«صندوقان على طاولة» قد يكون وصفًا صحيحًا لصورة. لكنه قليل الفائدة في سؤال عن الرمز القصير على الصندوق الأيسر. فقد يكون الغرض من الذكاء الاصطناعي المحلي للصور مجرد فرز أولي للموضوعات، أو قد يكون الغرض منه أيضًا نسخ العلامات الدقيقة. ومن يجمع الأمرين معًا تحت مسمى فهم الصور قد يتوقع بسهولة القدرة الخاطئة.
تؤرّخ OpenBMB إصدار MiniCPM-V 4.7 بتاريخ 12 أكتوبر 2026. ويسرد المشروع الأصلي المتغيرين 1B و35B-A3B؛ والأكبر منهما مزيج من الخبراء. ويصف الإصدار طرقًا لاستخدامه محليًا وبشكل متعدد الوسائط. ومع ذلك، لا يزال يتعين أن تتوافق بيئة التشغيل المحددة وملف النموذج والجهاز معًا.
لماذا لا تصف المعاملات النشطة الحاسوب بأكمله
في مزيج الخبراء، تُستخدم أجزاء مختارة من النموذج لخطوات معالجة فردية. وهذه المجموعة الفرعية النشطة ليست هي نفسها كل الملفات والذاكرة التي يتعين على بيئة تشغيل معينة إبقاؤها جاهزة. ويُضاف إلى ذلك المعالجة المسبقة للصور والمعالجة اللاحقة.
يمكن تشبيه ذلك بورشة: فلا يعمل على مهمة ما في أي وقت إلا عدد قليل من محطات العمل المتخصصة. ولا تختفي بقية المعدات نتيجة لذلك. ويوضّح التشبيه الفرق بين الاختيار والمخزون الكلي؛ لكنه لا يقدّم حسابًا للذاكرة لأي جهاز بعينه.
لذلك، تكون أسماء المتغيرات الدقيقة عمليًا أكثر فائدة من تسمية حجم واحدة. سجّل أي ملف يُستخدم في أي بيئة تشغيل. والأرقام المأخوذة من مثال لدى المورّد بعتاد مختلف ليست سرعة متوقعة لحاسوبك الخاص.
ثلاث صور وثلاثة أسئلة منفصلة
أنشئ سلسلة صغيرة من الصور الخاصة بك تضم صندوقين محايدين. يحمل أحدهما رمزًا من اختيارك، مثل K7. تُظهر اللقطة الأولى كليهما بوضوح. وتغيّر الثانية موضعهما. وتُظهر الثالثة الموضوع نفسه برمز يصعب قراءته عمدًا. فأنت تعرف الأشياء والكتابة الفعلية بنفسك.
صِغ ثلاث مهام: سمِّ الأشياء، وصِف علاقتها ببعضها، وانقل العلامة المرئية بدقة. ودوّن لكل لقطة ما يستطيع الشخص قراءته فعلًا في تلك الصورة المحددة. وإذا كانت اللقطة الأخيرة ضبابية، فقد تكون عبارة «غير مقروءة بشكل موثوق» هي المرجع المناسب، رغم أنك تعرف الكتابة الأصلية.
Task 1: Which objects are visible?
Task 2: Which box is to the left of the other?
Task 3: Which marking is actually legible?
Rule: Do not fill in illegible characters from context.في اختبار لاحق للنموذج، استخدم الأسئلة نفسها واحتفظ بملفات الإدخال دون تعديل. فالتكبير الإضافي أو القصّ المختلف شرط جديد وينبغي تشغيله في جولة منفصلة. وإلا يبقى من غير الواضح ما إذا كانت الإجابة تستفيد من النموذج أم من صورة مصدر أوضح.
قيّم الإجابات مهمةً مهمةً
تحقّق من المستويات الثلاثة كلٍّ على حدة. فإذا تعرّف النموذج على الصندوقين لكنه نسب العلامة الخطأ، فذلك خطأ مختلف عن حرف أُسيئت قراءته. وحكمٌ إجمالي واحد من قبيل «الصورة صحيحة» سيُخفي هذه الفروق.
وانتبه أيضًا إلى الإضافات المعقولة ظاهريًا. فقد تنقل إجابةٌ الرمزَ من لقطة سابقة رغم أنه لم يعد مقروءًا في الصورة الحالية. لذلك، من أجل مقارنة فردية نظيفة، يكون سياق محادثة جديد، أو على الأقل ترتيب موثّق صراحةً، أمرًا مجديًا. فإعداد الاختبار الذي تختاره يؤثر في المعلومات المتاحة أصلًا.
لا تعطِ النموذج سلسلة من تلميحات الحل المعدَّلة بعد وقوع الأمر ثم تعرض الإجابة الأخيرة وحدها على أنها نجاح. فما يثير الاهتمام هو المهمة كاملة، والملف المقدَّم فعلًا، والحد المفتوح بين التعرّف والتخمين.
أي مهمة محلية مجدية حقًا
للفرز التقريبي حسب الموضوع، قد يكون الوصف العام مفيدًا بالفعل. أما النسخ الآلي للعلامات، في المقابل، فيحتاج إلى مستوى مختلف من الموثوقية وإلى طريقة مناسبة للتعامل مع المقاطع غير المقروءة. لذلك يبدأ قرار كيفية الاستخدام بالعبارة المطلوبة، لا بأكثر أحجام النماذج إبهارًا.
يجعل MiniCPM-V 4.7 معالجة الصور المحلية إمكانية تقنية ملموسة. ويصبح اختيارك الخاص أكثر وضوحًا إذا أعددت بضع صور تعرفها وأسئلة منفصلة بوضوح. ولا يمكن إلا لتشغيل فعلي أن يُظهر أيًّا من هذه المهام يؤديها إعدادٌ مختار بشكل مفيد على جهازك.
المصادر والحالة
المصادر بتاريخ 25 أكتوبر 2026. سجل تغييرات OpenBMB — MiniCPM-V 4.7 · مستودع MiniCPM-V.
