語意向量化（text embedding）
多語言模型，屬於 E5（Embedding from bidirectional Encoder representations） 系列

多用在 語意搜尋、RAG、相似度比對、跨語言檢索 等任務

Information Here : intfloat/multilingual-e5-large-instruct · Hugging Face

關鍵特性

• Multilingual（多語言）
  支援上百種語言（含中英日韓等），不同語言的相同語意會落在相近的向量位置，適合跨語言檢索。
• Large（大模型）
  相較 e5-base / e5-small，large 在語意對齊、長句理解、專業文本（如法律、技術文件）表現更好，但計算成本較高。
• Instruct（指令導向）
  輸入需帶有任務前綴，讓模型「知道你在做什麼」，可顯著提升 embedding 品質。

Request

{
  "inputs": "string", # 輸入
  "normalize": true,  # 把向量長度標準化，常用於 cosine similarity / 向量檢索
  "prompt_name": "null", # 指定要套用哪個 **prompt template 名稱
  "truncate": false, # 是否啟用截斷
  "truncation_direction": "right" # 如果要截斷，從哪一邊截掉，值是 `left` 或 `right`
}