نموذج NVIDIA Nemotron النصي: ثلاثة أوضاع للتوليد
قدّمت NVIDIA نموذج Nemotron-Labs-Diffusion، وهو نموذج لغوي يدعم ثلاثة أوضاع لفك الترميز: الانحداري الذاتي، والانتشاري، والتخمّيني (speculative). أبرز النتائج تسريع معالجة الرموز (tokens) بمقدار 6 أضعاف مقارنةً بنموذج Qwen3-8B. يتوفر النموذج بثلاثة أحجام (3B وَ8B وَ14B)، مع إصدارات للمهام الأساسية والتعليمات والتطبيقات متعددة الوسائط.
معالج بواسطة الذكاء الاصطناعي من MarkTechPost؛ بتحرير Hamidun News
قدّمت NVIDIA نموذج Nemotron-Labs-Diffusion، وهو شبكة عصبية للنصوص تجمع ثلاث طرق للتوليد ضمن بنية واحدة.
ما المقصود بفك الترميز الثلاثي في Nemotron؟
هي ثلاث طرق لتوليد النص ضمن بنية واحدة. الأولى هي الوضع الانحداري الذاتي (AR)، وهو الوضع الكلاسيكي المعتمد في ChatGPT، حيث يراجع النموذج كل ما كتبه بنفسه ثم يكتب الرمز (token) التالي.
لماذا يهم ذلك الشبكات العصبية؟
تولّد النماذج اللغوية القياسية النص بالتتابع، رمزًا تلو الآخر، ما يحدّ من سرعة المعالجة ومن الإنتاجية الكلية للخوادم.
لماذا يتفوق Nemotron النصي في السرعة على النماذج الأخرى؟
تولّد النماذج القياسية النص بالتتابع، رمزًا تلو الآخر، ما يحدّ من سرعة المعالجة. أما Nemotron فيستخدم ثلاثة أوضاع لفك الترميز في آن واحد، ما يرفع إنتاجية الخوادم.
ما الذي يميّز Nemotron من NVIDIA؟
يعتمد Nemotron ثلاثة أوضاع لفك الترميز: الانحداري الذاتي (كما في ChatGPT)، والانتشاري، ونهج هجين، ما يسرّع معالجة النصوص على الخوادم.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
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.