II.1Анализ требований и архитектура ПО

collaborativeearth/bge-m3_wri_wflagtraining — модель Sentence Transformer на архитектуре XLM-RoBERTa, предназначенная для получения текстовых эмбеддингов и сравнения предложений. Модель кодирует предложения и абзацы в плотные векторы размерности 1024; для оценки сходства используется косинусное сходство. В метаданных указано 658,7 млн параметров и контекст до 8194 токенов, а карточка описывает конфигурацию с максимальной длиной последовательности 512 токенов. Модель подходит для семантического поиска, оценки текстового сходства, поиска перефразировок, кластеризации и классификации текстов. Карточка приводит результаты оценки на наборе ir-eval, включая cosine_accuracy@1 0,3645 и ndcg@10 0,5441. Указанные данные не определяют языковой охват и лицензию, поэтому их нельзя уточнить по доступным сведениям.

Карточка модели OneFly7/biencoder_ep10_bs32_lr2e5_cosine_annealing_hard_neg_2 на Hugging Face совпадает с карточкой strauss-oak/mdl_bertopic_globo, поэтому описание составлено по ней. strauss-oak/mdl_bertopic_globo — многоязычная модель эмбеддингов предложений и абзацев, основанная на архитектуре XLM-RoBERTa. Карточка README описывает её как sentence-transformers-модель, преобразующую текст в плотные векторы размерности 768 для кластеризации и семантического поиска. В метаданных указаны 305,2 млн параметров, контекст до 514 токенов, формат safetensors и лицензия Apache-2.0. Модель подходит для поиска близких по смыслу текстов, группировки предложений и абзацев, а также сравнения их семантической близости на множестве языков, включая русский и английский. Для использования через Transformers требуется подходящая операция pooling над контекстными представлениями токенов. В README указано, что модель обучена командой Sentence Transformers; точное происхождение этого репозитория относительно базовой модели отдельно не описано.

BOOM_4B_v1 — модель текстовых эмбеддингов, разработанная командой ICT-TIME-and-Querit на основе Qwen3-4B. Она предназначена для получения векторных представлений текста в задачах поиска, сравнения смысловой близости, классификации, кластеризации и ранжирования. Модель объединяет несколько эмбеддинг-моделей, обученных на выборках данных разного состава, методом Multi-SLERP; для представления используется последний токен. В репозитории указаны 3,7 млрд параметров, контекст до 40 960 токенов и формат safetensors. Модель обучена на общих текстовых данных: в карточке перечислены наборы для поиска информации, ранжирования, классификации, кластеризации и семантического сходства. Среди практических сценариев — семантический поиск по документам, поиск ответов на вопросы и оценка близости текстов. README сообщает об обучении на английских и общих данных, но не подтверждает отдельную языковую специализацию. Карточка указывает лицензию Apache-2.0, допускающую использование и распространение при соблюдении её условий.

Карточка модели AnkushRaut216/cl-finetuned-sentence-transformer-vectorstore на Hugging Face совпадает с карточкой sentence-transformers/all-MiniLM-L6-v2, поэтому описание составлено по ней. all-MiniLM-L6-v2 — модель Sentence-Transformers, разработанная в ходе Community Week Hugging Face. Это дообученный энкодер на архитектуре BERT с 25,9 млн параметров: он преобразует предложения и короткие абзацы в плотные векторы размерностью 384, отражающие их семантику. Модель дообучена контрастивным методом на более чем миллиарде пар предложений из нескольких наборов данных. Модель предназначена для семантического поиска, сравнения предложений и кластеризации текстов. Она поддерживает английский язык; максимальный контекст по метаданным — 512 токенов, при этом карточка сообщает, что вход длиннее 256 WordPiece-токенов обрезается. Доступны форматы PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Лицензия — Apache-2.0. Векторы полезны для поиска смыслового сходства, но сама модель не генерирует текст; длинные входы обрезаются, а качество представлений зависит от соответствия текста и задачи обучающим данным.

MohammadKhodadad/CTMEDGTE7_encoder — дообученная модель Sentence Transformers на базе skyfury/CTMEDGTE-cl7-step_6000. Она преобразует предложения и абзацы в плотные векторы размерности 768 для сравнения текстов по смыслу с помощью косинусного сходства. Архитектура основана на BERT с усреднением токенных представлений; модель рассчитана на последовательности длиной до 512 токенов по метаданным Hugging Face, а в конфигурации из README указано ограничение 256 токенов. Модель подходит для семантического поиска, поиска перефразировок, кластеризации текстов и подготовки признаков для классификации. В метаданных указан объём 136,7 млн параметров и формат safetensors. Сведения о поддерживаемых естественных языках и лицензии в доступных данных отсутствуют.

Lauther/d4-embeddings-v3.0 — модель Sentence Transformer, разработанная Lauther и дообученная на базе intfloat/multilingual-e5-large-instruct на наборе d4-embeddings-triplet_loss из 4 151 обучающего примера. Она преобразует предложения и абзацы в плотные текстовые эмбеддинги размерностью 1024; сходство между ними можно оценивать косинусным сходством. Архитектура включает XLM-RoBERTa, усредняющий пулинг токенов и нормализацию векторов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста. Она поддерживает последовательности длиной до 512 токенов (514 токенов по метаданным) и может применяться в многоязычных сценариях, унаследованных от базовой модели E5. Доступны форматы safetensors и ONNX; для использования подходит библиотека Sentence Transformers. Лицензия в предоставленных данных не указана. Дообучение на 4 151 примере может ограничивать обобщение за пределами распределения данных; сведения о конкретных языках и результатах оценки качества отсутствуют.

Это модель sentence-transformers на архитектуре DistilBERT, обученная командой Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель поддерживает контекст до 512 токенов и доступна в форматах PyTorch, Safetensors, TensorFlow, ONNX и OpenVINO. Модель подходит для семантического поиска, группировки похожих текстов и оценки сходства предложений в многоязычных сценариях. В названии и обучении указаны multilingual NLI, STS-B и Quora Ranking; README не перечисляет конкретные поддерживаемые языки. Для использования необходима совместимая среда Sentence Transformers либо корректная операция pooling при работе через Transformers. Лицензия — Apache-2.0.

tomaarsen/distilroberta-base-nli-v4 — модель Sentence Transformers, дообученная на distilbert/distilroberta-base на наборе all-nli. Она преобразует предложения и абзацы на английском языке в плотные векторы размерностью 768 для сравнения семантической близости с помощью косинусного сходства. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текстов. Архитектура включает RoBERTa-трансформер с усреднением токенных представлений; модель содержит 95,2 млн параметров и принимает последовательности длиной до 512 токенов. Данные README приводят результаты на STS: коэффициент Спирмена с косинусным сходством составляет 0,7892 на sts-dev и 0,7221 на sts-test. Модель рассчитана на английский язык и выдаёт эмбеддинги, а не готовые текстовые ответы. Для входов длиннее 512 токенов потребуется усечение или разбиение текста; качество на других языках не заявлено. Лицензия в предоставленных данных не указана.

Dolphin 3.0 Llama 3.2 1B — модель для диалогов и выполнения инструкций, подготовленная Eric Hartford, Ben Gitter, BlouseJury и Cognitive Computations на основе Meta Llama 3.2 1B. Это плотная авторегрессионная языковая модель семейства Llama с 1,2 млрд параметров и контекстом до 131 072 токенов; используется формат ChatML. Модель предназначена для локального применения в качестве универсального помощника: она подходит для генерации кода, решения математических задач, вызова функций и общения на общие темы. Её можно настраивать системным промптом; обучающие данные включают наборы для кода, математики, агентных инструкций и диалогов. Карточка перечисляет английский язык. Доступны веса в формате safetensors. Модель лицензирована по условиям llama3.2. Это компактная модель с существенно меньшим числом параметров, чем крупные универсальные ассистенты; карточка не содержит результатов оценивания, поэтому качество для конкретных задач не подтверждено приведёнными тестами.

sobamchan/e5-base-no-mrl — англоязычная модель Sentence Transformers, дообученная автором на базе intfloat/e5-base на датасете all-nli. Она использует архитектуру BERT с усреднением токенных представлений и нормализацией и преобразует предложения и абзацы в плотные векторы размерности 768; максимальная длина входа — 512 токенов. Векторы предназначены для сравнения по косинусному сходству и поддерживают семантический поиск, поиск перефразировок, кластеризацию и классификацию текста. В README приведён результат на sts-dev: Spearman по косинусному сходству — 0,8695. Модель рассчитана на английский язык, обучена с использованием all-nli и MatryoshkaLoss с MultipleNegativesRankingLoss. Лицензия в предоставленных данных не указана.

intfloat/e5-base-unsupervised — англоязычная модель эмбеддингов текста из семейства E5, разработанная авторами работы Text Embeddings by Weakly-Supervised Contrastive Pre-training. Это вариант E5-base без последующего обучения на размеченных данных. Модель построена на архитектуре BERT: 12 слоёв, размер эмбеддинга 768, около 136,7 млн параметров; принимает текст и выдаёт векторные представления. Максимальная длина входа — 512 токенов. Модель предназначена для семантического сравнения текстов и поиска по смыслу, в том числе для извлечения фрагментов из коллекции по запросу, поиска перефразировок, кластеризации и использования эмбеддингов как признаков для классификации. Для задач поиска рекомендуется добавлять префиксы «query: » к запросам и «passage: » к текстам коллекции; для симметричного сравнения и других сценариев применяется префикс «query: ». Модель работает только с английскими текстами, а более длинные последовательности обрезаются до 512 токенов. Карточка предупреждает о возможном снижении качества без соответствующих префиксов и о небольших различиях результатов между версиями PyTorch и Transformers. Лицензия — MIT.

E5-large — англоязычная модель текстовых эмбеддингов, разработанная авторами проекта E5 и обученная методом слабоконтролируемого контрастивного предобучения. Она построена на архитектуре BERT, содержит 24 слоя и 433,9 млн параметров; размер эмбеддинга — 1024. Модель принимает текст и выдаёт векторные представления для сравнения смысловой близости и поиска. Модель подходит для семантического поиска, извлечения фрагментов по запросу, оценки сходства предложений, поиска перефразировок, кластеризации и использования эмбеддингов как признаков для классификации. Для асимметричного поиска рекомендуется добавлять к запросу префикс «query: », а к документу — «passage: »; для симметричных задач используется «query: » перед обоими текстами. Максимальная длина входа — 512 токенов. Модель работает только с английскими текстами. Тексты длиннее лимита обрезаются, а для более высокой точности авторы рекомендуют перейти на e5-large-v2. Лицензия — MIT.

Карточка модели vectoriseai/e5-large на Hugging Face совпадает с карточкой intfloat/e5-large, поэтому описание составлено по ней. E5-large — англоязычная модель текстовых эмбеддингов, разработанная авторами проекта E5 и обученная методом слабоконтролируемого контрастивного предобучения. Она построена на архитектуре BERT, содержит 24 слоя и 433,9 млн параметров; размер эмбеддинга — 1024. Модель принимает текст и выдаёт векторные представления для сравнения смысловой близости и поиска. Модель подходит для семантического поиска, извлечения фрагментов по запросу, оценки сходства предложений, поиска перефразировок, кластеризации и использования эмбеддингов как признаков для классификации. Для асимметричного поиска рекомендуется добавлять к запросу префикс «query: », а к документу — «passage: »; для симметричных задач используется «query: » перед обоими текстами. Максимальная длина входа — 512 токенов. Модель работает только с английскими текстами. Тексты длиннее лимита обрезаются, а для более высокой точности авторы рекомендуют перейти на e5-large-v2. Лицензия — MIT.

ThanhLe0125/e5-math-ebd — дообученная модель Sentence Transformers на базе intfloat/multilingual-e5-base. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения смысловой близости с помощью косинусного сходства. Архитектура использует XLM-RoBERTa, усреднение токенных представлений и нормализацию; в метаданных указано 305,2 млн параметров и контекст до 514 токенов. Модель подходит для семантического поиска, поиска перефразировок, кластеризации текстов и классификации на основе эмбеддингов. Название репозитория указывает на математическую тематику, но README не уточняет специальную область применения или обучающие данные. Лицензия в предоставленных данных не указана.

elephant-embeddings-v1-text-small — многоязычная модель эмбеддингов от llm-semantic-router, дообученная на базе llm-semantic-router/mmbert-32k-yarn для поиска, семантического сопоставления и сценариев с агентами. Это плотный энкодер ModernBERT с масштабированием YaRN, 306,9 млн параметров и контекстом до 32 768 токенов; модель распространяется в формате safetensors и использует библиотеку Sentence Transformers. Модель предназначена для векторизации запросов и документов при поиске по базам знаний, RAG, маршрутизации задач, подборе инструментов и поиске по памяти агентов. Поддержка 2D Matryoshka позволяет выбирать размерность вектора и глубину модели под разные требования к скорости, объёму хранения и качеству; в README приведены варианты 64, 256 и 768 измерений. Заявленные результаты включают среднее значение MTEB 61,4 и сохранение 98% качества при размерности 64d и 99% при 256d. Модель поддерживает многоязычные данные и длинные текстовые фрагменты, но длинные входы увеличивают вычислительные затраты. Сокращение числа слоёв может снизить качество, а для задач за пределами поиска и семантического сходства может потребоваться дополнительная настройка. Лицензия — Apache-2.0.

VinitT/Embeddings-NLI-ContradictionMargin — англоязычная модель Sentence Transformer, дообученная разработчиком на базе VinitT/Embeddings-Trivia на наборе all-nli. Модель кодирует предложения и абзацы в плотные векторы размерности 384; сходство между ними оценивается косинусной близостью. Архитектура включает BERT, усредняющий пулинг токенов и нормализацию векторов. Размер модели — 25,9 млн параметров; метаданные указывают контекст до 512 токенов, а README — максимальную длину последовательности 256 токенов. Модель подходит для семантического поиска, сравнения текстов, поиска перефразирований, кластеризации и получения признаков для классификации текста. Она обучена с ContradictionMarginLoss, что ориентирует векторы на различение логически противоречащих и согласованных высказываний. В README приведён результат cosine accuracy 0,95 на contra_eval; это оценка на конкретном наборе, а не гарантия качества на других данных. Модель рассчитана на английский язык. Лицензия в предоставленных данных не указана.

Это англоязычная модель Sentence Transformers, дообученная Sandeep Aggarwal на базе BAAI/bge-large-en-v1.5. Она кодирует предложения и абзацы в плотные векторы размерностью 1024, пригодные для сравнения по косинусному сходству. Архитектура включает BERT, пулинг по CLS-токену и нормализацию векторов; максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска, оценки сходства текстов, поиска перефразировок, кластеризации и классификации текста. Обучение с TripletLoss на примерах anchor, positive и negative адаптирует эмбеддинги для сопоставления текстов. Поддерживается английский язык. Лицензия Apache-2.0.

comet24082002/finetune_bge_simsce_V1 — модель Sentence-Transformers на архитектуре XLM-RoBERTa, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для поиска по смыслу и кластеризации. Модель обучалась с CachedMultipleNegativesRankingLoss и косинусной мерой сходства; её можно применять для вычисления семантической близости текстов. Метаданные указывают 658,7 млн параметров, контекст до 8194 токенов и формат safetensors. Библиотека для работы — Sentence-Transformers. Модель принимает текст и выдаёт векторы; в карточке не заявлены поддерживаемые языки или узкая предметная область. Лицензия в предоставленных данных не указана.

Карточка модели KayaAI/finetuned_embedding_v3 на Hugging Face совпадает с карточкой XHY-DY/all-mpnet-base, поэтому описание составлено по ней. XHY-DY/all-mpnet-base — модель Sentence Transformers для кодирования предложений и коротких абзацев в плотные векторы размерности 768. Она основана на MPNet и дообучена методом контрастивного обучения на наборе более чем из миллиарда пар предложений; исходная модель — microsoft/mpnet-base. В карточке указано применение для семантического поиска, измерения сходства предложений и кластеризации. По умолчанию текст длиннее 384 частей словаря обрезается. Модель принимает текст и возвращает векторное представление, пригодное для поиска и сравнения по смыслу. Она ориентирована на английский язык; заявленная библиотека — Sentence Transformers. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Deehan1866 дообучил модель sentence-transformers/multi-qa-mpnet-base-dot-v1 на наборе PiC/phrase_similarity для сопоставления смысла английских фраз и предложений. Это Sentence Transformer на архитектуре MPNet с 136,7 млн параметров: он кодирует текст в плотные эмбеддинги размерности 768, а сходство между ними можно оценивать скалярным произведением. Максимальная длина последовательности — 514 токенов по метаданным; README указывает 512 токенов. Модель подходит для семантического поиска, оценки сходства и поиска перефразировок, а также для кластеризации и классификации текста на основе эмбеддингов. Она принимает текст и выдаёт векторы; карточка демонстрирует оценку на задаче бинарной классификации дубликатов вопросов, но не приводит полной информации о качестве на разнообразных наборах данных. Модель ориентирована на английский язык. Лицензия в предоставленных данных не указана.

Gflorent/fossil_flex — модель sentence-transformers на архитектуре MPNet, разработанная автором репозитория. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 514 токенов. Модель обучена с функцией потерь CosineSimilarityLoss. Её можно использовать в сценариях семантического поиска и группировки похожих текстов; репозиторий содержит веса PyTorch. Лицензия в доступных сведениях не приведена.

Это англоязычная модель Sentence Transformer, разработанная на основе BAAI/bge-large-en-v1.5 и дообученная на наборе all-nli из 200 тысяч примеров. Она кодирует предложения и абзацы в плотные векторы размерностью 1024, нормализует их и подходит для оценки семантического сходства по косинусной мере, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура включает BERT, пулинг по CLS-токену и нормализацию; максимальная длина входной последовательности — 512 токенов. В README приведены результаты оценки на all-nli: точность по косинусному сходству 0,9607 на валидационной и 0,9575 на тестовой выборке. Модель принимает текст и выдаёт векторные представления. Она рассчитана на английский язык; лицензия — MIT. Поскольку обучение и приведённая оценка связаны с all-nli, качество на других языках и предметных областях может отличаться.

Jaume/gemma-2b-embeddings — модель Sentence Transformer на архитектуре Gemma, предназначенная для преобразования предложений и абзацев в плотные векторные представления размерностью 2048. В репозитории указано 2,5 млрд параметров; модель использует усреднение токенных представлений и поддерживает последовательности длиной до 8192 токенов. Векторы можно сравнивать по косинусному сходству. Модель подходит для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста. Она принимает текст и возвращает эмбеддинги; в метаданных также указана задача sentence similarity. Сведения о лицензии в предоставленных материалах отсутствуют.

unsloth/gemma-3-270m-it-unsloth-bnb-4bit — квантованная 4-битная версия instruction-tuned модели google/gemma-3-270m-it, подготовленная проектом Unsloth. Исходная модель разработана Google DeepMind как часть семейства Gemma — открытых моделей, созданных на основе исследований и технологий Gemini. Модель предназначена для генерации текста по инструкциям, ответов на вопросы, суммаризации документов, рассуждений и работы с программным кодом. Для версии с размером 270M заявлен контекст до 32K токенов на запрос. Обучение проводилось на данных более чем из 140 языков, включавших веб-тексты, код, математические материалы и изображения; дата отсечения знаний — август 2024 года. В данном репозитории модель представлена как text-generation-модель для Transformers, а 4-битное представление снижает требования к памяти и упрощает локальный запуск. К сильным сторонам относятся небольшой размер, экономичность и пригодность для развёртывания на устройствах с ограниченными ресурсами. Ограничениями являются существенно меньшая ёмкость по сравнению с крупными вариантами Gemma, возможные потери качества из-за квантования и отсутствие в README отдельных результатов оценки именно этой квантованной версии. Модель распространяется по лицензии Gemma; перед использованием необходимо учитывать соответствующие условия Google.

Gemma 3 27B PT — предварительно обученная мультимодальная модель Google из семейства Gemma 3 с открытыми весами. Она принимает текст и изображения и генерирует текст; размер модели — 27 млрд параметров. Модель предназначена для понимания изображений и генерации текста: ответов на вопросы, суммаризации, рассуждений, диалогов и создания контента. Контекстное окно — до 128 тыс. токенов, заявлена поддержка более 140 языков. Вариант PT является базовой предварительно обученной моделью, а не версией, настроенной для следования инструкциям. Модель можно применять для описания изображений и извлечения из них данных, создания текстовых ассистентов, составления кратких пересказов и исследовательских экспериментов с VLM и NLP. Google отмечает, что ответы могут содержать фактические ошибки, отражать смещения обучающих данных и хуже справляться со сложными запросами, неоднозначностями и тонкими языковыми нюансами. Лицензия — Gemma; перед использованием следует учитывать условия лицензии и политику запрещённого использования Gemma.

Это мультимодальная GGUF-версия модели OBLITERATUS/gemma-4-E4B-it-OBLITERATED, созданная и квантованная пользователем rdhorner на основе Gemma 4 от Google. Базовая модель представляет собой модифицированную версию gemma-4-E4B-it, обработанную методом OBLITERATUS. Модель предназначена для локального запуска через llama.cpp и совместимые приложения; в метаданных указано около 8 млрд параметров. Модель поддерживает текстовый ввод, изображения и аудио при подключении отдельного файла mmproj, содержащего оба мультимодальных энкодера. Она подходит для диалоговых сценариев, анализа изображений и аудио, использования инструментов и function calling. Поддерживаются OpenAI-совместимые запросы через llama-server, включая tool calls и мультимодальные сообщения. В комплект входят варианты F16, Q8_0, Q5_K_M и Q4_K_M; Q4_K_M рекомендован для локального использования как компромисс между качеством и размером. Для мультимодального режима требуется файл mmproj, а шаблон чата Gemma 4 необходимо включать с параметром --jinja. К сильным сторонам относятся мультимодальность, поддержка вызова инструментов и несколько вариантов квантования для запуска на локальном оборудовании. Модель использует встроенный канал рассуждений Gemma 4, который в OpenAI-совместимых ответах отображается как reasoning_content. При этом модификация OBLITERATED изменила направления отказа в 21 из 42 слоёв, поэтому надёжность вызова инструментов может снижаться в темах, близких к ограничениям безопасности. В README не указаны точный набор поддерживаемых языков и максимальный размер контекста; в примере сервера используется контекст 8192 токена. Модель распространяется по лицензии Apache 2.0, соответствующей лицензии базовой модели.

GPT-4 Turbo — мультимодальная модель OpenAI с поддержкой зрения. Она предназначена для диалогов и задач, где нужно анализировать изображения вместе с текстовыми запросами. Для запросов с изображениями поддерживаются JSON mode и вызов функций. В README указано, что обучающие данные охватывают период до декабря 2023 года. Размер модели, длина контекста и условия лицензии в предоставленных материалах не описаны.

GPT-5.1-Codex — специализированная версия GPT-5.1 от OpenAI, оптимизированная для разработки программного обеспечения и рабочих процессов, связанных с кодом. Она предназначена как для интерактивной помощи при разработке, так и для самостоятельного выполнения сложных инженерных задач.

ibm-granite/granite-4.2-30b-fp8 — это версия модели Granite-4.2-30B в формате FP8, разработанная IBM и опубликованная в семействе моделей IBM Granite. Репозиторий предназначен для использования с библиотекой Transformers и содержит модель, оптимизированную по формату представления чисел FP8 относительно исходной версии ibm-granite/granite-4.2-30b. Модель относится к языковым моделям, однако README не содержит подробностей о её архитектуре, точном числе параметров, поддерживаемых языках, размере контекста, модальностях, целевых сценариях применения, производительности или известных ограничениях. За дополнительными характеристиками README направляет к карточке исходной модели Granite-4.2-30B. Модель распространяется по лицензии Apache-2.0. Практические условия запуска и требования к аппаратному обеспечению в предоставленных данных не указаны.

GreenNode/GreenNode-Embedding-E5-Large-VN-V1 — sentence-transformers-модель на базе XLM-RoBERTa, созданная для преобразования предложений и абзацев в плотные векторы размерности 1024. Архитектура включает трансформер, pooling по CLS-токену и нормализацию; сходство векторов рекомендуется измерять косинусной близостью. Максимальная длина последовательности — 512 токенов. Модель подходит для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации текста. Метаданные указывают на поддержку задач извлечения признаков и оценки сходства предложений, но карточка не называет языки обучения или целевое языковое покрытие, поэтому в описании не предполагается конкретный язык. Репозиторий содержит веса PyTorch и Safetensors; лицензия в предоставленных данных не указана.