This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

Model Type: Sentence Transformer
Base model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
Maximum Sequence Length: 128 tokens
Output Dimensionality: 384 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': 'BertModel'})
  (1): Pooling({'embedding_dimension': 384, 'pooling_mode': 'mean', 'include_prompt': True})
)

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("sentence_transformers_model_id")
# Run inference
sentences = [
    "Quelles sont les types de mises à jour régies par l'article L224-25-24 du Code de la Consommation ?",
    "Les mises à jour d'un contenu numérique ou d'un service numérique sont régies par la présente sous-section. Pour l'application de la présente sous-section, on entend par mises à jour, les mises à jour ou les modifications visant à maintenir, adapter ou faire évoluer les fonctionnalités du contenu numérique ou du service numérique, y compris les mises à jour de sécurité, que ces mises à jour soient nécessaires ou non au maintien de la conformité du contenu ou service numérique.",
    "Lorsque le corps d'une personne décédée est retrouvé et peut être identifié, un acte de décès doit être dressé par l'officier de l'état civil du lieu présumé du décès, quel que soit le temps écoulé entre le décès et la découverte du corps. Si le défunt ne peut être identifié, l'acte de décès doit comporter son signalement le plus complet ; en cas d'identification ultérieure, l'acte est rectifié dans les conditions prévues à l'article 99-1 du présent code. L'officier d'état civil informe sans délai le procureur de la République du décès, afin qu'il puisse prendre les réquisitions nécessaires aux fins d'établir l'identité du défunt.",
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[ 1.0000,  0.7270, -0.0635],
#         [ 0.7270,  1.0000,  0.0301],
#         [-0.0635,  0.0301,  1.0000]])

Evaluation

Metrics

Information Retrieval

Dataset: lexai-juridique
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.73
cosine_accuracy@3	0.9036
cosine_accuracy@5	0.9504
cosine_accuracy@10	0.978
cosine_precision@1	0.73
cosine_precision@3	0.3012
cosine_precision@5	0.1901
cosine_precision@10	0.0978
cosine_recall@1	0.73
cosine_recall@3	0.9036
cosine_recall@5	0.9504
cosine_recall@10	0.978
cosine_ndcg@10	0.8633
cosine_mrr@10	0.8255
cosine_map@100	0.8263

Training Details

Training Dataset

Unnamed Dataset

Size: 6,531 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 14 tokens
mean: 29.29 tokens
max: 50 tokens
min: 11 tokens
mean: 88.05 tokens
max: 128 tokens

Samples:

anchor	positive
`Quelles sont les raisons pour lesquelles une partie peut être déclarée irrecevable dans une procédure civile ?`	`Constitue une fin de non-recevoir tout moyen qui tend à faire déclarer l'adversaire irrecevable en sa demande, sans examen au fond, pour défaut de droit d'agir, tel le défaut de qualité, le défaut d'intérêt, la prescription, le délai préfix, la chose jugée.`
`Quelles sont les obligations des parties en matière de mesures d'instruction selon l'article 11 du Code de Procédure Civile ?`	Les parties sont tenues d'apporter leur concours aux mesures d'instruction sauf au juge à tirer toute conséquence d'une abstention ou d'un refus. Si une partie détient un élément de preuve, le juge peut, à la requête de l'autre partie, lui enjoindre de le produire, au besoin à peine d'astreinte. Il peut, à la requête de l'une des parties, demander ou ordonner, au besoin sous la même peine, la production de tous documents détenus par des tiers s'il n'existe pas d'empêchement légitime.
`Quelles sont les causes de récusation d'un juge selon l'article 341 du Code de Procédure Civile ?`	`Sauf disposition particulière, la récusation d'un juge est admise pour les causes prévues par l'article L. 111-6 du code de l'organisation judiciaire.`

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim", 4 "gather_across_devices": false, 5 "directions": [ 6 "query_to_doc" 7 ], 8 "partition_mode": "joint", 9 "hardness_mode": null, 10 "hardness_strength": 0.0 11}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 128
learning_rate: 2e-05
num_train_epochs: 25
warmup_steps: 127
fp16: True
load_best_model_at_end: True

All Hyperparameters

Click to expand

do_predict: False
prediction_loss_only: True
per_device_train_batch_size: 128
per_device_eval_batch_size: 8
gradient_accumulation_steps: 1
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 2e-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: 25
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: None
warmup_ratio: None
warmup_steps: 127
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: False
dataloader_num_workers: 0
dataloader_prefetch_factor: None
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: True
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: False
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	lexai-juridique_cosine_ndcg@10
-1	-1	-	0.6606
0.9615	50	1.0566	-
1.0	52	-	0.7910
1.9231	100	0.5243	-
2.0	104	-	0.8299
2.8846	150	0.3634	-
3.0	156	-	0.8432
3.8462	200	0.2632	-
4.0	208	-	0.8424
4.8077	250	0.2096	-
5.0	260	-	0.8541
5.7692	300	0.1761	-
6.0	312	-	0.8542
6.7308	350	0.1477	-
7.0	364	-	0.8600
7.6923	400	0.1433	-
8.0	416	-	0.8596
8.6538	450	0.1146	-
9.0	468	-	0.8631
9.6154	500	0.1088	-
10.0	520	-	0.8632
10.5769	550	0.1055	-
11.0	572	-	0.8627
11.5385	600	0.0909	-
12.0	624	-	0.8620
12.5	650	0.0924	-
13.0	676	-	0.8605
13.4615	700	0.0922	-
14.0	728	-	0.8593
14.4231	750	0.0808	-
15.0	780	-	0.8633
15.3846	800	0.0810	-
16.0	832	-	0.8604
16.3462	850	0.0762	-
17.0	884	-	0.8608
17.3077	900	0.0738	-
18.0	936	-	0.8593
18.2692	950	0.0772	-
19.0	988	-	0.8604
19.2308	1000	0.0793	-
20.0	1040	-	0.8610
20.1923	1050	0.0676	-
21.0	1092	-	0.8582
21.1538	1100	0.0685	-
22.0	1144	-	0.8560
22.1154	1150	0.0771	-
23.0	1196	-	0.8589
23.0769	1200	0.0723	-
24.0	1248	-	0.8582
24.0385	1250	0.0727	-
25.0	1300	0.0682	0.8570
-1	-1	-	0.8633

The bold row denotes the saved checkpoint.

Training Time

Training: 4.3 minutes

Framework Versions

Python: 3.12.13
Sentence Transformers: 5.4.1
Transformers: 5.0.0
PyTorch: 2.10.0+cu128
Accelerate: 1.13.0
Datasets: 4.0.0
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",
}

MultipleNegativesRankingLoss