xp-mteb-dense-fr-v4-063a

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 semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: BAAI/bge-m3 <!-- at revision 5617a9f61b028005a4858fdac845db406aefb181 -->
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 1024 dimensions
• Similarity Function: Cosine Similarity

<!-- - **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({'max_seq_length': 512, 'do_lower_case': False, 'architecture': 'XLMRobertaModel'})
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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 = [
    "Convention de liquidation du régime matrimonial pendant l'instance en divorce : acte notarié obligatoire pour les biens soumis à publicité foncière ?",
    "Code civil - Article 265-2\nDes personnes - Du divorce - Des conséquences du divorce - Des conséquences du divorce pour les époux - Dispositions générales.\nLes époux peuvent, pendant l'instance en divorce, passer toutes conventions pour la liquidation et le partage de leur régime matrimonial.\n   Lorsque la liquidation porte sur des biens soumis à la publicité foncière, la convention doit être passée par acte notarié.",
    "Code civil - Article 265-1\nLe divorce est sans incidence sur les droits que l'un ou l'autre des époux tient de la loi ou des conventions passées avec des tiers.",
]
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, 0.7003, 0.4054],
#         [0.7003, 1.0000, 0.4614],
#         [0.4054, 0.4614, 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.* -->

Evaluation

Metrics

Information Retrieval

• Dataset: notarial-eval
• Evaluated with <code>InformationRetrievalEvaluator</code>

<!-- ## 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: 34,744 training samples
• Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>sentence_2</code>
• Approximate statistics based on the first 1000 samples:

  	sentence_0	sentence_1	sentence_2
  type	string	string	string
  details	<ul><li>min: 9 tokens</li><li>mean: 23.76 tokens</li><li>max: 47 tokens</li></ul>	<ul><li>min: 24 tokens</li><li>mean: 255.2 tokens</li><li>max: 512 tokens</li></ul>	<ul><li>min: 22 tokens</li><li>mean: 242.71 tokens</li><li>max: 512 tokens</li></ul>

• Samples:

  sentence_0	sentence_1	sentence_2
  <code>Quels sont les éléments obligatoires et les cas de révision de la lettre de mission du commissaire aux comptes ?</code>	<code>Code de commerce - Article A821-62<br>Partie Arrêtés - De quelques professions réglementées. - Des commissaires aux comptes. - Des commissaires aux comptes, des organismes tiers indépendants et des auditeurs des informations en matière de durabilité. - Du statut des commissaires aux comptes - Des commissaires aux comptes - De l'exercice du contrôle légal - Des modalités d'exercice de la mission - De la lettre de mission<br>-la demande d'une confirmation écrite du représentant légal de la personne ou de l'entité pour ce qui concerne les déclarations faites au commissaire aux comptes nécessaires à sa mission ;<br>-le rappel de l'obligation de communication avec les organes mentionnés à l'article L. 821-63 du code de commerce ;<br>-le budget d'honoraires de la mission de contrôle légal et des autres interventions dont la réalisation est connue au moment de l'établissement de la lettre de mission ainsi que, le cas échéant, la répartition de ce budget entre les co-commissaires aux comptes, et les condi...</code>	<code>Code de commerce - Article A821-62<br>Partie Arrêtés - De quelques professions réglementées. - Des commissaires aux comptes. - Des commissaires aux comptes, des organismes tiers indépendants et des auditeurs des informations en matière de durabilité. - Du statut des commissaires aux comptes - Des commissaires aux comptes - De l'exercice du contrôle légal - Des modalités d'exercice de la mission - De la lettre de mission<br>La norme d'exercice professionnel révisée relative à la lettre de mission, homologuée par le garde des sceaux, ministre de la justice, figure ci-dessous :<br>NEP 210. Lettre de mission<br>Introduction<br>1. Les dispositions légales et réglementaires prévoient la mission de contrôle légal dans certaines personnes ou entités. En outre, des interventions autres que le contrôle légal sont expressément et exclusivement requises du commissaire aux comptes de la personne ou de l'entité par les dispositions légales ou réglementaires ou par des dispositions du droit de l'Union européenne ay...</code>
  <code>Où consulter la liste provisoire des caisses de mutualité sociale agricole ?</code>	<code>Code rural et de la pêche maritime - Article R723-28<br>La liste provisoire peut être consultée au siège de la caisse de mutualité sociale agricole et, lorsqu'il s'agit d'une caisse pluridépartementale, au lieu de chacun des établissements départementaux sur support papier ou électronique.</code>	<code>Code rural et de la pêche maritime - Article R723-26<br>Partie réglementaire - Dispositions sociales - Organisation générale des régimes de protection sociale des professions agricoles - Organismes de protection sociale des professions agricoles - Assemblées générales et conseils d'administration des caisses de mutualité sociale agricole - Elections des délégués cantonaux - Dispositions générales.<br>Les conditions pour être électeur, définies à l'article L. 723-19, sont appréciées au 1er avril de l'année précédant celle de l'élection. <br>Pour l'application du premier alinéa de l'article L. 723-19, les personnes auxquelles un échéancier de paiement de leurs cotisations a été accordé en application des dispositions du présent code sont considérées comme ayant acquitté ces cotisations dès lors que les échéances prévues sont respectées.</code>
  <code>Comment majorer un actif d'impôt différé lié à une perte qualifiée au taux minimum ?</code>	<code>Code général des impôts - Article 223 VU quinquies<br>Assiette et liquidation de l'impôt - Impôts d'État - Impôts directs et taxes assimilées - Imposition minimale mondiale des groupes d'entreprises multinationales et des groupes nationaux - Calcul du taux effectif d'imposition - Détermination du numérateur : calcul du montant corrigé des impôts couverts - Montant total de la correction pour impôt différé<br>Par dérogation au 1° de l'article 223 VU bis, l'actif d'impôt différé qui est lié à la constatation d'un déficit par une entité constitutive et qui a été comptabilisé au titre d'un exercice et déterminé en application d'un taux inférieur au taux minimum d'imposition peut être majoré en application du taux minimum d'imposition au titre de ce même exercice, si l'entité constitutive est en mesure de démontrer que cet actif d'impôt différé est attribuable à une perte qualifiée. <br>Lorsque le montant de l'actif d'impôt différé couvert est corrigé en application du premier alinéa du présent arti...</code>	<code>Code général des impôts - Article 223 VU ter<br>Assiette et liquidation de l'impôt - Impôts d'État - Impôts directs et taxes assimilées - Imposition minimale mondiale des groupes d'entreprises multinationales et des groupes nationaux - Calcul du taux effectif d'imposition - Détermination du numérateur : calcul du montant corrigé des impôts couverts - Montant total de la correction pour impôt différé<br>Lorsque, au titre d'un exercice, un actif d'impôt différé lié à la constatation d'un déficit n'est pas comptabilisé dans les états financiers au motif que les critères permettant sa comptabilisation ne sont pas remplis, le montant total de la correction pour impôt différé mentionné à l'article 223 VU bis est minoré du montant de cet actif d'impôt différé, déterminé comme s'il devait être comptabilisé conformément à la norme de comptabilité financière utilisée et retenu en application du présent article.</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: 4
• per_device_eval_batch_size: 4
• fp16: True
• multi_dataset_batch_sampler: round_robin

All Hyperparameters

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

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: no
• prediction_loss_only: True
• per_device_train_batch_size: 4
• per_device_eval_batch_size: 4
• 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
• num_train_epochs: 3
• max_steps: -1
• lr_scheduler_type: linear
• lr_scheduler_kwargs: {}
• 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: True
• 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_fused
• 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: {}

</details>

Training Logs

Framework Versions

• Python: 3.12.3
• Sentence Transformers: 5.3.0
• Transformers: 4.57.3
• PyTorch: 2.10.0+cu130
• Accelerate: 1.12.0
• Datasets: 4.8.4
• 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.* -->