
معرفی NeoMME: رمزگذار چندزبانه و بومی چندوجهی
شرکت Hcompany مدل NeoMME را به عنوان یک رمزگذار کارآمد چندوجهی و چندزبانه معرفی کرد. این مدل برای پردازش همزمان دادههای متنی و تصویری در زبانهای مختلف طراحی شده است.
شرکت Hcompany در بلاگ Hugging Face از معرفی مدل NeoMME خبر داد؛ یک رمزگذار (Encoder) که به گفته سازندگان آن، به صورت بومی چندوجهی (Multimodal-native) و چندزبانه (Multilingual) طراحی شده است. این مدل برای پردازش همزمان متن و تصویر و همچنین پشتیبانی از زبانهای متعدد ارائه شده است. بر اساس اطلاعات منتشرشده، NeoMME با تمرکز بر کارایی (Efficiency) توسعه یافته تا هزینه محاسباتی و پیچیدگی استقرار سیستمهای چندوجهی را کاهش دهد. جزئیات فنی بیشتر در صفحه این مدل در Hugging Face در دسترس است. این معرفی در حالی انجام میشود که تقاضا برای مدلهای چندوجهی کارآمد در کاربردهایی مانند جستوجوی تصویر، تحلیل محتوای ترکیبی و پردازش اسناد چندزبانه افزایش یافته است. با این حال، مقایسه عملکرد NeoMME با مدلهای موجود نیازمند ارزیابیهای مستقل است. برای توسعهدهندگان ایرانی، مدلهای رمزگذار چندزبانه و سبک میتوانند در ساخت سامانههای جستوجو، دستهبندی محتوا و پردازش اسناد فارسی و انگلیسی مفید باشند، بهویژه در محیطهایی که منابع GPU محدود است. در دسترس بودن مدل در Hugging Face امکان آزمایش و تنظیم دقیق (Fine-tuning) روی دادههای محلی را فراهم میکند.
این مدل در اپکس۲۴ قابل دسترس است
یک کلید API — ۵۰+ مدل هوش مصنوعی




