SemSim (Semantic Textual Similarity) est une métrique d'évaluation importante pour la tâche de reformulation de texte / paraphrase dans le domaine du traitement automatique des langues. La similarité sémantique mesure directement la proximité sémantique entre la phrase reformulée et la phrase originale, ce qui constitue une exigence centrale de la qualité de la reformulation. Elle est généralement exprimée sous forme de pourcentage ou de score compris entre 0 et 1. Cette métrique est largement utilisée dans les benchmarks et les articles scientifiques pertinents et reflète efficacement les performances du modèle sur cette dimension. Une valeur plus élevée est meilleure. Elle aide les chercheurs et les ingénieurs à quantifier les différences de performance réelle des modèles dans les scénarios de reformulation de texte / paraphrase, facilitant ainsi la comparaison horizontale entre différentes méthodes ou versions de modèles.