يُعدّ OvisOCR2، الذي أطلقته ATH-MaaS وAlibaba وفرق أخرى في يوليو 2026، نموذجًا مُدمجًا لتحليل المستندات من البداية إلى النهاية، بحجم 0.8 بايت فقط (حوالي 1.7 جيجابايت) من المعاملات. يعتمد هذا النموذج على Qwen3.5-0.8B، ويُمكنه تحويل صور المستندات مباشرةً إلى تنسيق Markdown مُهيكل يحافظ على ترتيب القراءة الطبيعي، كما يُحلل النصوص والصيغ والجداول والمناطق المرئية بدقة.بفضل محرك البيانات الهجين المبتكر ونظام التدريب متعدد المراحل (SFT وRL وOPD)، حقق OvisOCR2 درجة 96.58 في معيار OmniDocBench v1.6، ليصبح أول نموذج شامل يتفوق على الطرق التقليدية ذات الأنابيب.إنه يحقق توازناً مثالياً بين تكاليف النشر المنخفضة للغاية والأداء المتميز.

يعرض موقع HyperAI الإلكتروني الآن "OvisOCR2: نموذج تحليل المستندات من البداية إلى النهاية بحجم 0.8 مليار"، لذا جربه!

الاستخدام عبر الإنترنت:https://go.hyper.ai/1qOnc

نرحب بكم لزيارة موقعنا الإلكتروني الرسمي لمزيد من المعلومات:

https://hyper.ai

نظرة سريعة على تحديثات الموقع الرسمي لشركة hyper.ai من 18 يوليو إلى 24 يوليو:

* مجموعات بيانات عامة عالية الجودة: 9

* مجموعة مختارة من الدروس التعليمية عالية الجودة: 9

* تحليل مقالات المجتمع: مقال واحد

* إدخالات الموسوعة الشعبية: 5

أهم المؤتمرات التي تنتهي مواعيدها في أغسطس: 6

قم بزيارة الموقع الرسمي:هايبر.اي

مجموعات البيانات العامة المختارة

1. مجموعة بيانات تفاعل وظائف المشهد ثلاثي الأبعاد SceneFun3D

SceneFun3D هي مجموعة بيانات تفاعلية وظيفية ثلاثية الأبعاد، أصدرتها شركة Voxel51 عام 2024. تركز هذه المجموعة على فهم دقيق للأجزاء التفاعلية الصغيرة، وتشمل تحديد مواقع الأجزاء، واستنتاج دالة جيبسون، وتقدير معلمات الحركة، ووصف المهام باللغة الطبيعية. تتضمن مجموعة البيانات 710 مشاهد داخلية واقعية عالية الدقة، تحتوي على 14867 تعليقًا توضيحيًا لعناصر التفاعل الوظيفي، و9 فئات وظيفية، و14279 معلمة حركة، وأكثر من 10913 تعليمات للمهام باللغة الطبيعية.

الاستخدام عبر الإنترنت:https://go.hyper.ai/g81mC

2. مجموعة بيانات تلاوة فاجدهينو السنسكريتية

فاجدهينو عبارة عن مجموعة من تسجيلات الترانيم السنسكريتية بصوت شخص واحد، وهي مخصصة بشكل أساسي لتدريب توليف الكلام السنسكريتي، وبحوث علم العروض، وتطبيقات تسهيل الوصول اللغوي. تحتوي مجموعة البيانات على 1467 مقطعًا صوتيًا، بإجمالي مدة صوتية تبلغ حوالي 5.3 ساعات، بصيغة WAV أحادية الصوت بتردد 24 كيلوهرتز. تتضمن مجموعة البيانات مجموعتين فرعيتين مستقلتين، style_a و style_b، تغطيان عددًا كبيرًا من الأبيات المختلفة.

الاستخدام عبر الإنترنت:https://go.hyper.ai/D7Q6H

3. مجموعة بيانات الرسم البياني للاعتمادية باستخدام نظرية الرياضيات في الرسم البياني الرياضي

يُعدّ Math-Graph، الذي أصدره مختبر الذكاء الاصطناعي الرياضي بجامعة واشنطن عام 2026، مجموعة بيانات لرسوم بيانية لتبعية النظريات الرياضية، حيث يُنشئ رسمًا بيانيًا لتبعية النظريات الرياضية على مستوى العبارات. تحتوي هذه المجموعة على 47,952 زوجًا متطابقًا من العبارات الرياضية الرسمية وغير الرسمية، مُدمجةً هذين النوعين من المعرفة الرياضية في رسم بياني متماسك للتبعية. وهي تُغطي الرياضيات الرسمية وغير الرسمية، وتشمل البيانات الوصفية الورقية، والعبارات الرياضية، وحواف التبعية، والأوصاف اللغوية الطبيعية المُولّدة بواسطة نموذج اللغة الطبيعية.

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

4. مجموعة بيانات مسار تفاعل الوكيل GLM-5.2

مجموعة بيانات GLM-5.2 Agent هي مجموعة بيانات تتضمن مسارات تفاعل العملاء الخام لنماذج GLM-5.2 التي تم إنشاؤها بواسطة TeichAI باستخدام Teich. وتهدف إلى توفير سجلات جلسات موحدة وقابلة للتحليل لتدريب وتصميم نماذج العملاء، مما يدعم الضبط الدقيق اللاحق وقدرات استدعاء الأدوات المحسّنة.

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

5. مجموعة بيانات EVA-Bench المعيارية لوكلاء الكلام من البداية إلى النهاية

تُعدّ EVA-Bench، التي أطلقتها ServiceNow، مجموعة بيانات مرجعية شاملة لتقييم وكلاء الكلام، مصممة لتقييم قدرات إنجاز المهام وتجربة التفاعل التي توفرها هذه الوكلاء. تحتوي مجموعة البيانات على 213 سيناريو تغطي ثلاثة مجالات مؤسسية: إدارة خدمة عملاء شركات الطيران، وخدمات الموارد البشرية في مجال الرعاية الصحية، وإدارة خدمات تكنولوجيا المعلومات المؤسسية. تدعم هذه المجموعة التقييم الشامل للتفاعل الصوتي متعدد المراحل، واستخدام الأدوات، وإنجاز المهام، ومتانة سيناريوهات الصوت.

الاستخدام عبر الإنترنت:https://go.hyper.ai/51B4l

6. مجموعة بيانات Metacognition-Bench

تُعدّ مجموعة بيانات Metacognition-Bench، التي أصدرتها شركة ginigen-ai، معيارًا لقياس القدرات المعرفية العليا لنماذج اللغة الكبيرة. وتهدف إلى قياس قدرة النموذج الوظيفية على اكتشاف أخطاء الاستدلال وتصحيحها ذاتيًا، بدلًا من مجرد تقييم دقة الإجابة النهائية. تحتوي مجموعة البيانات على 300 سؤال استدلالي مُضلِّل، تغطي 121 مجالًا، بما في ذلك الرياضيات، والفيزياء، وعلم الأحياء، والقانون، والطب، والاقتصاد، والإحصاء، والأخلاق، وعلوم الحاسوب. وتشمل ثمانية أنواع من السلوك المعرفي: التصحيح الذاتي، وتجنب الوقوع في فخ الاستدلال المُضلِّل، واكتشاف التحولات، وحل النزاعات، والاكتشاف التدريجي، والتعامل مع القيود المتعددة، ولجنة الخبراء، واتخاذ القرارات في ظل عدم اليقين.

الاستخدام عبر الإنترنت:https://go.hyper.ai/8qdca

7. معيار SVG: مجموعة بيانات مرجعية لتوليد الصور الثابتة.

SVG Benchmark هي مجموعة بيانات تقييمية واسعة النطاق لتوليد الصور الثابتة، أصدرتها شركة Rapida عام 2025. تهدف هذه المجموعة إلى مقارنة قدرة 30 نموذجًا لغويًا متطورًا على توليد رسومات SVG ثابتة بناءً على نصوص محددة، وذلك من خلال التقييم البشري. تُجمع البيانات في شكل مقارنة ثنائية، وتحتوي على 500 نص باللغة الإنجليزية من مجموعات بيانات مكتوبة بشريًا أو متاحة للعموم، و188,754 عينة مقارنة صور، و1,355,161 استجابة تفضيلية بناءً على تصويت بشري.

الاستخدام عبر الإنترنت:https://go.hyper.ai/13Rn2

8. مجموعة بيانات معيارية لمدى توافق المخرجات المهيكلة IFStruct v1.0

IFStruct v1.0 هي مجموعة بيانات مرجعية لقياس مدى توافق المخرجات المهيكلة، أصدرتها شركة Liquid AI عام 2026. تهدف هذه المجموعة إلى تقييم قدرة نماذج اللغة الكبيرة على توليد مخرجات مهيكلة تتوافق مع مخطط محدد. تحتوي مجموعة البيانات على 2000 كلمة توجيهية، تتطلب كل منها من النموذج توليد عدة أمثلة بناءً على نمط مستهدف. تُعرض الكلمات التوجيهية بأنماط متنوعة، تشمل الحوار الطبيعي، وتعليمات المسار الصريحة، ومخطط JSON الخام، ومتطلبات كتلة التعليمات البرمجية، بالإضافة إلى عدم وجود نص إضافي، وكل ذلك مصحوب بمواصفات صارمة للتحقق من صحة المخطط الأساسي.

الاستخدام عبر الإنترنت:https://go.hyper.ai/3NUcg

9. مجموعة بيانات EdgeBench المعيارية للتعلم في العالم الحقيقي للوكلاء الأذكياء

EdgeBench هي مجموعة بيانات مرجعية للتعلم في العالم الحقيقي، أُصدرت من قِبل ByteDance Seed عام 2026. تهدف إلى تقييم قدرة وكلاء الذكاء الاصطناعي المستقلين على التعلم من بيئات العالم الحقيقي. تحتوي مجموعة البيانات على 134 مهمة واقعية، 51 منها مفتوحة المصدر، وتغطي ست فئات من القدرات: الحوسبة العلمية والتعلم الآلي، وهندسة النظم والبرمجيات، والتحسين، والاستدلال المعرفي، والاستدلال الرسمي، ونظرية الألعاب.

الاستخدام عبر الإنترنت:https://go.hyper.ai/FqmX7

دروس تعليمية عامة مختارة

1. OvisOCR2: نموذج تحليل المستندات من البداية إلى النهاية بحجم 0.8 مليار

أصدر فريق ATH-MaaS نموذج OvisOCR2 في يوليو 2026، وهو نموذج تحليل مستندات متكامل صغير الحجم (0.8 مليار بايت). تم بناء هذا النموذج من خلال التدريب اللاحق على مجموعة بيانات Qwen3.5-0.8B، باستخدام محرك بيانات مصمم بعناية (يجمع بين البيانات الحقيقية والاصطناعية) واستراتيجية تدريب متعددة المراحل تدمج تقنيات SFT وRL وOPD.

تشغيل عبر الإنترنت:https://go.hyper.ai/1qOnc

2. استخراج المشاعر من تغريدات روبرتا

تم إصدار نموذج RoBERTa من قبل فريق الذكاء الاصطناعي في فيسبوك في يوليو 2019. وتشمل ابتكاراته وميزاته الأساسية تقديم استراتيجية إخفاء ديناميكية، وتدريب دفعات أكبر، وبيانات تدريب أكثر على BERT، مما يحسن بشكل كبير أداء معيار NLP.

تشغيل عبر الإنترنت:https://go.hyper.ai/8iZIz

3. برنامج تعليمي عملي حول التعلم الآلي من خلال تطبيق ML2

هذه مجموعة شاملة من الدروس العملية في مجال تعلم الآلة، تغطي كل شيء بدءًا من أساسيات تعلم الآلة وصولًا إلى التعلم العميق. يستند هذا الدرس إلى كتاب أوريليان جيرون الكلاسيكي، "التعلم الآلي العملي باستخدام Scikit-Learn وKeras وTensorFlow" (الطبعة الثانية). 

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

4. برنامج تعليمي أساسيات التعلم العميق باستخدام Keras - تصنيف سرطان الثدي

ينبع هذا البرنامج التعليمي من مشروع التعلم العميق التمهيدي لباراس جيندال الذي تم إصداره على Kaggle في يوليو 2026. ويستخدم واجهة برمجة تطبيقات Keras Sequential لبناء نموذج شبكة عصبية لإجراء تصنيف ثنائي لبيانات ميزات خلايا سرطان الثدي الحميدة والخبيثة.

تشغيل عبر الإنترنت:https://go.hyper.ai/s1X9X

5. محرك التوصيات (محرك توصيات الشراء الجماعي)

محرك التوصيات للشراء المشترك هو نظام توصيات مبني على دفتر ملاحظات كريس ديوت على منصة Kaggle بعنوان "التوصية بالمنتجات المشتراة معًا"، والذي نُشر في فبراير 2022. يكمن ابتكاره الأساسي في بناء مصفوفة للشراء المشترك من خلال تحليل بيانات المعاملات السابقة للتوصية بالمنتجات التي يتم شراؤها بشكل متكرر معًا، وذلك بدمج ثلاث استراتيجيات: معدل تكرار الشراء السابق، ونمط الشراء المشترك، وقائمة احتياطية بالمنتجات الشائعة. وقد حققت هذه الخوارزمية نتيجة MAP@12 بلغت 0.021 في مسابقة H&M للتوصيات الشخصية للأزياء.

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

6. حلول علوم البيانات لشركة تايتانيك: تعلم التعلم الآلي من الصفر

تُعدّ مسابقة "تايتانيك - التعلم الآلي من الكوارث" واحدة من أشهر المسابقات التمهيدية الكلاسيكية على منصة كاغل. وتتمثل المهمة في التنبؤ بما إذا كان ركاب سفينة تايتانيك سينجون من الغرق بناءً على معلوماتهم الشخصية (درجة المقصورة، الجنس، العمر، حجم الأسرة، إلخ).

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

7. تصنيف التغريدات المتعلقة بالكوارث: استخدام نموذج BERT لتصنيف النصوص في معالجة اللغة الطبيعية

يشرح هذا الدرس التعليمي، المستند إلى دفتر ملاحظات xhlulu الكلاسيكي على منصة Kaggle، كيفية تصنيف التغريدات المتعلقة بالكوارث تصنيفًا ثنائيًا باستخدام نموذج BERT. من خلال مشروع كامل في معالجة اللغة الطبيعية، يرشدك هذا الدرس خطوة بخطوة لبناء مسار تصنيف نصوص BERT من الصفر: تحميل البيانات ← ترميز التجزئة ← بناء النموذج ← التدريب والضبط الدقيق ← الاستدلال والتنبؤ. ستتعلم كيفية تطبيق نموذج BERT المدرب مسبقًا على مهام تصنيف ثنائية مخصصة، وفهم المبادئ الكامنة وراء خيارات التصميم الرئيسية، مثل رمز [CLS] وطبقة الإخراج السينية.

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

8. Ternary-Bonsai-27B: 7.2 جيجابايت استدلال التكميم الثلاثي 27B

نموذج Ternary Bonsai 27B هو نموذج لغوي ضخم قائم على الاستدلال، طوّره فريق Prism ML في يوليو 2026. وهو مبني على Qwen3.6-27B مع تكميم ثلاثي شامل. يستخدم النموذج آلية انتباه هجينة (انتباه خطي ~75% / انتباه كامل ~25%)، ويدعم سياقات طويلة جدًا تصل إلى 262 ألف كلمة، ولا يتطلب سوى ~14.7 جيجابايت من الذاكرة كحد أقصى في سياق يحتوي على 100 ألف كلمة. كما يوفر طبقة تسريع فك تشفير تخميني DSpark، مما يحقق تسريعًا في فك التشفير بدون فقدان للبيانات بمقدار 1.34 مرة.

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

9. التنبؤ بحركة Lyft: التنبؤ بمسار المركبة ذاتية القيادة بناءً على شبكة ResNeXt50 FPN

Lyft Motion Prediction هي مسابقة Kaggle أقامتها شركة Lyft في عام 2020. وتتمثل المهمة في التنبؤ بمسار حركة وكيل (مركبة، مشاة، إلخ) في الثواني الخمس القادمة (50 خطوة زمنية، 10 هرتز) بناءً على المعلومات السياقية في سيناريو القيادة الذاتية.

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

💡لقد قمنا أيضًا بتأسيس مجموعة تبادل تعليمية حول الانتشار المستقر. مرحبًا بالأصدقاء لمسح رمز الاستجابة السريعة والتعليق على [برنامج تعليمي SD] للانضمام إلى المجموعة لمناقشة المشكلات الفنية المختلفة ومشاركة نتائج التطبيق ~

تفسير مقالة المجتمع

1. استنادًا إلى التدريب باستخدام أكثر من 10000 عينة ورمية، اقترحت كلية الطب بجامعة هارفارد وآخرون نموذج COMPASS، وهو نموذج أساسي شامل للسرطان، والذي يتفوق على 22 طريقة موجودة في المتوسط.

اقترح فريق بحثي من كلية الطب بجامعة هارفارد، وشركة روش للأدوية، وجامعة تشجيانغ، نموذجًا أساسيًا شاملًا للسرطان، أطلق عليه اسم COMPASS. تم تدريب هذا النموذج على 10184 عينة ورمية من 33 نوعًا من السرطان، وجرى تقييمه في 16 مجموعة سريرية تغطي 7 أنواع من السرطان و6 مثبطات لنقاط التفتيش المناعية. أظهرت النتائج تفوق COMPASS على 22 طريقة موجودة في المتوسط، حيث حسّن دقة التنبؤ بمعدل 8.51 نقطة في اختبار TP3T عبر مختلف المجموعات.

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

مقالات موسوعية شعبية

1. المهارات

2. نموذج العمل العالمي (WAM)

3. قانون القياس

4. الإطارات في الثانية

5. التعرف التلقائي على الكلام

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

https://go.hyper.ai/wiki