يُعدّ TabFM، الذي أطلقته جوجل للأبحاث في 30 يونيو 2026، نموذجًا أساسيًا يركز على معالجة البيانات الجدولية المنظمة. صُمم هذا النموذج لمهام التصنيف والانحدار التي تتضمن أعمدة رقمية وفئوية مختلطة، ويُقدّم نموذجًا جديدًا لسير عمل التنبؤ الجدولي في كلٍ من مجالات المؤسسات والبحوث. يُعيد TabFM صياغة التنبؤ الجدولي بشكل مبتكر كمسألة تعلّم سياقي.إنها تلغي الاعتماد على التدخل البشري في النماذج الخاضعة للإشراف التقليدية، وتولد نتائج التنبؤ في عملية انتشار أمامي واحدة، وبالتالي تلغي تمامًا الحاجة إلى ضبط الأوزان الدقيق الشاق، والبحث عن المعلمات الفائقة، وهندسة الميزات.بفضل بنيتها الفريدة، تفوقت TabFM بشكل كبير على العديد من نماذج خط الأساس التقليدية القوية الخاضعة للإشراف مع تكوينات بدون عينة لا تتطلب أي ضبط، مما أدى إلى تحسين كفاءة معالجة البيانات بشكل كبير.

يعرض موقع HyperAI الإلكتروني الآن "tabfm-1.0.0-pytorch: Zero-Shot Table-Based Model Benchmark"، لذا جربه!

الاستخدام عبر الإنترنت:https://go.hyper.ai/acMZd

نرحب بكم لزيارة موقعنا الإلكتروني الرسمي لمزيد من المعلومات:

https://hyper.ai

نظرة سريعة على تحديثات الموقع الرسمي لشركة hyper.ai من 11 يوليو إلى 17 يوليو:

* مجموعات البيانات العامة عالية الجودة: 8

* مجموعة مختارة من الدروس التعليمية عالية الجودة: 7

* تحليل مقالات المجتمع: مقال واحد

* إدخالات الموسوعة الشعبية: 5

قم بزيارة الموقع الرسمي:هايبر.اي

مجموعات البيانات العامة المختارة

1. مجموعة بيانات الشخصيات الاصطناعية الهندية Nemotron-Personas-India

Nemotron-Personas-India هي مجموعة بيانات شخصيات اصطناعية خاصة بالهند، أصدرتها شركة NVIDIA. تهدف هذه المجموعة إلى تحسين تنوع البيانات الاصطناعية، والحد من تحيز النموذج، ومنع انهياره، وذلك من خلال عكس التوزيع الجغرافي والديموغرافي الواقعي للهند. تحتوي مجموعة البيانات على 3 ملايين سجل، يتضمن كل منها 7 أدوار شخصية افتراضية، بإجمالي 21 مليون وصف للشخصية، و7.7 مليار رمز تقريبًا.

* استخدم عبر الإنترنت:https://go.hyper.ai/CBnWF

2. مجموعة بيانات Nemotron-Personas-Korea للبشر الاصطناعيين الكوريين

Nemotron-Personas-Korea هي مجموعة بيانات لشخصيات بشرية اصطناعية، أصدرتها شركة NVIDIA، مصممة لتعكس بشكل شامل تنوع وخصائص سكان كوريا الجنوبية. تحتوي مجموعة البيانات على مليون سجل، كل منها يضم 7 شخصيات بشرية افتراضية، بإجمالي يقارب 7 ملايين وصف للشخصيات و1.7 مليار رمز، منها مليار رمز مرتبط بالشخصيات. تغطي البيانات 17 منطقة حضرية ذاتية الحكم و252 مدينة ومقاطعة في كوريا الجنوبية، وتحتوي على 209,167 اسمًا فريدًا.

* استخدم عبر الإنترنت:https://go.hyper.ai/FDU8d

3. Nemotron-Personas-Japan (مجموعة بيانات الشخصيات الاصطناعية اليابانية)

Nemotron-Personas-Japan هي مجموعة بيانات لشخصيات بشرية اصطناعية، أصدرتها شركة NVIDIA. تهدف هذه المجموعة إلى إبراز تنوع وثراء سكان اليابان، وتُستخدم بشكل أساسي لدعم تطوير أنظمة الذكاء الاصطناعي السيادية، وتدريب نماذج لغوية ضخمة، والحد من التحيز في البيانات الاصطناعية. تحتوي مجموعة البيانات على مليون سجل، يتضمن كل منها 6 شخصيات بشرية افتراضية، بإجمالي يقارب 6 ملايين وصف للشخصيات. تغطي البيانات جميع محافظات اليابان البالغ عددها 47 محافظة، وأكثر من 1500 فئة مهنية، وأكثر من 950 ألف اسم فريد.

* استخدم عبر الإنترنت:https://go.hyper.ai/5vLQd

4. Nemotron-Personas-Vietnam (مجموعة بيانات الأشخاص الاصطناعيين في فيتنام)

Nemotron-Personas-Vietnam هي مجموعة بيانات لشخصيات بشرية اصطناعية، أصدرتها شركة NVIDIA، مصممة لتعكس بشكل شامل تنوع وخصائص السكان الفيتناميين. تحتوي مجموعة البيانات على 100,000 سجل، كل منها يتضمن ست شخصيات بشرية افتراضية، بإجمالي يقارب 600,000 وصف للشخصية و118 مليون رمز، منها 52 مليون رمز عبارة عن معلومات متعلقة بالشخصية. تغطي البيانات ست بلديات ومحافظات تابعة للإدارة المركزية في فيتنام، وتشمل حوالي 13,000 اسم فريد.

* استخدم عبر الإنترنت:https://go.hyper.ai/6BfkJ

5. Nemotron-Personas-Belgium (مجموعة بيانات بشرية اصطناعية بلجيكية)

Nemotron-Personas-Belgium هي مجموعة بيانات لشخصيات اصطناعية من بلجيكا، أصدرتها NVIDIA بالتعاون مع Pleias وجامعة KU Leuven. تهدف هذه المجموعة إلى عكس تنوع وخصائص السكان البلجيكيين بشكل شامل. تحتوي مجموعة البيانات على 1.2 مليون سجل، كل منها يتضمن 6 شخصيات افتراضية، بإجمالي 1.8 مليون وصف تقريبًا. تغطي المجموعة 581 بلدية بلجيكية و3 مقاطعات إدارية، وتحتوي على ما يقارب 260,000 اسم فريد. وهي متوفرة بأربع لغات: الهولندية والفرنسية والألمانية والإنجليزية، وتحتوي كل نسخة لغوية على 300,000 سجل.

* استخدم عبر الإنترنت:https://go.hyper.ai/tvwbu

6. مجموعة بيانات الأشخاص الاصطناعيين Nemotron-Personas-Singapore

Nemotron-Personas-Singapore هي مجموعة بيانات لشخصيات اصطناعية أصدرتها شركة NVIDIA، مصممة لتعكس التركيبة السكانية والجغرافية والشخصية الواقعية لسنغافورة. تحتوي مجموعة البيانات على 148,000 سجل، لكل منها ستة ملفات تعريف افتراضية، بإجمالي 888,000 وصف للشخصيات. تغطي البيانات 55 منطقة تخطيطية في سنغافورة، وتشمل ما يقارب 146,000 اسم فريد.

* استخدم عبر الإنترنت:https://go.hyper.ai/wFJAn

7. مجموعة بيانات التدريب المسبق لرمز برمجة Nemotron-Pretraining-Code-v3

Nemotron-Pretraining-Code-v3 هي إحدى مجموعات بيانات التدريب المسبق للرموز التي أنشأتها NVIDIA لسلسلة Nemotron 3 من نماذج اللغة الكبيرة، وهي مصممة لتعزيز فهم الرموز وتوليدها وإكمالها وقدرات الاستدلال الخاصة بنماذج اللغة الكبيرة.

* استخدم عبر الإنترنت:https://go.hyper.ai/8IZbu

8. Nemotron-Personas-El-Salvador مجموعة البيانات البشرية الاصطناعية

Nemotron-Personas-El Salvador هي مجموعة بيانات اصطناعية لشخصيات من السلفادور، أصدرتها شركة NVIDIA. تهدف هذه المجموعة إلى عكس تنوع وخصائص سكان السلفادور بشكل شامل. تحتوي على 148,000 سجل، بإجمالي مليون وصف تقريبًا للشخصيات. تغطي البيانات 14 مقاطعة و44 مدينة في السلفادور، وتشمل حوالي 144,000 اسم فريد.

* استخدم عبر الإنترنت:https://go.hyper.ai/44dxL

دروس تعليمية عامة مختارة

1. tabfm-1.0.0-pytorch: معيار قياس أداء قائم على الجداول بدون استخدام بيانات تجريبية

tabfm-1.0.0-pytorch هو إصدار PyTorch من TabFM، الذي أطلقته Google Research في يونيو 2026 عبر مدونة Google Research. يركز TabFM على تصنيف وتحليل انحدار البيانات الجدولية المنظمة التي تحتوي على أعمدة رقمية وفئوية مختلطة. يتعامل مع صفوف التدريب كأمثلة سياقية، ويُنشئ تنبؤات في عملية انتشار أمامي واحدة، مما يُغني عن الحاجة إلى ضبط الأوزان، أو البحث عن المعلمات الفائقة، أو هندسة الميزات المعقدة لكل مجموعة بيانات.

تشغيل عبر الإنترنت:https://go.hyper.ai/acMZd

2. ComfyUI × Wan 2.2 سير عمل الفيديو القائم على الصور

Wan 2.2 هو نموذج أساسي مفتوح المصدر لتوليد الفيديو، تم إصداره من قبل فريق Wan-AI التابع لشركة Alibaba. يعتمد هذا النموذج على بنية مبتكرة تجمع بين الخبراء (MoE)، ويمكنه تحويل الصور الثابتة إلى مقاطع فيديو ديناميكية في مهام تحويل الصور إلى فيديو (I2V)، مما يُظهر أداءً ممتازًا في التحكم بالحركة والحفاظ على النمط.

تشغيل عبر الإنترنت:https://go.hyper.ai/UNbdm

3. Krea-2-Raw: نموذج الرسم البياني النسيجي لمحول الانتشار 12B

Krea-2 هو نموذج تحويل نصي إلى صورة واسع النطاق، أطلقته شركة Krea.ai في يونيو 2026. ويُعدّ Krea-2-Raw نقطة التحقق الأساسية المدربة مسبقًا (حوالي 12 مليار مُعامل) لهذه السلسلة. وهو يعتمد على بنية Diffusion Transformer (DiT) وقادر على توليد صور عالية الجودة ومتنوعة بناءً على أوصاف اللغة الطبيعية. 

تشغيل عبر الإنترنت:https://go.hyper.ai/NHNAD

4. VibeThinker-3B: نموذج استدلال قابل للتحقق ذو معلمات صغيرة وأداء استدلال عالي.

أصدر فريق WeiboAI نموذج VibeThinker-3B في يونيو 2026، وهو نموذج لغوي ذو معلمات صغيرة (SLM) يركز على مهام الاستدلال القابل للتحقق. يحتوي النموذج على ما يقارب 3 مليارات معلمة، ويستهدف بشكل أساسي سيناريوهات الاستدلال التي تتضمن إشارات تحقق صريحة، مثل الرياضيات والبرمجة ومجالات العلوم والتكنولوجيا والهندسة والرياضيات (STEM). يستخدم النموذج بنية Qwen2ForCausalLM ويدعم سياقات تصل إلى 128 ألف رمز. ويواصل النموذج نهج التدريب القائم على مبدأ تحويل الطيف إلى إشارة، والذي اتبعته سلسلة VibeThinker، مع تعزيز قدراته الاستدلالية تدريجيًا من خلال عملية SFT ثنائية المراحل قائمة على المنهج، والتعلم المعزز للاستدلال متعدد المجالات، والتقطير الذاتي غير المتصل بالإنترنت، وعمليات Instruct RL.

تشغيل عبر الإنترنت:https://go.hyper.ai/aO6hb

5. ViiTorVoice-NAR: نظام استنساخ الكلام غير التراجعي والتحرير المحلي

تم إصدار ملف نموذج ViiTorVoice-NAR في يونيو 2026. وهو نظام توليد كلام غير تراجعي ذاتيًا، يُستخدم لاستنساخ الكلام، وتحرير الكلام الموضعي، والتحكم في المشاعر واللغة المصاحبة. يتخلى هذا النموذج عن أسلوب التوليد التقليدي كلمةً كلمة، ويستبدله بإكمال دفتر رموز القناع ضمن مساحة رموز صوتية منفصلة. يستخدم جوهره دفتر رموز DualCodec بتردد 25 هرتز مكونًا من 12 طبقة، يحمل في آنٍ واحد السمات الدلالية والصوتية، مما يحقق دقة عالية في الحفاظ على نبرة صوت المتحدث، واتساق المحتوى، وإعادة تركيب المقاطع الصوتية الموضعية.

تشغيل عبر الإنترنت:https://go.hyper.ai/HoBLS

6. CamCloneMaster: إنشاء فيديو للتحكم في حركة الكاميرا بناءً على فيديو مرجعي

تم إطلاق نموذج CamCloneMaster في يونيو 2025 من قبل فريق من الجامعة الصينية في هونغ كونغ، وجامعة تشجيانغ، وشركة Kuaishou Technology. تشمل ميزاته الأساسية وابتكاراته التحكم في الكاميرا المرجعية الذي يمكنه تعلم أنماط حركة الكاميرا مباشرة من مقاطع الفيديو المرجعية دون الحاجة إلى معلمات كاميرا صريحة، وإطار عمل موحد يدعم كلاً من وضعيات توليد الصور إلى الفيديو (I2V) ووضعيات توليد الفيديو إلى الفيديو (V2V)، وطريقة تدريب فعالة تعتمد على تعديل Wan2.1-T2V-1.3B والتي لا تتطلب سوى تدريب معلمات طبقة الانتباه الذاتي.

تشغيل عبر الإنترنت:https://go.hyper.ai/qehlc

7. دليل مستخدم سير عمل ComfyUI: تحميل وتنفيذ سير العمل الرسمي الحالي بنقرة واحدة

ComfyUI هو إطار عمل مفتوح المصدر يعتمد على العقد، ويُستخدم على نطاق واسع في مجال توليد الصور والفيديوهات. يمكن للمستخدمين دمج وحدات مثل تحميل النماذج، وتشفير النصوص، وأخذ العينات، وفك التشفير في عملية توليد كاملة عن طريق السحب والإفلات والربط بينها، كما يمكنهم استدعاء نماذج توليد متطورة متنوعة دون كتابة أي كود برمجي.

تشغيل عبر الإنترنت:https://go.hyper.ai/7wesQ

تفسير مقالة المجتمع

1. ينافس التنبؤ ببنية الحمض النووي الريبي (RNA) برنامج AlphaFold 3! يقترح فريق من جامعة فرجينيا للتكنولوجيا برنامج RNAbpFlow، وهو برنامج مستقل تمامًا عن المعلومات التطورية.

اقترح فريق بحثي في جامعة فرجينيا للتكنولوجيا مؤخرًا نموذجًا جديدًا للتنبؤ بالبنية ثلاثية الأبعاد للحمض النووي الريبي (RNA)، يُدعى RNAbpFlow، والذي يعالج العديد من أوجه القصور في خوارزميات التوليد الحالية. لم يعد هذا النموذج مقتصرًا على الاعتماد على محاذاة تسلسلات متعددة أو إخراج نتيجة ثابتة واحدة، بل يمتد ليشمل سيناريوهات تتطلب أخذ عينات ديناميكية وعالية الدقة، مثل توليد مجموعة كاملة من التكوينات الذرية وإعادة بناء طوبولوجيا الطي الكلية بدقة، بالاعتماد فقط على معلومات تسلسل النيوكليوتيدات واقتران القواعد.

شاهد التقرير الكامل:https://go.hyper.ai/Spbq5

مقالات موسوعية شعبية

1. نموذج العمل العالمي (WAM)

2. الاحتمال المسبق

3. سير عمل متعدد الوكلاء CudaForge

4. عدم تحديد المكافأة بشكل صحيح

5. الشبكة العصبية الكمومية

فيما يلي مئات المصطلحات المتعلقة بالذكاء الاصطناعي التي تم تجميعها لمساعدتك على فهم "الذكاء الاصطناعي" هنا:

https://go.hyper.ai/wiki

إن ما ورد أعلاه هو كل محتوى اختيار المحرر لهذا الأسبوع. إذا كان لديك موارد تريد تضمينها على الموقع الرسمي لـ hyper.ai، فنحن نرحب بك أيضًا لترك رسالة أو إرسال مقال لإخبارنا بذلك!

نراكم في الاسبوع القادم!