README.md

metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - dense
  - generated_from_trainer
  - dataset_size:1175405
  - loss:CosineSimilarityLoss
base_model: BSC-LT/MrBERT-es
widget:
  - source_sentence: El camino de Santiago articula la península ibérica con Europa.
    sentences:
      - Y un millon de euros y de pesetas tampoco son lo mismo.
      - >-
        Asimismo, en los montes puede haber matorral de coscoja y, también,
        lentisco, romero, enebro o brezo.
      - El país fue el noveno mayor importador de petróleo del mundo en 2013 .
  - source_sentence: >-
      Será la oportunidad de fabulosos negocios, que enriquecieron a José de
      Salamanca y Mayol, marqués de Salamanca, quien dio nombre al nuevo barrio
      creado al este de lo que pasará a ser el eje central de la ciudad .
    sentences:
      - Para terminar, como suelen hacer, el 'Free from desire', de Gala.
      - >-
        Que JAMT sus deseos y buenos pensamientos FIELES sean sólo para mi AMPS,
        que sus pensamientos, ATENCION,gentilezas, HALAGOS,REGALOS,TIEMPO
        LIBRE,amor, cariño, ternura, dinero, bondades,DEDICACION y detalles sean
        sólo para mi AMPS Solamente Y UNICAMENTE yo AMPS le daré Y DOY AMOR Y
        placer varias veces en el mismo día, solo yo AMPS tendré Y TENGO ese
        poder dado por ti mi reina.
      - >-
        Esperamos con anhelo poder saludarte personalmente en breve. 50 años
        invirtiendo en personas Comunicación SSRR Comunicación SSRR2020-05-05
        17:59:082020-07-30 16:55:37Regresamos con más energía, si cabe.
  - source_sentence: >-
      Fin del sitio En una sección titulada "Un lentísimo adiós", Xataka en 2017
      decía que la portada de Barrapunto mostraba contenidos de hacía 42 y más
      días.
    sentences:
      - >-
        Taxonomía Castanea henryi fue descrita primero por Sidney Alfred Skan
        como Castanopsis henryi y luego trasladado al género Castanea por Alfred
        Rehder & Ernest Henry Wilson y publicado en Plantae Wilsonianae, an
        enumeration of the woody plants collected in Western China for the
        Arnold Arboretum of Harvard University during the years 1907, 1908 and
        1910 by E.H.
      - >-
        Para este 2019 se trabaja con 6 empresas, que representarían a la
        segunda generación de dicho programa.
      - Ya no está uno para estos trotes.
  - source_sentence: Teatro Poético repartido en veintiún entremeses nuevos, Zaragoza, 1651.
    sentences:
      - >-
        Finalmente el territorio caribeño logró la independencia entre finales
        del y el .
      - No es considerada fiable.
      - La página se generó a las 19:58:53.
  - source_sentence: >-
      Historia La botánica moderna Significado de la botánica como ciencia Los
      distintos grupos de vegetales participan de manera fundamental en los
      ciclos de la biosfera.
    sentences:
      - >-
        Durante la transpiración, el sudor elimina el calor del cuerpo humano
        por evaporación.
      - >-
        El COPINH exige a las autoridades judiciales y fiscales proceder
        judicialmente contra los alcaldes municipales, altos funcionarios de
        SERNA, y contra las empresas y demás sectores involucrados en esta
        agresión contra el pueblo lenca.
      - >-
        A nivel global, el artículo13 del Pacto Internacional de Derechos
        Económicos, Sociales y Culturales de 1966 de las Naciones Unidas
        reconoce el derecho de toda persona a la educación.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: SentenceTransformer based on BSC-LT/MrBERT-es
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: STSES
          type: stses
        metrics:
          - type: pearson_cosine
            value: 0.752738
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.716634
            name: Spearman Cosine

SentenceTransformer based on BSC-LT/MrBERT-es

This is a sentence-transformers model finetuned from BSC-LT/MrBERT-es. 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.

About This Project

This model was trained using the Transformer Encoder Frankenstein framework - a config-driven training library and CLI for end-to-end NLP workflows.

The Frankenstein Transformer provides:

• Schema-driven configuration: Strict YAML schema validation for reproducible training
• Thermal stability controls: GPU temperature management for safe long-term training
• Advanced optimizer support: Multiple optimizer implementations (AdamW, AdaFactor, GaLore, Lion, Muon, Sophia, and more)
• SBERT workflows: Specialized sentence-embedding fine-tuning and inference tools
• Deployment artifact generation: Model quantization and deployment utilities
• Inference modes: Single text, batch, and benchmark inference capabilities

Visit the Transformer Encoder Frankenstein repository for more information, documentation, and usage examples.

Evaluation Results (STSES Dataset)

This model achieves strong performance on the Spanish Semantic Textual Similarity Evaluation Set (STSES):

Metric	Score
Pearson Cosine Similarity	0.7527
Spearman Cosine Similarity	0.7166
Manhattan Pearson	0.7514
Manhattan Spearman	0.7162
Euclidean Pearson	0.7499
Euclidean Spearman	0.7166
Main Score (Spearman Cosine)	0.7166
Evaluation Time	1.15 seconds
Languages	Spanish (spa-Latn)
MTEB Version	1.39.7

Training Configuration

This model was trained using the following Frankenstein Transformer YAML configuration:

base_model: BSC-LT/MrBERT-es
training:
  task: sbert
  switch_on_thermal: true
  gpu_temp_guard_enabled: true
  gpu_temp_resume_threshold_c: 75
  gpu_temp_pause_threshold_c: 85
  gpu_temp_critical_threshold_c: 88
  gpu_temp_poll_interval_seconds: 30
  telemetry_log_interval: 1
  sbert:
    dataset_name: "erickfmm/agentlans__multilingual-sentences__paired_10_sts"
    dataset_type: paired_similarity
    columns:
      sentence1: sentence1
      sentence2: sentence2
      similarity: similarity
    output_dir: "./output/sbert_modernbert"
    batch_size: 512
    gradient_accumulation_steps: 1
    max_grad_norm: 2.0
    epochs: 10
    warmup_steps: 250
    evaluation_steps: 5000
    checkpoint_save_steps: 1000
    resume_from_checkpoint: true
    learning_rate: 1.6e-6
    max_train_samples: null
    max_eval_samples: 20000
    max_seq_length: 8192
    pooling_mode: mean
    use_amp: false
    resample_balanced: false
    resample_std: 0.3
    standardize_scores: true

Configuration Details

• Base Model: BSC-LT/MrBERT-es - Spanish BERT variant
• Task: Sentence-BERT (SBERT) fine-tuning for semantic similarity
• Thermal Management: Enabled with safeguards (pause at 85°C, resume at 75°C, critical at 88°C)
• Dataset: Multilingual sentence pairs with similarity scores
• Batch Size: 512 samples per batch
• Training Duration: 10 epochs
• Sequence Length: Up to 8,192 tokens (extended from standard 512)
• Learning Rate: 1.6e-6 (very low for stable fine-tuning)
• Pooling: Mean pooling over token embeddings
• Output Dimensionality: 768 dimensions

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: BSC-LT/MrBERT-es
• Maximum Sequence Length: 8192 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Dataset Size: 1,175,405 sentence pairs
• Loss Function: Cosine Similarity Loss

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, 'architecture': '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("sentence_transformers_model_id")
# Run inference
sentences = [
    'Historia La botánica moderna Significado de la botánica como ciencia Los distintos grupos de vegetales participan de manera fundamental en los ciclos de la biosfera.',
    'El COPINH exige a las autoridades judiciales y fiscales proceder judicialmente contra los alcaldes municipales, altos funcionarios de SERNA, y contra las empresas y demás sectores involucrados en esta agresión contra el pueblo lenca.',
    'Durante la transpiración, el sudor elimina el calor del cuerpo humano por evaporación.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.2126, 0.2099],
#         [0.2126, 1.0000, 0.0278],
#         [0.2099, 0.0278, 1.0000]])

Evaluation

Metrics

Semantic Similarity

• Dataset: sts_eval
• Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.4611
spearman_cosine	0.2749

Training Details

Training Dataset

Unnamed Dataset

• Size: 1,175,405 training samples
• Columns: sentence_0, sentence_1, and label
• Approximate statistics based on the first 1000 samples:

  	sentence_0	sentence_1	label
  type	string	string	float
  details	min: 5 tokens mean: 37.17 tokens max: 290 tokens	min: 5 tokens mean: 38.26 tokens max: 375 tokens	min: -0.75 mean: 0.17 max: 1.0

• Samples:

  sentence_0	sentence_1	label
  Los ahorros de la jubilación podrán usarse para este fin.	Sony Ericsson W8 además de todo eso presenta una pantalla táctil de tipo HVGA de 320 x 480 píxeles y la pantalla posee 16.777.216 colores.	0.2533760964870453
  Programas de desarrollo en el cerebelo La transición célula progenitora a neurona madura, implica una serie de cambios morfológicos y moleculares altamente regulada espacial y temporalmente.	Dos ejemplos en los que el principio de exclusión relaciona la materia con la ocupación del espacio son las estrellas enanas blancas y las estrellas de neutrones, que se analizan más adelante.	0.1902337223291397
  Bolsa inmobiliaria online en Distrito Federal df, inmuebles en venta y renta, casas, departamentos, locales, terrenos, inmobiliarias, desarrollos, anunciar inmuebles.	Otros prefieren hablar de "régimen" o "sistema feudal", para diferenciarlo sutilmente del feudalismo estricto, o de síntesis feudal, para marcar el hecho de que sobreviven en ella rasgos de la antigüedad clásica mezclados con contribuciones germánicas, implicando tanto a instituciones como a elementos productivos, y significó la especificidad del feudalismo europeo occidental como formación económico social frente a otras también feudales, con consecuencias trascendentales en el futuro devenir histórico.	0.21721388399600983

• Loss: CosineSimilarityLoss with these parameters:

  {
      "loss_fct": "torch.nn.modules.loss.MSELoss"
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• max_grad_norm: 2.0
• num_train_epochs: 10
• multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: steps
• prediction_loss_only: True
• per_device_train_batch_size: 8
• per_device_eval_batch_size: 8
• 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: 2.0
• num_train_epochs: 10
• max_steps: -1
• lr_scheduler_type: linear
• lr_scheduler_kwargs: None
• warmup_ratio: 0.0
• 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
• bf16: False
• 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}
• parallelism_config: None
• deepspeed: None
• label_smoothing_factor: 0.0
• optim: adamw_torch
• optim_args: None
• adafactor: False
• group_by_length: False
• length_column_name: length
• project: huggingface
• trackio_space_id: trackio
• 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
• hub_revision: None
• 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
• include_tokens_per_second: False
• include_num_input_tokens_seen: no
• neftune_noise_alpha: None
• optim_target_modules: None
• batch_eval_metrics: False
• eval_on_start: False
• use_liger_kernel: False
• liger_kernel_config: None
• eval_use_gather_object: False
• average_tokens_across_devices: True
• prompts: None
• batch_sampler: batch_sampler
• multi_dataset_batch_sampler: round_robin
• router_mapping: {}
• learning_rate_mapping: {}

Training Logs

Click to expand

Epoch	Step	Training Loss	sts_eval_spearman_cosine
3.9714	583500	0.0253	0.2725
3.9748	584000	0.0274	0.2733
3.9782	584500	0.0279	0.2711
3.9816	585000	0.0248	0.2708
3.9850	585500	0.0264	0.2676
3.9884	586000	0.0267	0.2713
3.9918	586500	0.0276	0.2703
3.9952	587000	0.0273	0.2674
3.9986	587500	0.0278	0.2688
4.0	587704	-	0.2672
4.0020	588000	0.0259	0.2675
4.0054	588500	0.0257	0.2697
4.0088	589000	0.0268	0.2694
4.0122	589500	0.0256	0.2706
4.0156	590000	0.0254	0.2706
4.0190	590500	0.0263	0.2695
4.0224	591000	0.0274	0.2691
4.0258	591500	0.0255	0.2712
4.0292	592000	0.0253	0.2696
4.0326	592500	0.025	0.2692
4.0360	593000	0.0263	0.2679
4.0394	593500	0.028	0.2689
4.0429	594000	0.0275	0.2696
4.0463	594500	0.0268	0.2699
4.0497	595000	0.025	0.2686
4.0531	595500	0.0277	0.2683
4.0565	596000	0.0276	0.2690
4.0599	596500	0.0242	0.2686
4.0633	597000	0.0264	0.2691
4.0667	597500	0.0273	0.2681
4.0701	598000	0.0269	0.2693
4.0735	598500	0.0274	0.2698
4.0769	599000	0.0252	0.2704
4.0803	599500	0.0268	0.2708
4.0837	600000	0.0259	0.2696
4.0871	600500	0.0277	0.2689
4.0905	601000	0.0262	0.2663
4.0939	601500	0.0266	0.2697
4.0973	602000	0.0269	0.2700
4.1007	602500	0.0253	0.2673
4.1041	603000	0.0281	0.2684
4.1075	603500	0.0263	0.2687
4.1109	604000	0.028	0.2677
4.1143	604500	0.0277	0.2701
4.1177	605000	0.0273	0.2686
4.1211	605500	0.0253	0.2681
4.1245	606000	0.0264	0.2694
4.1279	606500	0.0281	0.2706
4.1313	607000	0.0262	0.2714
4.1347	607500	0.0265	0.2673
4.1381	608000	0.0254	0.2685
4.1415	608500	0.0279	0.2674
4.1449	609000	0.0284	0.2692
4.1483	609500	0.0283	0.2680
4.1517	610000	0.0277	0.2673
4.1552	610500	0.0264	0.2692
4.1586	611000	0.0261	0.2687
4.1620	611500	0.0273	0.2697
4.1654	612000	0.027	0.2697
4.1688	612500	0.0274	0.2696
4.1722	613000	0.0273	0.2698
4.1756	613500	0.0255	0.2659
4.1790	614000	0.0274	0.2660
4.1824	614500	0.0284	0.2666
4.1858	615000	0.0268	0.2680
4.1892	615500	0.0278	0.2674
4.1926	616000	0.0276	0.2684
4.1960	616500	0.026	0.2700
4.1994	617000	0.0266	0.2686
4.2028	617500	0.0266	0.2680
4.2062	618000	0.0277	0.2678
4.2096	618500	0.0291	0.2649
4.2130	619000	0.0281	0.2635
4.2164	619500	0.0291	0.2659
4.2198	620000	0.0281	0.2672
4.2232	620500	0.0282	0.2655
4.2266	621000	0.0287	0.2648
4.2300	621500	0.0285	0.2640
4.2334	622000	0.0282	0.2645
4.2368	622500	0.027	0.2674
4.2402	623000	0.0268	0.2669
4.2436	623500	0.0291	0.2663
4.2470	624000	0.0291	0.2645
4.2504	624500	0.0277	0.2677
4.2538	625000	0.0273	0.2631
4.2572	625500	0.0265	0.2653
4.2606	626000	0.0276	0.2665
4.2641	626500	0.027	0.2654
4.2675	627000	0.0271	0.2659
4.2709	627500	0.0279	0.2659
4.2743	628000	0.0274	0.2648
4.2777	628500	0.0263	0.2659
4.2811	629000	0.0279	0.2665
4.2845	629500	0.028	0.2677
4.2879	630000	0.0299	0.2701
4.2913	630500	0.0284	0.2688
4.2947	631000	0.0269	0.2683
4.2981	631500	0.0271	0.2689
4.3015	632000	0.0288	0.2680
4.3049	632500	0.0274	0.2674
4.3083	633000	0.0277	0.2675
4.3117	633500	0.0282	0.2671
4.3151	634000	0.0266	0.2658
4.3185	634500	0.0284	0.2648
4.3219	635000	0.0283	0.2637
4.3253	635500	0.0283	0.2647
4.3287	636000	0.0281	0.2641
4.3321	636500	0.0275	0.2620
4.3355	637000	0.0272	0.2630
4.3389	637500	0.0282	0.2642
4.3423	638000	0.0294	0.2664
4.3457	638500	0.0283	0.2639
4.3491	639000	0.0262	0.2663
4.3525	639500	0.0275	0.2671
4.3559	640000	0.0298	0.2669
4.3593	640500	0.0292	0.2693
4.3627	641000	0.0283	0.2673
4.3661	641500	0.027	0.2687
4.3695	642000	0.0278	0.2663
4.3729	642500	0.0301	0.2652
4.3764	643000	0.0275	0.2676
4.3798	643500	0.0292	0.2680
4.3832	644000	0.0266	0.2680
4.3866	644500	0.0283	0.2668
4.3900	645000	0.0303	0.2677
4.3934	645500	0.0299	0.2701
4.3968	646000	0.0284	0.2680
4.4002	646500	0.0272	0.2664
4.4036	647000	0.0297	0.2662
4.4070	647500	0.029	0.2661
4.4104	648000	0.0281	0.2678
4.4138	648500	0.0282	0.2683
4.4172	649000	0.0278	0.2699
4.4206	649500	0.0309	0.2684
4.4240	650000	0.0288	0.2693
4.4274	650500	0.0307	0.2697
4.4308	651000	0.0272	0.2722
4.4342	651500	0.0289	0.2726
4.4376	652000	0.0288	0.2716
4.4410	652500	0.0289	0.2729
4.4444	653000	0.0297	0.2699
4.4478	653500	0.0286	0.2724
4.4512	654000	0.0298	0.2702
4.4546	654500	0.0302	0.2738
4.4580	655000	0.0292	0.2713
4.4614	655500	0.0297	0.2712
4.4648	656000	0.0286	0.2705
4.4682	656500	0.0285	0.2735
4.4716	657000	0.0294	0.2733
4.4750	657500	0.0291	0.2722
4.4784	658000	0.0283	0.2708
4.4818	658500	0.028	0.2714
4.4853	659000	0.0298	0.2716
4.4887	659500	0.0275	0.2721
4.4921	660000	0.0314	0.2731
4.4955	660500	0.0292	0.2730
4.4989	661000	0.029	0.2749

Framework Versions

• Python: 3.9.25
• Sentence Transformers: 5.1.2
• Transformers: 4.57.6
• PyTorch: 2.6.0+cu118
• Accelerate: 1.10.1
• Datasets: 4.5.0
• 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",
}