_cosine
            value: 0.8673484326459211
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.8767387684433159
            name: Spearman Cosine
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts test 512
          type: sts-test-512
        metrics:
          - type: pearson_cosine
            value: 0.8665336885415594
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.8751868367625472
            name: Spearman Cosine
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts test 256
          type: sts-test-256
        metrics:
          - type: pearson_cosine
            value: 0.8568125590206718
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.8702353416571491
            name: Spearman Cosine
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts test 128
          type: sts-test-128
        metrics:
          - type: pearson_cosine
            value: 0.8485344363338887
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.8617402150766132
            name: Spearman Cosine
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts test 64
          type: sts-test-64
        metrics:
          - type: pearson_cosine
            value: 0.8193790032247387
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.8419631939550043
            name: Spearman Cosine

SentenceTransformer based on nomic-ai/modernbert-embed-base

This is a sentence-transformers model finetuned from nomic-ai/modernbert-embed-base on the stsb_multi_es_augmented (private) dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

Model Type: Sentence Transformer
Base model: nomic-ai/modernbert-embed-base
Maximum Sequence Length: 8192 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- Private stsb dataset

Model Sources

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

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: ModernBertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, '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("mrm8488/modernbert-embed-base-ft-sts-spanish-matryoshka-768-64-5e")
# Run inference
sentences = [
    'El cordero está mirando hacia la cámara.',
    'Un gato está mirando hacia la cámara también.',
    '"Sí, no deseo estar presente durante este testimonio", declaró tranquilamente Peterson, de 31 años, al juez cuando fue devuelto a su celda.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Semantic Similarity

Datasets: sts-dev-768, sts-dev-512, sts-dev-256, sts-dev-128, sts-dev-64, sts-test-768, sts-test-512, sts-test-256, sts-test-128 and sts-test-64
Evaluated with EmbeddingSimilarityEvaluator

Metric	sts-dev-768	sts-dev-512	sts-dev-256	sts-dev-128	sts-dev-64	sts-test-768	sts-test-512	sts-test-256	sts-test-128	sts-test-64
pearson_cosine	0.7499	0.7468	0.7419	0.7263	0.6973	0.8673	0.8665	0.8568	0.8485	0.8194
spearman_cosine	0.7532	0.7482	0.7451	0.7304	0.707	0.8767	0.8752	0.8702	0.8617	0.842

Training Details

Training Dataset

stsb_multi_es_augmented (private)

Size: 2,697 training samples
Columns: sentence1, sentence2, and score
Approximate statistics based on the first 1000 samples:
sentence1 sentence2 score
type string string float
details
min: 9 tokens
mean: 28.42 tokens
max: 96 tokens

min: 10 tokens
mean: 28.01 tokens
max: 92 tokens

min: 0.0
mean: 2.72
max: 5.0

	sentence1	sentence2	score
type	string	string	float
details	min: 9 tokens mean: 28.42 tokens max: 96 tokens	min: 10 tokens mean: 28.01 tokens max: 92 tokens	min: 0.0 mean: 2.72 max: 5.0

Samples:

sentence1	sentence2	score
`El pájaro de tamaño reducido se posó con delicadeza en una rama cubierta de escarcha.`	`Un ave de color amarillo descansaba tranquilamente en una rama.`	`3.200000047683716`
`Una chica está tocando la flauta en un parque.`	`Un grupo de músicos está tocando en un escenario al aire libre.`	`1.286`
`La aclamada escritora británica, Doris Lessing, galardonada con el premio Nobel, fallece`	`La destacada autora británica, Doris Lessing, reconocida con el prestigioso Premio Nobel, muere`	`4.199999809265137`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "CoSENTLoss",
    "matryoshka_dims": [
        768,
        512,
        256,
        128,
        64
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": -1
}

Evaluation Dataset

stsb_multi_es_augmented (private)

Size: 697 evaluation samples
Columns: sentence1, sentence2, and score
Approximate statistics based on the first 697 samples:
sentence1 sentence2 score
type string string float
details
min: 9 tokens
mean: 29.35 tokens
max: 87 tokens

min: 9 tokens
mean: 28.52 tokens
max: 81 tokens

min: 0.0
mean: 2.3
max: 5.0

	sentence1	sentence2	score
type	string	string	float
details	min: 9 tokens mean: 29.35 tokens max: 87 tokens	min: 9 tokens mean: 28.52 tokens max: 81 tokens	min: 0.0 mean: 2.3 max: 5.0

Samples:

sentence1	sentence2	score
`Un incendio ocurrido en un hospital psiquiátrico ruso resultó en la trágica muerte de 38 personas.`	`Se teme que el incendio en un hospital psiquiátrico ruso cause la pérdida de la vida de 38 individuos.`	`4.199999809265137`
`"Street dijo que el otro individuo a veces se siente avergonzado de su fiesta, lo cual provoca risas en la multitud"`	`"A veces, el otro tipo se encuentra avergonzado de su fiesta y no se le puede culpar."`	`3.5`
`El veterano diplomático de Malasia tuvo un encuentro con Suu Kyi el miércoles en la casa del lago en Yangon donde permanece bajo arresto domiciliario.`	`Razali Ismail tuvo una reunión de 90 minutos con Suu Kyi, quien ganó el Premio Nobel de la Paz en 1991, en su casa del lago donde está recluida.`	`3.691999912261963`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "CoSENTLoss",
    "matryoshka_dims": [
        768,
        512,
        256,
        128,
        64
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": -1
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
num_train_epochs: 5
warmup_ratio: 0.1
bf16: True

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 1
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 5e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 5
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.1
warmup_steps: 0
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
save_safetensors: True
save_on_each_node: False
save_only_model: False
restore_callback_states_from_checkpoint: False
no_cuda: False
use_cpu: False
use_mps_device: False
seed: 42
data_seed: None
jit_mode_eval: False
use_ipex: False
bf16: True
fp16: False
fp16_opt_level: O1
half_precision_backend: auto
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: 0
ddp_backend: None
tpu_num_cores: None
tpu_metrics_debug: False
debug: []
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_prefetch_factor: None
past_index: -1
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: False
ignore_data_skip: False
fsdp: []
fsdp_min_num_params: 0
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
fsdp_transformer_layer_cls_to_wrap: None
accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch
optim_args: None
adafactor: False
group_by_length: False
length_column_name: length
ddp_find_unused_parameters: None
ddp_bucket_cap_mb: None
ddp_broadcast_buffers: False
dataloader_pin_memory: True
dataloader_persistent_workers: False
skip_memory_metrics: True
use_legacy_prediction_loop: False
push_to_hub: False
resume_from_checkpoint: None
hub_model_id: None
hub_strategy: every_save
hub_private_repo: None
hub_always_push: False
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
include_for_metrics: []
eval_do_concat_batches: True
fp16_backend: auto
push_to_hub_model_id: None
push_to_hub_organization: None
mp_parameters:
auto_find_batch_size: False
full_determinism: False
torchdynamo: None
ray_scope: last
ddp_timeout: 1800
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
dispatch_batches: None
split_batches: None
include_tokens_per_second: False
include_num_input_tokens_seen: False
neftune_noise_alpha: None
optim_target_modules: None
batch_eval_metrics: False
eval_on_start: False
use_liger_kernel: False
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss	sts-dev-768_spearman_cosine	sts-dev-512_spearman_cosine	sts-dev-256_spearman_cosine	sts-dev-128_spearman_cosine	sts-dev-64_spearman_cosine	sts-test-768_spearman_cosine	sts-test-512_spearman_cosine	sts-test-256_spearman_cosine	sts-test-128_spearman_cosine	sts-test-64_spearman_cosine
0.5917	100	23.7709	22.5494	0.7185	0.7146	0.7055	0.6794	0.6570	-	-	-	-	-
1.1834	200	22.137	22.7634	0.7449	0.7412	0.7439	0.7287	0.7027	-	-	-	-	-
1.7751	300	21.5527	22.6985	0.7321	0.7281	0.7243	0.7063	0.6862	-	-	-	-	-
2.3669	400	20.5745	24.0021	0.7302	0.7264	0.7221	0.7097	0.6897	-	-	-	-	-
2.9586	500	20.0861	24.0091	0.7392	0.7361	0.7293	0.7124	0.6906	-	-	-	-	-
3.5503	600	18.8191	26.9012	0.7502	0.7462	0.7399	0.7207	0.6960	-	-	-	-	-
4.1420	700	18.3	29.0209	0.7496	0.7454	0.7432	0.7284	0.7065	-	-	-	-	-
4.7337	800	17.6496	28.9536	0.7532	0.7482	0.7451	0.7304	0.7070	-	-	-	-	-
5.0	845	-	-	-	-	-	-	-	0.8767	0.8752	0.8702	0.8617	0.8420

Framework Versions

Python: 3.10.12
Sentence Transformers: 3.3.1
Transformers: 4.48.0
PyTorch: 2.5.1+cu121
Accelerate: 1.2.1
Datasets: 3.2.0
Tokenizers: 0.21.0

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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

CoSENTLoss

@online{kexuefm-8847,
    title={CoSENT: A more efficient sentence vector scheme than Sentence-BERT},
    author={Su Jianlin},
    year={2022},
    month={Jan},
    url={https://kexue.fm/archives/8847},
}