تخطَّ إلى المحتوى الرئيسي
ToolPotion
مستشار الذكاء الاصطناعي
إرسال (مجاني)

MetaEncoder v1

MetaEncoder v1 هو نموذج لاستخراج الميزات يحتوي على 28 مليار معلمة، متاح على Hugging Face. يوفر وظائف لتضمين المدخلات، وتصنيف المجموعات مقابل الاستفسارات، والإجابة على أسئلة بأسلوب Jev حول الحالات. يسهل النموذج الاستخدام من خلال التعامل مع تنسيق المطالبات داخليًا، ويدعم أنواع المدخلات المختلفة بما في ذلك النصوص والصور والفيديو، مما يجعله متعدد الاستخدامات لتطبيقات الذكاء الاصطناعي المتنوعة.

عرض النموذج
مشاركة
عرض النموذج
مشاركة

MetaEncoder v1 هو نموذج قوي لاستخراج الميزات تم تطويره بواسطة Facebook، ويحتوي على 28 مليار معلمة. مستضاف على Hugging Face، يوفر حلاً قويًا للمطورين والباحثين الذين يعملون مع أنواع البيانات المعقدة. تم تصميم النموذج لسهولة الاستخدام، ويتطلب `transformers>=5.15` و80 جيجابايت من وحدة معالجة الرسوميات لتحقيق الأداء الأمثل بدقة bf16.

قراءة المزيد

في جوهره، يقدم MetaEncoder v1 ثلاث وظائف رئيسية: `encode` و`retrieve` و`decide`. تتيح وظيفة `encode` للمستخدمين تضمين مدخلات متنوعة—مثل السلاسل النصية، وصور PIL، أو القواميس التي تحتوي على نصوص، وصور، أو إطارات فيديو—في مصفوفة (n، 6656) من نوع float32. يتم تطبيع هذه التضمينات باستخدام L2 ويمكن استخدامها للتخزين أو التجميع أو مهام المقارنة. النموذج حساس للتعليمات، مما يعني أن نفس المدخل يمكن تضمينه بشكل مختلف بناءً على السياق المقدم، مما يعزز قابليته للتكيف مع حالات الاستخدام المحددة.

تم تصميم وظيفة `retrieve` لتصنيف مجموعة مقابل استفسار معين. يمكن للمستخدمين تمرير استفسار ومجموعة (إما قائمة من العناصر أو مصفوفة مشفرة مسبقًا) مع تعليمات اختيارية لكليهما. تعيد قائمة من كائنات `Hit`، مرتبة من الأفضل إلى الأول، مما يجعلها مثالية لتطبيقات البحث واسترجاع المعلومات. هذه القدرة فعالة بشكل خاص للمجموعات الكبيرة، حيث يمكن تشفير المجموعة مرة واحدة ثم البحث فيها بشكل متكرر.

أخيرًا، تتيح وظيفة `decide` للنموذج الإجابة على أسئلة بأسلوب Jev حول حالة معينة. يمكن أن تكون هذه الحالة سلسلة نصية أو أي قيمة JSON، مصحوبة اختياريًا بصور أو فيديو. يتم هيكلة الأسئلة بأنواع مثل 'noul' (نعم/لا)، 'choice' (خيارات متعددة)، أو 'score' (مستويات مرتبة)، كل منها مع تعليمات ومعايير محددة. يوفر النموذج إجابات مع احتمالات، ودرجات ثقة، وتشابهات كوسينوس خام. تتوفر أيضًا وظيفة `decide_batch` لمعالجة حالات متعددة في وقت واحد، وتسمح ميزة المعايرة للمستخدمين بضبط درجة حرارة النموذج لتناسب بياناتهم المحددة لتحسين الدقة.

ميزة رئيسية في MetaEncoder v1 هي تنسيق المطالبات الداخلي، الذي يلغي الحاجة للمستخدمين لكتابة المطالبات يدويًا. يضمن الغلاف تنسيق المدخلات تمامًا كما كانت أثناء التدريب، مما يحافظ على الاتساق ويسهل التكامل. يشمل ذلك التعامل مع دور النظام والمستخدم، وترميز الصور والفيديو، والتجميع. بالنسبة للمستخدمين المتقدمين، يمكن الوصول المباشر إلى `modeling_metaencoder.py` لتجاوز الغلاف لتنسيق المطالبات المخصصة والتجميع، مما يوفر مرونة مع الاستفادة من القدرات الأساسية للنموذج.

  • الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
  • النشرسحابي
  • المنصاتHugging Face

  • نموذج استخراج الميزات

  • 28 مليار معلمة

  • تضمين المدخلات (encode)

  • تصنيف المجموعة مقابل الاستفسار (retrieve)

  • الإجابة على أسئلة بأسلوب Jev (decide)

  • يدعم المدخلات النصية والصور والفيديو

  • تنسيق المطالبات الداخلي

  • تضمين قائم على التعليمات

  • معالجة قرارات الدفعات

  • معايرة النموذج لتناسب درجة الحرارة

  • تضمينات L2-Normalized

  • لا حاجة لكتابة المطالبات يدويًا

  • متوافق مع transformers>=5.15

  • يتطلب 80 جيجابايت من وحدة معالجة الرسوميات (bf16)

  • الوصول المباشر إلى النمذجة للتخصيص

  1. الوصول إلى النموذج: انتقل إلى صفحة facebook/meta-encoder-v1 على Hugging Face.

  2. إعداد البيئة: تأكد من تثبيت `transformers>=5.15` وتوفر 80 جيجابايت من وحدة معالجة الرسوميات لدقة bf16.

  3. تضمين المدخلات: استخدم استدعاء `encode(inputs, instruction=None)` لإنشاء تضمينات للنصوص أو الصور أو الفيديو.

  4. استرجاع المعلومات: استخدم `retrieve(query, corpus, top_k=None, query_instruction=None, corpus_instruction=None)` لتصنيف مجموعة مقابل استفسار.

  5. اتخاذ القرارات: استخدم `decide(state, questions, images=None, video=None)` للإجابة على الأسئلة المنظمة حول حالة معينة.

  6. معايرة النموذج: لتحسين الدقة، استخدم `model.calibrate(answers, labels)` مع مجموعة بيانات موسومة لضبط درجة الحرارة.

  • استرجاع المعلومات
  • تجميع البيانات
  • البحث الدلالي
  • أنظمة الإجابة على الأسئلة
  • فهم المحتوى
  • معالجة البيانات متعددة الوسائط
  • أنظمة دعم القرار

تقييمات MetaEncoder v1

جاري التحميل...

أدوات ذكاء اصطناعي شائعة مثل MetaEncoder v1

نموذج Pixtral-12B-2409

نماذج الذكاء الاصطناعي

نموذج Pixtral-12B-2409 هو نموذج ذكاء اصطناعي متعدد الوسائط يحتوي على 12 مليار معلمة ومشفّر رؤية يحتوي على 400 مليون معلمة، مصمم لمهام معالجة الصور والنصوص المتقدمة.

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

نموذج ذكاء اصطناعي متعدد الوسائط يحتوي على 12 مليار معلمة ومشفّر رؤية يحتوي على 400 مليون معلمة، مصمم لمهام معالجة الصور والنصوص المتقدمة.نموذج Pixtral-12B-2409 هو نموذج ذكاء اصطناعي متعدد الوسائط يحتوي على 12 مليار معلمة ومشفّر رؤية يحتوي على 400 مليون معلمة، مصمم لمهام معالجة الصور والنصوص المتقدمة.

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي

Mistral-7B-v0.1

نماذج الذكاء الاصطناعي

Mistral-7B-v0.1 هو نموذج نصي توليدي مدرب مسبقًا يحتوي على 7 مليارات معلمة، مصمم لتعزيز الذكاء الاصطناعي من خلال المصادر المفتوحة. يتفوق على Llama 2 13B في مختلف المعايير، مما…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

نموذج نصي توليدي مدرب مسبقًا يحتوي على 7 مليارات معلمة، مصمم لتعزيز الذكاء الاصطناعي من خلال المصادر المفتوحة. يتفوق على Llama 2 13B في مختلف المعايير، مما…Mistral-7B-v0.1 هو نموذج نصي توليدي مدرب مسبقًا يحتوي على 7 مليارات معلمة، مصمم لتعزيز الذكاء الاصطناعي من خلال المصادر المفتوحة. يتفوق على Llama 2 13B في مختلف المعايير، مما…

مميزةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي

EmbeddingGemma 2

نماذج الذكاء الاصطناعي

EmbeddingGemma 2 هو نموذج تضمين متعدد الوسائط تم تطويره بواسطة Google DeepMind. يقوم بربط النصوص والصور والفيديو والصوت في فضاء متجه موحد، ويدعم أكثر من 100 لغة ومهام برمجية. مصمم…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

نموذج تضمين متعدد الوسائط تم تطويره بواسطة Google DeepMind. يقوم بربط النصوص والصور والفيديو والصوت في فضاء متجه موحد، ويدعم أكثر من 100 لغة ومهام برمجية. مصمم…EmbeddingGemma 2 هو نموذج تضمين متعدد الوسائط تم تطويره بواسطة Google DeepMind. يقوم بربط النصوص والصور والفيديو والصوت في فضاء متجه موحد، ويدعم أكثر من 100 لغة ومهام برمجية. مصمم…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي

نموذج لغة RWKV

نماذج الذكاء الاصطناعي

RWKV هو نموذج لغة قوي يقدم استدلالاً فعالاً وقدرات ضبط دقيق مرنة. يدعم تطبيقات متنوعة، بما في ذلك واجهات المستخدم الرسومية لسطح المكتب، والاستدلال المستند إلى الويب، وتطبيقات…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

RWKV هو نموذج لغة قوي يقدم استدلالاً فعالاً وقدرات ضبط دقيق مرنة. يدعم تطبيقات متنوعة، بما في ذلك واجهات المستخدم الرسومية لسطح المكتب، والاستدلال المستند إلى الويب، وتطبيقات…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي

DeepSeek-V3-0324

نماذج الذكاء الاصطناعي

DeepSeek-V3-0324 هو نموذج متقدم للذكاء الاصطناعي يقدم تحسينات كبيرة في قدرات التفكير، وتطوير الويب، وإتقان الكتابة باللغة الصينية. يعزز إعادة الكتابة التفاعلية متعددة الأدوار…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

نموذج متقدم للذكاء الاصطناعي يقدم تحسينات كبيرة في قدرات التفكير، وتطوير الويب، وإتقان الكتابة باللغة الصينية. يعزز إعادة الكتابة التفاعلية متعددة الأدوار…DeepSeek-V3-0324 هو نموذج متقدم للذكاء الاصطناعي يقدم تحسينات كبيرة في قدرات التفكير، وتطوير الويب، وإتقان الكتابة باللغة الصينية. يعزز إعادة الكتابة التفاعلية متعددة الأدوار…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي

معاينة Hy3

نماذج الذكاء الاصطناعي

معاينة Hy3 من Tencent Hunyuan هي نموذج لغة مفتوح المصدر يحتوي على 295 مليار معلمة. يتفوق في الرياضيات والترميز والمهام متعددة اللغات، ويقدم أداءً تنافسياً مع نافذة سياق 256K. متاح…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

معاينة Hy3 من Tencent Hunyuan هي نموذج لغة مفتوح المصدر يحتوي على 295 مليار معلمة. يتفوق في الرياضيات والترميز والمهام متعددة اللغات، ويقدم أداءً تنافسياً مع نافذة سياق 256K. متاح…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي

Llama-4-Scout-17B-16E-Instruct

نماذج الذكاء الاصطناعي

Llama-4-Scout-17B-16E-Instruct هو نموذج ذكاء اصطناعي متعدد الوسائط مصمم بواسطة ميتا. يستفيد من بنية مزيج من الخبراء لتوفير قدرات متقدمة في فهم النصوص والصور، ويدعم المخرجات متعددة…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

نموذج ذكاء اصطناعي متعدد الوسائط مصمم بواسطة ميتا. يستفيد من بنية مزيج من الخبراء لتوفير قدرات متقدمة في فهم النصوص والصور، ويدعم المخرجات متعددة…Llama-4-Scout-17B-16E-Instruct هو نموذج ذكاء اصطناعي متعدد الوسائط مصمم بواسطة ميتا. يستفيد من بنية مزيج من الخبراء لتوفير قدرات متقدمة في فهم النصوص والصور، ويدعم المخرجات متعددة…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي

بنية Fuyu-8B متعددة الوسائط

نماذج الذكاء الاصطناعي

Fuyu-8B هو نموذج ذكاء اصطناعي مفتوح المصدر متعدد الوسائط مصمم للوكلاء الرقميين. تدعم بنيته المبسطة دقة صور عشوائية، مما يمكّنه من الإجابة على الأسئلة المتعلقة بالرسوم البيانية…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

Fuyu-8B هو نموذج ذكاء اصطناعي مفتوح المصدر متعدد الوسائط مصمم للوكلاء الرقميين. تدعم بنيته المبسطة دقة صور عشوائية، مما يمكّنه من الإجابة على الأسئلة المتعلقة بالرسوم البيانية…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 5 من نماذج الذكاء الاصطناعي
1 من 8