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: 8192 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("ryma-tharouma/bge-m3-finetuned_v3")
# Run inference
sentences = [
    'je dois créer un rapport de performance commerciale consolidé pour la direction',
    "Générer un rapport de performance commerciale consolidé pour la direction\nChemin : CRM > Reporting > Tableau de bord direction > Rapport consolidé\n1. Naviguer vers CRM > Reporting et créer un rapport consolidé ou utiliser le modèle Rapport de direction si disponible.\n2. Configurer les sections : KPIs clés en chiffres, performance vs objectifs (réalisé vs quota par commercial et par équipe), évolution du pipeline vs N-1, top 10 des opportunités actives, analyse des pertes (montant et causes), prévisions du trimestre suivant.\n3. Définir la période de référence et les indicateurs : taux d'atteinte des quotas, taux de conversion global, durée du cycle de vente, taille moyenne des deals.\n4. Personnaliser le format pour une présentation direction : graphiques synthétiques, tableaux clairs, codes couleur.\n5. Programmer l'envoi automatique en PDF chaque lundi matin ou avant chaque comité de direction.\nNote : Un rapport de direction doit être synthétique et orienté décision. La direction a besoin de tendances et d'alertes, pas de lignes de données brutes.",
    "Générer le rapport de gestion financière mensuel pour la direction\nChemin : Finance > Reporting > Rapport de gestion mensuel\n1. Depuis Finance > Reporting, générer le rapport de gestion mensuel incluant P&L, bilan simplifié et trésorerie.\n2. Configurer les comparatifs avec les budgets et l'année précédente.\n3. Ajouter les commentaires de gestion sur les écarts significatifs.\n4. Valider avec le DAF avant diffusion à la direction générale.\nNote : Le rapport de gestion financière mesure la performance économique de l'entreprise (P&L, trésorerie, bilan). Le rapport de performance commerciale CRM mesure la performance des équipes de vente (pipeline, quotas, opportunités). Ces deux rapports sont présentés à la direction mais mesurent des dimensions entièrement différentes de l'entreprise.",
]
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, 0.8186, 0.5866],
#         [0.8186, 1.0000, 0.6758],
#         [0.5866, 0.6758, 1.0000]])

Training Details

Training Dataset

Unnamed Dataset

Size: 2,000 training samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 100 samples:

	anchor	positive	negative
type	string	string	string
modality	text	text	text
details	min: 11 tokens mean: 19.67 tokens max: 34 tokens	min: 103 tokens mean: 310.8 tokens max: 510 tokens	min: 34 tokens mean: 142.74 tokens max: 317 tokens

Samples:

anchor	positive	negative
`comment intégrer les exigences de cybersécurité dans les marchés informatiques`	Intégrer les exigences de cybersécurité dans les marchés de fournitures et services informatiques[object Object]Chemin : Achats > Appels d'offres > Préparation > CCTP > Cybersécurité[object Object]1. Identifier avec le RSSI (Responsable de la Sécurité des Systèmes d'Information) les exigences de cybersécurité applicables au marché : niveau de certification ANSSI requis (CSPN, CC EAL), conformité au cadre RGPD, exigences de chiffrement, audit de code source.[object Object]2. Dans le CCTP, inclure les exigences de sécurité comme conditions minimales non négociables : liste des certifications, protocoles de sécurité obligatoires, clauses d'audit, obligation de notification d'incident.[object Object]3. Ajouter un critère de sélection cybersécurité dans la grille d'attribution : certification ANSSI, certifications ISO 27001, politique de gestion des vulnérabilités.[object Object]4. Inclure dans le CCAP les clauses contractuelles de sécurité : droit d'audit, obligation de patch management, réversibilité des données, conditions de résiliation en cas d'incident ...	Mettre en œuvre une politique de sécurité des achats en ligne[object Object]Chemin : Informatique > Cybersécurité > Politique achat en ligne[object Object]1. Définir les règles d'utilisation des cartes d'achat en ligne.[object Object]2. Former les utilisateurs aux bonnes pratiques de sécurité lors des achats en ligne.[object Object]3. Paramétrer les contrôles de fraude sur les transactions.[object Object] La politique de sécurité des achats en ligne est une mesure de cybersécurité interne protégeant les transactions commerciales de l'organisme. L'intégration des exigences de cybersécurité dans les marchés informatiques est une démarche d'achat public visant à garantir que les systèmes acquis respectent les normes de sécurité. Ces deux activités relèvent de la cybersécurité mais à des niveaux entièrement différents : protection interne des transactions vs. exigences techniques imposées aux prestataires externes.
`comment voir les indicateurs de performance de mes techniciens maintenance ?`	Consulter les indicateurs de performance des techniciens maintenance Maintenance > Rapports > Performance techniciens[object Object]Cette procédure décrit comment accéder aux indicateurs de productivité et d'efficacité des techniciens de maintenance dans le module Maintenance de l'ERP.[object Object]1. Accédez à Maintenance > Rapports > Performance techniciens.[object Object]2. Sélectionnez la Période d'analyse et les Techniciens concernés (tous ou une sélection).[object Object]3. Les indicateurs affichés sont :[object Object] - Nombre d'ordres de travail traités sur la période[object Object] - Taux de résolution au premier passage (% d'OT clôturés sans réouverture)[object Object] - Temps moyen d'intervention (durée réelle vs durée estimée)[object Object] - Taux de respect des délais (% d'OT clôturés avant la date limite)[object Object] - Nombre d'heures travaillées vs heures planifiées (taux de charge)[object Object] - Coût moyen par intervention[object Object]4. Cliquez sur un technicien pour accéder au détail de ses interventions sur la période.[object Object]5. Filtrez par Type de maintenance (préventif, correctif) ou par Catégorie d...	Consulter le taux de disponibilité des équipements Maintenance > Rapports > Disponibilité équipements[object Object]Cette procédure décrit comment accéder aux indicateurs de disponibilité et de fiabilité des équipements (TRS, MTBF, MTTR) dans le module Maintenance.[object Object]1. Accédez à Maintenance > Rapports > Disponibilité équipements.[object Object]2. Sélectionnez les Équipements ou Catégories d'équipements à analyser, ainsi que la Période.[object Object]3. Les indicateurs affichés sont :[object Object] - Taux de Rendement Synthétique (TRS) : disponibilité × performance × qualité[object Object] - MTBF (Mean Time Between Failures) : durée moyenne entre deux pannes[object Object] - MTTR (Mean Time To Repair) : durée moyenne de réparation[object Object] - Nombre de pannes sur la période[object Object] - Durée totale d'arrêt (planifiée et non planifiée)[object Object] - Disponibilité réelle vs disponibilité cible[object Object]4. Le graphique d'historique des pannes affiche la chronologie des incidents pour chaque équipement.[object Object]5. Identifiez les équipements critiques (MTBF faible, MTTR élevé) pour prioriser les actions de...
`comment saisir des frais kilométriques remboursés à un salarié ?`	Comptabiliser les frais kilométriques d'un salarié Finance > Comptabilité > OD ou Achats > Notes de frais[object Object]1. Depuis le module RH, validez la note de frais du salarié incluant les indemnités kilométriques.[object Object]2. L'ERP génère automatiquement l'écriture comptable :[object Object] – Débit 625 Déplacements, missions et réceptions : montant des IK calculé au barème fiscal[object Object] – Crédit 421 Personnel – Rémunérations dues (ou 467 Autres comptes débiteurs et créditeurs)[object Object]3. Lors du virement du remboursement : Débit 421 / Crédit 512.[object Object]4. Si la note de frais n'est pas saisie via le module RH, créez une OD manuelle dans le journal des achats ou OD.[object Object] Les indemnités kilométriques doivent être calculées selon le barème fiscal en vigueur (publié chaque année par les impôts) en fonction de la puissance fiscale du véhicule et du nombre de kilomètres annuels. Un barème incorrect peut entraîner un redressement URSSAF.	Comptabiliser les frais de déplacement sur justificatifs (billet, hôtel, repas) Finance > Comptabilité > Achats > Notes de frais[object Object]1. Validez la note de frais dans le module RH.[object Object]2. L'écriture générée est : Débit 625 Déplacements et missions pour le montant TTC ou HT selon récupération TVA.[object Object]3. Si la TVA est récupérable (hôtel professionnel, restauration de déplacement) : séparez le HT (625) et la TVA (445660).[object Object]4. Crédit 421 ou 467 pour le remboursement à solder lors du virement.[object Object] La TVA sur repas en déplacement est récupérable sous conditions (déplacement professionnel, ticket de caisse avec TVA). La TVA sur repas d'affaires avec clients est récupérable à 100 % si le montant est raisonnable.

Loss: TripletLoss with these parameters:
json
1{ 2 "distance_metric": "TripletDistanceMetric.EUCLIDEAN", 3 "triplet_margin": 5 4}

Evaluation Dataset

Unnamed Dataset

Size: 400 evaluation samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 100 samples:

	anchor	positive	negative
type	string	string	string
modality	text	text	text
details	min: 10 tokens mean: 19.72 tokens max: 32 tokens	min: 103 tokens mean: 318.51 tokens max: 504 tokens	min: 47 tokens mean: 139.97 tokens max: 317 tokens

Samples:

anchor	positive	negative
`c'est quoi le chemin critique et comment je le vois dans l'appli`	Comprendre et afficher le chemin critique Projets > Gantt > Affichage du chemin critique[object Object]Le chemin critique est la séquence de tâches la plus longue du projet, déterminant la durée minimale incompressible du projet.[object Object][object Object][object Object][object Object]Le chemin critique est l'ensemble des tâches pour lesquelles tout retard entraîne mécaniquement un retard de la date de fin du projet. Ces tâches ont une marge nulle (elles ne peuvent pas être décalées sans impacter le planning global).[object Object][object Object][object Object][object Object]1. Accédez au Gantt du projet.[object Object]2. Cliquez sur « ⋮ Options d'affichage » > cochez « Afficher le chemin critique ».[object Object]3. Les tâches du chemin critique apparaissent surlignées en rouge dans le Gantt.[object Object]4. Une légende en bas du Gantt indique le code couleur.[object Object][object Object][object Object][object Object]- Marge totale (float) : nombre de jours de décalage possible sans impacter la fin du projet[object Object]- Marge libre : décalage possible sans impacter la tâche suivante[object Object]- Tâche crit...	`Reporter une tâche sans casser les dépendances Projets > Tâches > Décalage[object Object]Ouvrez la tâche > modifiez la date > choisissez Propager le décalage aux successeurs > vérifiez l'aperçu > confirmez.`
`comment ajouter des notes privées sur une tâche que seul moi je vois`	Ajouter une note privée sur une tâche visible uniquement par l'auteur Projets > Tâches > Commentaires > Note privée[object Object]L'application permet d'ajouter des commentaires ou notes en mode privé, visibles uniquement par leur auteur.[object Object][object Object]1. Ouvrez la fiche de la tâche concernée.[object Object]2. Cliquez sur l'onglet « Commentaires ».[object Object]3. Cliquez dans la zone de saisie de commentaire.[object Object]4. Avant de rédiger, cliquez sur le bouton « Visibilité » ou l'icône de cadenas (🔒).[object Object]5. Sélectionnez « Privé – Visible uniquement par moi ».[object Object]6. Rédigez votre note (rappels personnels, questions à poser, éléments à vérifier).[object Object]7. Cliquez sur « Publier ».[object Object]8. La note s'affiche avec un indicateur visuel de confidentialité (icône cadenas) et n'est pas visible par les autres membres.[object Object][object Object][object Object][object Object]Certaines configurations n'incluent pas cette fonctionnalité. Dans ce cas, utilisez des alternatives :[object Object]- Votre application de prise de notes personnelle (OneNote, Notion)[object Object]- Le champ « Notes personnelles » dans votre...	`Ajouter des commentaires sur une tâche pour communiquer avec l'équipe Projets > Tâches > Commentaires[object Object]Les commentaires standard sont visibles par tous les membres du projet. Utilisez la visibilité Privé ou Interne pour restreindre l'accès.`
`comment voir toutes les modifications apportées dans l'appli sur la journée d'hier`	Consulter le journal d'activité complet de la journée précédente Administration > Audit > Journal d'activité[object Object]Pour un audit quotidien de toutes les actions effectuées dans l'application, consultez le journal d'activité.[object Object][object Object]1. Accédez à « Administration » > « Audit » > « Journal d'activité ».[object Object]2. Dans le filtre de dates, sélectionnez « Hier » ou saisissez manuellement la date d'hier dans les champs « Du » et « Au ».[object Object]3. Le journal affiche toutes les actions des utilisateurs sur cette journée :[object Object] - Date et heure[object Object] - Utilisateur[object Object] - Type d'action : Création, Modification, Suppression, Export, Connexion, Validation[object Object] - Module concerné : Véhicules, Chauffeurs, Missions, Sinistres, etc.[object Object] - Objet modifié : identifiant et libellé de l'élément concerné[object Object] - Détail de la modification[object Object]4. Filtrez par :[object Object] - Utilisateur spécifique pour voir les actions d'une personne[object Object] - Type d'action pour voir uniquement les suppressions[object Object] - Module pour voir les modifications sur un domaine particulier[object Object]5. Util...	`Consulter le journal des connexions sur une période Administration > Audit > Journal des connexions[object Object]Journal dédié aux connexions uniquement : date/heure, utilisateur, type (réussie/échouée), canal, IP. Distinct du journal d'activité qui couvre toutes les actions.`

Loss: TripletLoss with these parameters:
json
1{ 2 "distance_metric": "TripletDistanceMetric.EUCLIDEAN", 3 "triplet_margin": 5 4}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 32
per_device_eval_batch_size: 32
learning_rate: 2e-05
weight_decay: 0.001
num_train_epochs: 20
lr_scheduler_type: cosine
warmup_steps: 0.1
fp16: True
dataloader_drop_last: True
gradient_checkpointing: True

All Hyperparameters

Click to expand

do_predict: False
prediction_loss_only: True
per_device_train_batch_size: 32
per_device_eval_batch_size: 32
gradient_accumulation_steps: 1
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 2e-05
weight_decay: 0.001
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 20
max_steps: -1
lr_scheduler_type: cosine
lr_scheduler_kwargs: None
warmup_ratio: None
warmup_steps: 0.1
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
enable_jit_checkpoint: False
save_on_each_node: False
save_only_model: False
restore_callback_states_from_checkpoint: False
use_cpu: False
seed: 42
data_seed: None
bf16: False
fp16: True
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: -1
ddp_backend: None
debug: []
dataloader_drop_last: True
dataloader_num_workers: 0
dataloader_prefetch_factor: None
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: False
ignore_data_skip: False
fsdp: []
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': 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
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch_fused
optim_args: None
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
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: True
gradient_checkpointing_kwargs: None
include_for_metrics: []
eval_do_concat_batches: True
auto_find_batch_size: False
full_determinism: False
ddp_timeout: 1800
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
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
use_cache: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	Validation Loss
1.0	31	4.8512	4.8150
2.0	62	4.8409	4.7897

Training Time

Training: 1.1 hours

Framework Versions

Python: 3.12.12
Sentence Transformers: 5.5.1
Transformers: 5.0.0
PyTorch: 2.10.0+cu128
Accelerate: 1.12.0
Datasets: 4.8.3
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",
}

TripletLoss

bibtex

@misc{hermans2017defense,
    title={In Defense of the Triplet Loss for Person Re-Identification},
    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
    year={2017},
    eprint={1703.07737},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}