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

SenseNova-Loop-9B-Preview

SenseNova-Loop-9B-Preview هو نموذج لغوي متعدد الوسائط مصمم للعمل مع سياقات طويلة وتدفقات عمل وكيلة. يعالج كل من النصوص والصور لتوليد مخرجات نصية، داعمًا التطبيقات في فهم الوثائق، والترميز، والتفاعل مع الأدوات الخارجية. يتميز النموذج بهندسة فريدة لمشفّر دائري وارتباطات هايبر-مقيدة متعددة التيار لتحقيق مسارات تنفيذ عميقة وفعالة.

زيارة الرابط
مشاركة
لقطة شاشة لـ SenseNova-Loop-9B-Preview
لقطة شاشة لـ SenseNova-Loop-9B-Preview

SenseNova-Loop-9B-Preview هو نموذج لغوي متعدد الوسائط متقدم مصمم للتعامل مع سيناريوهات معقدة وطويلة السياق وتدفقات العمل الوكيلة. تم تطويره بواسطة SenseNova، هذا النموذج قادر على قبول كل من مدخلات النص والصورة، ومن ثم توليد مخرجات نصية. تشمل التطبيقات الرئيسية له مجالات مثل فهم الوثائق الشامل، ومهام الترميز المتقدمة، والتفاعل السلس مع أدوات خارجية متنوعة.

قراءة المزيد

تكمن جوهر هندسة SenseNova-Loop-9B-Preview في تركيبه المبتكر الذي يجمع بين مشفّر دائري وارتباطات هايبر-مقيدة متعددة التيار (mHC). يسمح هذا التصميم بتنفيذ كتلة متصلة من طبقات المشفّر مرتين باستخدام أوزان مشتركة، مما يعمق مسار التنفيذ بشكل كبير دون تكرار المعلمات. تدير الخرائط المتعلمة داخل نظام mHC تدفق المعلومات بكفاءة بين تيارين متبقيين في القسم الدائري، مما يعزز قدرة النموذج على معالجة المعلومات وتركيبها.

تتضمن وصفات تدريب النموذج تسلسلات طويلة، ومدخلات متعددة الوسائط متنوعة، ومسارات مهام تحت إشراف، مع وصول طول تسلسل التدريب الأقصى إلى 262,144 رمز. يمكّن هذا التدريب الشامل من أداء قوي عبر مجموعة واسعة من المهام المعقدة. للحصول على أداء مثالي، يُنصح المستخدمون باستخدام بيئة النشر الموثقة ومعلمات التكوين.

تشمل النقاط البارزة المعمارية كتلة دائرية مشتركة حيث يتم تطبيق 24 طبقة مشفّر مرتين، مما يؤدي إلى 56 تنفيذًا لطبقات المشفّر من 32 طبقة متميزة فقط. تسهل mHC متعددة التيار توجيه المعلومات ودمجها عبر التيارات المتبقية. علاوة على ذلك، يستخدم المشفّر آلية انتباه هجينة، حيث يتم تداخل طبقات الانتباه الخطية والكاملة في نمط متكرر من أربع طبقات، والذي يتم الحفاظ عليه عبر تمريرات الحلقة. يدعم النموذج أيضًا MTP لتسريع الاستدلال، مع تطوير Dspark وDflash2 حاليًا لتعزيز السرعة بشكل أكبر.

  • الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
  • نموذج التسعيرمفتوح المصدر
  • النشرسحابي
  • المنصاتالويب

  • مدخلات متعددة الوسائط: يقبل كل من النصوص والصور

  • توليد النصوص: ينتج مخرجات نصية

  • هندسة مشفّر دائري: ينفذ طبقات المشفّر مرتين باستخدام أوزان مشتركة

  • ارتباطات هايبر-مقيدة متعددة التيار (mHC): تدير تدفق المعلومات بين التيارات المتبقية

  • معالجة طويلة السياق: تدعم أطوال تسلسل التدريب تصل إلى 262,144 رمز

  • دعم تدفقات العمل الوكيلة: مصمم للتفاعل مع الأدوات الخارجية

  • انتباه هجيني: يتداخل بين طبقات الانتباه الخطية والكاملة

  • كفاءة المعلمات: يحقق 56 تنفيذًا لطبقات المشفّر من 32 طبقة متميزة

  • فهم الوثائق: قادر على معالجة الوثائق المعقدة

  • تطبيقات الترميز: يدعم المهام المتعلقة بالرمز

  • تسريع الاستدلال MTP: متاح لمعالجة أسرع

  • دعم التخصيص: يوفر وصفات تدريب موثقة للتخصيص

  • رخصة Apache 2.0: ترخيص مفتوح المصدر للاستخدام والتعديل

  • تكامل Hugging Face: متاح للتنزيل والنشر على Hugging Face

  1. الوصول إلى صفحة النموذج: انتقل إلى صفحة SenseNova-Loop-9B-Preview على Hugging Face.

  2. تثبيت التبعيات: قم بتثبيت PyTorch المتوافق مع بيئة CUDA الخاصة بك، ثم قم بتثبيت Transformers 5.18.0 وPyTorch 2.11.0.

  3. تحميل النموذج: استخدم مكتبة Transformers لتحميل النموذج وتنفيذه المخصص من مستودع Hugging Face أو دليل محلي.

  4. تكوين الاستدلال: اضبط `model_id` على معرف المستودع أو المسار المحلي وقم بتكوين معلمات مثل `enable_thinking` و`device`.

  5. توليد النص: قم بتشغيل المثال المقدم بلغة Python لأداء توليد النص، مع تحديد عدد الرموز الجديدة.

  6. تخصيص النموذج: استخدم أوامر التدريب الموثقة مع مجموعة بيانات SFT الخاصة بك على عقدة واحدة مع 8 وحدات معالجة رسومية للتخصيص.

  7. نشر النموذج: استخدم خيارات النشر مثل LightLLM أو SGLang عن طريق استبدال المسار المحلي للنموذج في الأمثلة المقدمة.

  • فهم الوثائق طويلة السياق
  • أتمتة تدفقات العمل الوكيلة
  • توليد المحتوى متعدد الوسائط
  • مساعدة الترميز المتقدمة
  • أتمتة تصميم PPT
  • توليد نصوص تصميم الحركة
  • تقرير تحليل البيانات
  • البحث والتطوير متعدد الوسائط

تقييمات SenseNova-Loop-9B-Preview

جاري التحميل...

أدوات ذكاء اصطناعي شائعة مثل SenseNova-Loop-9B-Preview

MiniMax M3 هو نموذج متقدم للذكاء الاصطناعي يتفوق في مهام البرمجة والوكالة. يتميز بنافذة سياق بحجم 1M وفهم متعدد الوسائط بشكل أصلي، مدعومًا بهندسة MSA. يوفر النموذج قدرات مفتوحة…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة

المرتبة 61 في نماذج اللغة الكبيرة

عرض الأداة

نموذج متقدم للذكاء الاصطناعي يتفوق في مهام البرمجة والوكالة. يتميز بنافذة سياق بحجم 1M وفهم متعدد الوسائط بشكل أصلي، مدعومًا بهندسة MSA. يوفر النموذج قدرات مفتوحة…MiniMax M3 هو نموذج متقدم للذكاء الاصطناعي يتفوق في مهام البرمجة والوكالة. يتميز بنافذة سياق بحجم 1M وفهم متعدد الوسائط بشكل أصلي، مدعومًا بهندسة MSA. يوفر النموذج قدرات مفتوحة…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
المرتبة 61 في نماذج اللغة الكبيرة

LiquidAI LFM3-1.7B

نماذج اللغة الكبيرة

LiquidAI LFM3-1.7B هو نموذج نصي مصمم للوكلاء المحليين والتطبيقات المتخصصة. يتميز بهندسة ثلاثية هجينة ويدعم نافذة سياق بحجم 256K توكن، مما يجعله مناسبًا للأجهزة الطرفية. النموذج…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة

المرتبة 91 في نماذج اللغة الكبيرة

عرض الأداة

نماذج اللغة الكبيرة

نموذج نصي مصمم للوكلاء المحليين والتطبيقات المتخصصة. يتميز بهندسة ثلاثية هجينة ويدعم نافذة سياق بحجم 256K توكن، مما يجعله مناسبًا للأجهزة الطرفية. النموذج…LiquidAI LFM3-1.7B هو نموذج نصي مصمم للوكلاء المحليين والتطبيقات المتخصصة. يتميز بهندسة ثلاثية هجينة ويدعم نافذة سياق بحجم 256K توكن، مما يجعله مناسبًا للأجهزة الطرفية. النموذج…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
المرتبة 91 في نماذج اللغة الكبيرة

DeepSeek-V4-Flash-Vision-Exp

نماذج اللغة الكبيرة

DeepSeek-V4-Flash-Vision-Exp هو نموذج تجريبي متعدد الوسائط في عائلة DeepSeek-V4، يعزز من قدرات الفهم البصري. يعتمد على بنية DeepSeek-V4-Flash، ويقدم تحسينات في قدرات الوكلاء متعدد…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة

المرتبة 70 في نماذج اللغة الكبيرة

عرض الأداة

نماذج اللغة الكبيرة

نموذج تجريبي متعدد الوسائط في عائلة DeepSeek-V4، يعزز من قدرات الفهم البصري. يعتمد على بنية DeepSeek-V4-Flash، ويقدم تحسينات في قدرات الوكلاء متعدد…DeepSeek-V4-Flash-Vision-Exp هو نموذج تجريبي متعدد الوسائط في عائلة DeepSeek-V4، يعزز من قدرات الفهم البصري. يعتمد على بنية DeepSeek-V4-Flash، ويقدم تحسينات في قدرات الوكلاء متعدد…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
المرتبة 70 في نماذج اللغة الكبيرة

Inkling-Small

نماذج اللغة الكبيرة

Inkling-Small هو نموذج متعدد الوسائط متعدد الاستخدامات يعالج مدخلات النص والصورة والصوت لتوليد مخرجات نصية. يدعم المطورين في إنشاء تطبيقات الذكاء الاصطناعي مثل روبوتات الدردشة…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة

المرتبة 27 في نماذج اللغة الكبيرة

عرض الأداة

نماذج اللغة الكبيرة

نموذج متعدد الوسائط متعدد الاستخدامات يعالج مدخلات النص والصورة والصوت لتوليد مخرجات نصية. يدعم المطورين في إنشاء تطبيقات الذكاء الاصطناعي مثل روبوتات الدردشة…Inkling-Small هو نموذج متعدد الوسائط متعدد الاستخدامات يعالج مدخلات النص والصورة والصوت لتوليد مخرجات نصية. يدعم المطورين في إنشاء تطبيقات الذكاء الاصطناعي مثل روبوتات الدردشة…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
المرتبة 27 في نماذج اللغة الكبيرة

pplx-embed-v2-context-9b-preview

نماذج الذكاء الاصطناعي

pplx-embed-v2-context-9b-preview هو نموذج تضمين سياقي مصمم لقطع الوثائق في أنظمة RAG. يقوم بترميز قطع الوثائق معًا، مما يعكس سياقها المحيط، ويعيد تضمينًا واحدًا لكل قطعة.

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

نموذج تضمين سياقي مصمم لقطع الوثائق في أنظمة RAG. يقوم بترميز قطع الوثائق معًا، مما يعكس سياقها المحيط، ويعيد تضمينًا واحدًا لكل قطعة.pplx-embed-v2-context-9b-preview هو نموذج تضمين سياقي مصمم لقطع الوثائق في أنظمة RAG. يقوم بترميز قطع الوثائق معًا، مما يعكس سياقها المحيط، ويعيد تضمينًا واحدًا لكل قطعة.

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

DeepSeek V4 Flash

نماذج الذكاء الاصطناعي

DeepSeek V4 Flash هو مجموعة من نماذج الذكاء الاصطناعي مصممة لمهام توليد النصوص المتقدمة. تستفيد من مبادئ المصادر المفتوحة والعلوم المفتوحة لتمكين الذكاء الاصطناعي، مقدمة مجموعة من…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

مجموعة من نماذج الذكاء الاصطناعي مصممة لمهام توليد النصوص المتقدمة. تستفيد من مبادئ المصادر المفتوحة والعلوم المفتوحة لتمكين الذكاء الاصطناعي، مقدمة مجموعة من…DeepSeek V4 Flash هو مجموعة من نماذج الذكاء الاصطناعي مصممة لمهام توليد النصوص المتقدمة. تستفيد من مبادئ المصادر المفتوحة والعلوم المفتوحة لتمكين الذكاء الاصطناعي، مقدمة مجموعة من…

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

Muse Spark 1.3

نماذج الذكاء الاصطناعي

Muse Spark 1.3 هو نموذج الذكاء الاصطناعي من ميتا لعمليات العمل الوكيلة والترميز، مصمم للمهام طويلة الأمد التي تحتاج إلى استدعاء أدوات موثوقة والتفكير متعدد الخطوات. يوفر إدراكًا…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

نماذج الذكاء الاصطناعي

نموذج الذكاء الاصطناعي من ميتا لعمليات العمل الوكيلة والترميز، مصمم للمهام طويلة الأمد التي تحتاج إلى استدعاء أدوات موثوقة والتفكير متعدد الخطوات. يوفر إدراكًا…Muse Spark 1.3 هو نموذج الذكاء الاصطناعي من ميتا لعمليات العمل الوكيلة والترميز، مصمم للمهام طويلة الأمد التي تحتاج إلى استدعاء أدوات موثوقة والتفكير متعدد الخطوات. يوفر إدراكًا…

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

LLaVA

مستودعات GitHub للذكاء الاصطناعي

LLaVA هو نموذج ضبط التعليمات المرئية يجمع بين قدرات اللغة والرؤية الكبيرة. يهدف إلى تحقيق أداء بمستوى GPT-4V، مما يتيح الفهم والتفاعل متعدد الوسائط. يوفر المشروع التعليمات…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض الأداة

مستودعات GitHub للذكاء الاصطناعي

نموذج ضبط التعليمات المرئية يجمع بين قدرات اللغة والرؤية الكبيرة. يهدف إلى تحقيق أداء بمستوى GPT-4V، مما يتيح الفهم والتفاعل متعدد الوسائط. يوفر المشروع التعليمات…LLaVA هو نموذج ضبط التعليمات المرئية يجمع بين قدرات اللغة والرؤية الكبيرة. يهدف إلى تحقيق أداء بمستوى GPT-4V، مما يتيح الفهم والتفاعل متعدد الوسائط. يوفر المشروع التعليمات…

نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
عرض أفضل 250 من مستودعات GitHub للذكاء الاصطناعي
1 من 8