NeoMME: تشکیکات چندجهانی، چندزبانه با کارایی و عملکرد کمنظیر

قدّم عرضَ باحثون في مجال الذكاء الاصطناعي بنموذج NeoMME في ورقة بحثية حديثة بوصفه المُرمِّز متعدد الوسائط والمواليد أصليًا ومتعدد اللغات، حيث اعتمادًا على هيكلية تحويلية هجينة وتقنيات ضغط الأوزان، قلّل النموذج بشكل كبير من حجم العمليات الحسابية مع الحفاظ على دقة عالية عبر سلاسل مهام разнообразные في معالجة اللغات الطبيعية، وتحديد الصور، والتعرف على الكلام. وفي التجارب المقارنة، حقق NeoMME أداءً مساويًا أو أفضل من النماذج الرائدة مثل CLIP وmBERT على مجموعات البيانات القياسية بما في ذلك XNLI وMSCOCO وCommon Voice، مستهلكًا في المقابل ما يقارب 30% أقل من الذاكرة ووقت الاستدلال. وقد تُمّهّد هذه الخطوة الطريق أمام نشر تطبيقات الذكاء الاصطناعي القابلة للتوسع في البيئات ذات الموارد المحددة، مثل الأجهزة المحمولة ونقاط تشغيل الشبكات (edge).