X5 Tech وT-Bank تُحسّنان البحث البصري: ColQwen3 تحقق 0.84 nDCG@5
في ملفات PDF المؤسسية كثيرًا ما تختبئ الإجابة المطلوبة في جدول أو رسم بياني، بينما يفقد النص المستخرج الروابط بين الأرقام والتسميات. قام باحثون من X5 Tech وT-Bank بإجراء ضبط دقيق لنموذج البحث البصري على استعلامات لصفحات أُنشئت وتم التحقق منها تلقائيًا. على مجموعة اختبار مغلقة حققت ColQwen3-2B نتيجة 0.84 nDCG@5 مقابل 0.77 لأفضل نموذج نصي.
معالج بواسطة الذكاء الاصطناعي من Хабр: Машинное обучение؛ بتحرير Hamidun News
إذا كان البحث في ملفات PDF المؤسسية لديكم يعثر على كلمات التقرير لكنه يفوّت الجدول المطلوب، فقد يكمن السبب في طريقة إعداد المستندات. فعند استخراج النص تختفي مواضع الخلايا وارتباط التسميات بالرسوم البيانية وغيرها من الإشارات التي يقرؤها الإنسان من الصفحة في ثوانٍ. وقد وصف رومان ماكييف من X5 Tech وإيغور ماتشنيف من T-Bank عملهما على بحث بصري يتعامل مع هذه المستندات بوصفها صور صفحات.
النتيجة الرئيسية في الإعلان المنشور: حققت ColQwen3-2B بعد الضبط الدقيق 0.84 nDCG@5 على المجموعة المغلقة X5-private. أما أفضل نموذج نصي في المقارنة فسجّل 0.77. وبالنسبة لفريق يبني بحثًا أو نظام RAG على ملفات PDF معقدة، فهذا سبب للتحقق من عدد الإجابات التي تضيع قبل تمرير المستندات إلى النموذج اللغوي.
لماذا ينبغي للبحث أن يرى الصفحة
لنتخيل تقرير مبيعات. يسأل المستخدم: «في أي منطقة انخفضت الإيرادات أكثر من غيرها؟» الإجابة موجودة في مخطط: أسماء المناطق أسفل الأعمدة، والقيم مذكورة بجانبها، والفترة في العنوان. وبعد استخراج النص قد تتحول هذه العناصر إلى سلسلة من الكلمات والأرقام يصعب فيها استعادة الروابط.
هذا مثال افتراضي وليس اختبارًا وصفه المؤلفون. لكنه يشرح المهمة العملية للبحث البصري: استخدام مظهر الصفحة حيث لا يكفي النص وحده. ومن المثير بوجه خاص اختبار هذا النهج على العروض التقديمية والتقارير والمستندات ذات التخطيط الكثيف. ومع ذلك فإن العثور على الصفحة لا يضمن الإجابة الصحيحة: إذ يجب على المكوّن التالي في النظام أن يقرأ محتواها قراءة صحيحة.
يتناول المقال ColPali وColQwen3، إضافة إلى تكييفهما مع مجموعة مواضيعية متخصصة باللغة الروسية. ومن الإعلان المتاح لا يمكن الاستنتاج أن أي نموذج بصري سيتفوق على أي بحث نصي. فالنتيجة المؤكدة أضيق: نموذج محدد بعد الضبط الدقيق أظهر أفضل مؤشر في المقارنة المعروضة على مجموعة واحدة مغلقة من المستندات.
استعلامات التدريب تُنشأ تلقائيًا
لتكييف نموذج البحث تلزم أمثلة تبيّن أي استعلامات ينبغي أن تقود إلى أي مستندات. وكتابة هذه الأمثلة يدويًا تستغرق وقت موظفين يفهمون محتوى الصفحات والمهام الحقيقية للمستخدمين.
يقترح المؤلفون منهجية تصبح فيها المستندات أساسًا للتوليد التلقائي لاستعلامات خاصة بالصفحات والتحقق منها. ولا حاجة إلى كتابة استعلامات التدريب يدويًا. وهذا هو الجزء الأكثر فائدة للنقل إلى سياقات أخرى: يحصل الفريق على طريقة لتحضير البيانات لمجموعته المتخصصة، لا مجرد اختيار نموذج جاهز وفق تصنيف الآخرين.
غير أن التحقق التلقائي يحتاج بدوره إلى تقييم. فمن الإعلان لا يتضح كيف يعمل بالضبط، ولا ما الأخطاء التي يستبعدها، ولا إلى أي حد تشبه الاستعلامات المُنشأة طلبات المستخدمين الفعلية. وعند التطبيق يستحسن مراجعة عيّنة يدويًا: يجب أن يكون للاستعلام جواب على الصفحة، وأن يطابق مهمة عمل حقيقية، وألا تكشف صياغته الجواب.
ما معنى هذا التفوق وكيف نتحقق منه
يقيّم nDCG@5 جودة ترتيب النتائج الخمس الأولى مع مراعاة صلتها بالاستعلام. ولا ينبغي قراءة القيمة 0.84 على أنها «84% من الإجابات صحيحة». والفارق عن 0.77 هو 0.07 نقطة من المقياس؛ وهو يصف نتائج البحث لا دقة منظومة الإجابة بأكملها.
يشير المؤلفون صراحةً إلى أن X5-private لم تشارك في التدريب. وهذه تفصيلة مهمة، لكن المجموعة المغلقة تحدّ من إمكانية التحقق المستقل. كما لا يتضمن الإعلان بيانات عن حجم العيّنة، ولا عن الثبات الإحصائي للتفوق، ولا عن زمن الاستجابة وتكلفة معالجة المستندات.
الخطوة العملية التالية هي إعداد اختبار صغير من استعلاماتكم وصفحاتكم مع إجابات موثّقة. قارنوا البحث النصي الحالي بالبحث البصري على المستندات نفسها، مع فصل الجداول والرسوم البيانية والنص العادي. ثم قيسوا زمن الفهرسة وسرعة الاستجابة وجودة الإجابة النهائية. فإذا تركّز التحسن في الصفحات المعقدة، فسيتوفر أساس لاختيار النهج المناسب لكل نوع من المستندات. وينبغي اتخاذ قرار التطبيق بناءً على هذا القياس، لا على رقم واحد من مجموعة بيانات تخص غيركم.
المصدر: إعلان المقال على Habr.
- 28 أبريل 2026Hugging Face تشرح كيفية الضبط الدقيق لنماذج التضمين وإعادة الترتيب متعددة الوسائط
- 28 أكتوبر 2026T-Bank يستبدل سرب نماذج LLM بنموذج واحد من فئة 32B ويخفض تكلفة الطلبات بمقدار 2,8–3,9 مرة
- 9 يوليو 2026الذكاء الاصطناعي في القطاع المصرفي: كيف تدمج Axos تقنية Arc المالية للشركات الناشئة التقنية
- 2 نوفمبر 2026وسم «لا توجد مستندات مرجعية» تراجعت دقته من 0,68 إلى 0,10 مع المسترجعات القوية
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا ينبغي للبحث أن يرى الصفحة؟
لنتخيل تقرير مبيعات. يسأل المستخدم: «في أي منطقة انخفضت الإيرادات أكثر من غيرها؟» الإجابة موجودة في مخطط: أسماء المناطق أسفل الأعمدة، والقيم مذكورة بجانبها، والفترة في العنوان. وبعد استخراج النص قد تتحول هذه العناصر إلى سلسلة من الكلمات والأرقام يصعب فيها استعادة الروابط. هذا مثال افتراضي وليس اختبارًا وصفه المؤلفون. لكنه يشرح المهمة العملية للبحث البصري: استخدام مظهر الصفحة حيث لا يكفي النص وحده. ومن المثير بوجه خاص اختبار هذا النهج على العروض التقديمية والتقارير والمستندات ذات التخطيط الكثيف.
ما أبرز التفاصيل حول استعلامات التدريب تُنشأ تلقائيًا؟
لتكييف نموذج البحث تلزم أمثلة تبيّن أي استعلامات ينبغي أن تقود إلى أي مستندات. وكتابة هذه الأمثلة يدويًا تستغرق وقت موظفين يفهمون محتوى الصفحات والمهام الحقيقية للمستخدمين. يقترح المؤلفون منهجية تصبح فيها المستندات أساسًا للتوليد التلقائي لاستعلامات خاصة بالصفحات والتحقق منها. ولا حاجة إلى كتابة استعلامات التدريب يدويًا. وهذا هو الجزء الأكثر فائدة للنقل إلى سياقات أخرى: يحصل الفريق على طريقة لتحضير البيانات لمجموعته المتخصصة، لا مجرد اختيار نموذج جاهز وفق تصنيف الآخرين.
ما أبرز التفاصيل حول ما معنى هذا التفوق وكيف نتحقق منه؟
يقيّم nDCG@5 جودة ترتيب النتائج الخمس الأولى مع مراعاة صلتها بالاستعلام. ولا ينبغي قراءة القيمة 0.84 على أنها «84% من الإجابات صحيحة». والفارق عن 0.77 هو 0.07 نقطة من المقياس؛ وهو يصف نتائج البحث لا دقة منظومة الإجابة بأكملها. يشير المؤلفون صراحةً إلى أن X5-private لم تشارك في التدريب. وهذه تفصيلة مهمة، لكن المجموعة المغلقة تحدّ من إمكانية التحقق المستقل. كما لا يتضمن الإعلان بيانات عن حجم العيّنة، ولا عن الثبات الإحصائي للتفوق، ولا عن زمن الاستجابة وتكلفة معالجة المستندات.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.