NeoMME عائلة مُرمِّزات أساسية مفتوحة من فريق Hcompany، مصمّمة لتمثيل النصوص والصور معًا بكفاءة. الجديد فيها أنها لا تجمع بين برج رؤية وبرج نص مدرّبين مسبقًا، بل تعالج الاثنين في محوّل ثنائي الاتجاه واحد مدرّب من الصفر.
ما الذي تفعله
المعمارية تعالج رموز النص إلى جانب رقع الصور الخام بحجم 32×32، مع دقة ديناميكية تحافظ على نسبة الأبعاد فتوزّع الرموز حسب كثافة المحتوى. نافذة السياق 16,384 رمزًا، مع طبقات تناوب بين انتباه بنافذة منزلقة وانتباه شامل، واستخدام انتباه مجمّع الاستعلامات وتطبيع المفاتيح والاستعلامات وتضمينات موضعية دورانية ثنائية الأبعاد. المفردات 131 ألف رمز بترميز BPE مدرّب على نصوص متعددة اللغات وكود ورياضيات ونصوص مستخرجة من الصور.
الحجمان المتاحان 260 مليون معامل و 800 مليون. والتدريب على نحو 524 مليار رمز مُحزَّم، منها 290 مليار نص فقط، بهدف انتشار تفرّقي مقنّع ومحسّن NorMuon.
الأداء
على معيار ViDoRe v3 لاسترجاع المستندات، سجّل إصدار الاسترجاع بـ 260 مليون معامل نتيجة 0.523 في مقياس nDCG@10 — الأعلى بين النماذج الأقل من 800 مليون معامل — بإنتاجية تقارب 51 صفحة في الثانية بدقة 2048×2048 على بطاقة L40S، أي ضعف سرعة ColModernVBERT. والنص يذكر أنه «في حدود 0.002 من nDCG@10 مقارنة بـ ColQwen2.5 مع استخدام معاملات أقل بنحو 14 مرة». أما إصدار 800 مليون فسجّل 0.556.
ومع تجميع الرموز الهرمي والتكميم غير المتماثل، ينخفض التخزين من نحو 1.5 ميجابايت إلى 6 كيلوبايت لكل صفحة — ضغط بمقدار 255 ضعفًا مع الاحتفاظ بأكثر من 95٪ من الأداء الأصلي.
الحدود
الإعلان يذكر تدريبًا متعدد اللغات لكنه لا يذكر دعم العربية تحديدًا، فلا يمكن الجزم بجودته على النصوص العربية قبل اختبار مباشر على بياناتك.
لمن يناسب
يناسب من يبني نظام استرجاع بصري على مستندات ممسوحة أو ملفات PDF، خصوصًا مع قيود على الذاكرة والتخزين. الرخصة Apache 2.0، والنماذج متاحة على Hugging Face ضمن منظمة Hcompany مع عرض تفاعلي، والدعم موجود في مكتبة Transformers ويمكن ضبطه عبر Sentence Transformers.
المصادر: Hugging Face — 2026-09-03
