تطرح NVIDIA نماذج Nemotron 3.5 المفتوحة للتضمين وإعادة الترتيب وتحليل المستندات

وسّعت NVIDIA في 21 أكتوبر 2026 مجموعة Nemotron Retriever بنماذج جديدة مفتوحة ومتاحة تجاريًا للتضمين وإعادة الترتيب واستخراج محتوى المستندات: Nemotron 3.5 Embed بإصدارات 8B BF16 و1B BF16 و1B NVFP4، وNemotron 3.5 Rerank 8B BF16، وNemotron 3.5 Parse الذي يضم 631 مليون مُعامل.

قالت الشركة في إعلان نشرته NVIDIA على Hugging Face إن هذا الإصدار يستهدف مسارات عمل الوكلاء في المؤسسات، ويضيف إمكانات الاسترجاع متعدد الوسائط وترتيب النتائج حسب الصلة ومعالجة المستندات. وقدّمت NVIDIA جودة الاسترجاع بوصفها عاملًا يؤثر في إجابات الوكيل وتكلفة استدلال نموذج اللغة الكبير (LLM) للمهمة، موضحةً أن عودة أدلة ناقصة أو غير ذات صلة تدفع الوكلاء إلى إجراء مزيد من عمليات البحث ومراجعة مستندات أكثر، ما يستهلك رموز استدلال إضافية قبل إتمام المهمة.

تغطي إصدارات Embed وRerank الأربعة أدوارًا مختلفة في النشر. صُمّم Nemotron 3.5 Embed 8B BF16 للبحث الذي يركز على الجودة في النصوص والمستندات الغنية بالمحتوى المرئي. ويقدّم نموذج 1B BF16 إمكانات الاسترجاع متعدد الوسائط في نموذج 8B ضمن حجم أصغر، للفهرسة متعددة الوسائط وتقديم نتائج الاستعلامات. أما نموذج 1B NVFP4 فيطبّق تكميم NVFP4 على مُشفّري النص والصورة معًا، ويستهدف فهرسة المستندات على نطاق واسع والاسترجاع بمعدل نقل مرتفع على الأجهزة المدعومة. ويسجّل Nemotron 3.5 Rerank 8B BF16 درجات أزواج الاستعلامات والمستندات معًا لتحسين ترتيب الصلة بين العناصر المرشحة النصية والصورية، واختيار الأدلة لتوليد المحتوى المعزّز بالاسترجاع ومسارات عمل الوكلاء. ويشمل الاسترجاع نصوص المستندات، إلى جانب صور مثل الجداول والرسوم البيانية والرسوم التوضيحية المعلوماتية وأوراق البيانات والرسوم التخطيطية. واختبرت NVIDIA استرجاع النصوص بـ34 لغة والاسترجاع المرئي متعدد اللغات على MIRACL Vision، الذي يشمل 18 لغة، وعلى KoViDoRe، مشيرةً إلى احتمال تعامل النماذج مع لغات إضافية تتجاوز اللغات التي خضعت للاختبار.

تجارب الاسترجاع باستخدام الوكلاء

لقياس أثر الاسترجاع في سلوك الوكلاء، اختبرت NVIDIA نموذجي Nemotron 3.5 Embed وNemotron 3.5 Rerank على ViDoRe v3 وBRIGHT وBrowseComp-Plus. يستخدم ViDoRe v3 مدخلات تجمع بين النص والصورة، بينما يعتمد BRIGHT وBrowseComp-Plus على مدخلات نصية فقط. وفي مسار العمل الذي خضع للاختبار، يبحث الوكيل في مجموعة بيانات باستخدام أداة بحث، ويراجع الأدلة التي تعيدها الأداة، ثم يعدّل استعلاماته اللاحقة. وبدّلت مصفوفة الاختبار تطبيق أداة البحث بين إعدادات تستخدم التضمين وحده وأخرى تجمع بين التضمين وإعادة الترتيب، مع استخدام نماذج مختلفة، فيما ظل نموذج اللغة الكبير (LLM) الخاص بالوكيل وأدواته ومجموعة مهامه ومجموعة البيانات وسياسة التنفيذ دون تغيير. وتتبّع التقييم ما إذا كان الوكيل قد عثر على المعلومات ذات الصلة بكل مهمة، إلى جانب إجمالي رموز الاستدلال التي استهلكها الوكيل في كل مهمة عبر جميع جولات التفاعل، مع احتساب رموز الإدخال والإخراج.

بحسب NVIDIA، أدى إدراج Nemotron 3.5 Rerank في مسار العمل إلى خفض تكلفة الرموز لكل استعلام في استخدام الوكلاء بنحو 14% عند استخدامه مع نموذج التضمين 8B، وبنسبة 13% عند استخدامه مع نموذج 1B، كما تحسنت دقة الاسترجاع في كلا الإعدادين. وتفيد NVIDIA بأن أداة إعادة الترتيب، عند اقترانها بنموذج التضمين 8B، حققت نتيجة أعلى بنحو 0.9 نقطة في nDCG@10 من Qwen3-VL-Reranker-8B، مع تكلفة مماثلة لرموز استخدام الوكلاء.

نتائج لوحات الصدارة

في ViDoRe v3.1، تفيد NVIDIA بأن Nemotron 3.5 Embed 8B BF16 حقق 61.17 في nDCG@10، متصدرًا نماذج الاسترجاع الكثيف حتى 20 أكتوبر 2026. وتصف الشركة هذه النتيجة بأنها تحسن قدره 8.94 نقاط مقارنةً بنتيجة 52.23 التي حققها نموذجها Llama Nemotron Embed VL 1B. أما نموذج 1B BF16 المُقطّر فحقق 58.38 في nDCG@10، أي ما يعادل 95.4% من نتيجة النموذج المعلّم 8B، وفقًا لـNVIDIA. وعلى MIRACL Vision، تفيد NVIDIA بأن نموذج 8B حقق 72.6 في nDCG@10، متقدمًا بـ4.3 نقاط على Qwen3-VL-Embedding-8B، وتقول إن كلا حجمي نموذجي التضمين تفوقا على نماذج Qwen الأساسية في KoViDoRe عند التعامل مع مدخلات تجمع بين الصور والنصوص.

تطلق NVIDIA، بالتعاون مع فريق MTEB، لوحة صدارة لإعادة الترتيب في ViDoRe v3.1 تشمل مدخلات الصور وحدها، والنصوص وحدها، والمدخلات التي تجمع بين الصور والنصوص. وتفيد NVIDIA بأن أداة إعادة الترتيب حققت 60.49 في nDCG@10 للمدخلات المدمجة، مقابل 59.17 لنموذج Qwen3-VL-Reranker-8B، لتتصدر اللوحة حتى 20 أكتوبر 2026.

معدل النقل والضبط الدقيق للمجالات

للنشر في بيئات الإنتاج، تفيد NVIDIA بأن إصدار NVFP4 يحقق معدل نقل أعلى بنسبة 27.1% من نموذج 1B BF16 على NVIDIA GB200، إذ يعالج 128.8 مستندًا في الثانية مقابل 101.3، مع احتفاظه بـ99.85% من دقة الاسترجاع التي يحققها نموذج BF16 على ViDoRe v3 للمدخلات التي تجمع بين الصور والنصوص. وفي اختبارات الشركة على RTX PRO 6000 Blackwell Server Edition، عالجت NVIDIA NIM عدد 6,031 طلب استعلام في الثانية، أي نحو 2.9 ضعف عدد الطلبات البالغ 2,099 في الثانية الذي حققه إعداد vLLM مماثل، فيما وُصف معدل معالجة المقاطع بأنه مماثل.

نشرت NVIDIA أيضًا وصفة للضبط الدقيق للتضمين متعدد الوسائط، تتناول توليد البيانات الاصطناعية والتنقيب عن السلبيات الصعبة والضبط الدقيق باستخدام NVIDIA NeMo AutoModel والتقييم ضمن مسار عمل واحد، بما يتيح للفرق إنشاء استعلامات وتسميات للصلة انطلاقًا من مجموعات مستنداتها الخاصة. واستخدم اختبار NVIDIA للوصفة 8,202 صورة لمخططات ورسوم توضيحية معلوماتية، إلى جانب 8,591 استعلامًا اصطناعيًا أنشأها Qwen3.8-Flash-Next، مع التركيز على الاستعلامات التعدادية والمفتوحة التي لها صور متعددة ذات صلة. وبعد دورة تدريب واحدة من الضبط الدقيق على 6,872 استعلامًا، ارتفعت نتيجة nDCG@10 لنموذج 1B BF16 من 37.34 إلى 44.12 على 1,719 استعلامًا اصطناعيًا محجوبًا للاختبار، وهو ما تصفه NVIDIA بأنه مكسب نسبي قدره 18%؛ أما نموذج 8B BF16 فارتفعت نتيجته من 41.44 إلى 42.75، محققًا مكسبًا نسبيًا قدره 3%.

بنية النماذج وتدريبها

بالنسبة إلى نموذج التضمين 8B، اعتمدت NVIDIA على Ministral-3-8B-Instruct وبدأت تهيئة مكوّن اللغة انطلاقًا من Nemotron-3-Embed-8B-BF16، ثم طبّقت التعلّم التقابلي على مجموعات من الصور والنصوص لإنتاج تمثيلات متعددة الوسائط للاسترجاع. واستُخلصت نماذج 1B من نموذج 8B باستخدام خسارتي جيب التمام ومتوسط مربع الخطأ لمواءمة تضمينات النموذج الطالب مع تضمينات النموذج المعلّم، كما هُيّئ مكوّن اللغة فيها انطلاقًا من Nemotron-3-Embed-1B-BF16. وبما أن مكوّن اللغة يظل ثابتًا أثناء تدريب التضمين، تقول NVIDIA إن التضمينات النصية فقط ينبغي أن تطابق نظيراتها في نماذج Nemotron 3 Embed المقابلة، ما يتيح مواصلة استخدام التضمينات النصية الحالية وفهارس المتجهات.

يشترك Nemotron 3.5 Rerank مع نموذج التضمين 8B في بنية العمود الفقري، لكنه يعمل بوصفه مُرمِّزًا مزدوجًا، إذ يرمّز كل زوج من الاستعلام والمستند معًا بدلًا من تضمين الاستعلامات والمستندات كلٌّ على حدة لحساب التشابه؛ ثم تُخرج طبقة تسجيل من perceptron متعدد الطبقات قيمة لوغيت قياسية لمدى الصلة. دُرّبت جميع النماذج على مزيج من البيانات متعددة اللغات والوسائط المتاحة علنًا والبيانات الاصطناعية، وأُنتجت الأوزان النهائية المنشورة باستخدام تجميع نقاط التحقق. وتقول NVIDIA إن مزيدًا من التفاصيل عن بيانات التدريب متاح في بطاقة النموذج الخاصة بكل نموذج على Hugging Face.

Nemotron 3.5 Parse

يحوّل Nemotron 3.5 Parse صور المستندات إلى نصوص قابلة للقراءة آليًا، مع الحفاظ على البنية التي تمنح المحتوى معناه. ويرصد النموذج عناصر المستند ومواضعها وترتيب قراءتها، ثم يخرج الجداول والمخططات بصيغ Markdown وجداول HTML وكتل منظّمة يمكن للمطورين فهرستها والبحث فيها ومعالجتها لاحقًا. وتفيد NVIDIA بأن Parse حقق 75.20 في ParseBench بسرعة 10.5 صفحات في الثانية على وحدة NVIDIA H100 واحدة، متصدرًا النماذج التي تقل عن مليار معلمة، وذلك حتى 20 أكتوبر 2026. ويختبر ParseBench استخراج الجداول والمخططات، وأمانة نقل المحتوى، والتنسيق الدلالي، والارتكاز البصري.

تتيح ثلاثة أنماط للاستدلال للمطورين المفاضلة بين معدل المعالجة والدقة باستخدام النموذج نفسه. يقرأ النمط ذو المرور الواحد كل صفحة مرة واحدة، ويسجل 72.74 بسرعة 16.1 صفحة في الثانية. أما المرور المزدوج، فيعيد فحص الجداول والمخططات التي جرى تحديدها في التحليل الأولي للصفحة، محققًا 74.92 بسرعة 11.2 صفحة في الثانية. ويضيف المرور الثلاثي خطوة كشف تعثر على مناطق إضافية لتحسينها، محققًا 75.20 بسرعة 10.5 صفحات في الثانية. وتصف NVIDIA نقاط التشغيل الثلاث بأنها مثلى وفق جبهة باريتو ضمن مقارنتها، إذ لا يحقق أي من الإعدادات الأخرى التي شملتها المقارنة تحسنًا في الدقة ومعدل المعالجة في الوقت نفسه.

شملت بيانات تدريب Parse مستندات مؤسسية وأوراقًا علمية ونماذج وجداول ومخططات ونصوصًا متعددة اللغات، ووسّع نطاقها محرك للبيانات الاصطناعية؛ كما تفيد NVIDIA بأداء قوي في تقييمات شملت 163 توليفة من اللغات وأنظمة الكتابة. وفي مرحلة ما بعد التدريب، طبّقت NVIDIA تحسين السياسة النسبي الجماعي، مع مكافآت مخصصة لصحة البنية وعقوبات على الإخفاقات. وتقول الشركة إن ذلك قلّل من حلقات التوليد المتكررة والكتل غير المغلقة، وجعل الجداول أكثر اتساقًا، وحسّن الالتزام بمخططات الرسوم البيانية. كما شكرت NVIDIA شركة LightOn، مشيرة إلى أن التقنيات مفتوحة المصدر التي تقاسمتها الشركة معها كانت أساسية في تحسين النموذج.

تقييمات الشركاء والتوافر

يتضمن الإعلان تقييمات أولية من شركاء مؤسسيين. فبحسب المنشور، تتيح واجهة Inference API في Elasticsearch نماذج التضمين وإعادة الترتيب Nemotron Retriever عبر نقاط نهاية الاستدلال التابعة لـ NVIDIA، ومن المقرر إضافة Nemotron 3 قريبًا عبر Elastic Inference Service، فيما يندرج دعم النشر داخل المؤسسات ضمن خارطة الطريق. واختبرت Vectorize نموذج Nemotron 3.5 Embed ضمن Hindsight Agent Memory، ووفقًا للمنشور، تصدّر النموذج معيارين لقياس ذاكرة المحادثات الطويلة، محققًا استدعاءً@10 بنسبة 93.8% على LoCoMo و65.9% على BEAM 100K، متقدمًا على سبعة نماذج تضمين منافسة، إلى جانب تحقيقه أعلى قيمتي MRR والاستدعاء@5. وأظهر تقييم Perplexity أن Nemotron 3.5 Rerank 8B حقق أعلى متوسط درجات في معيار Perplexity الخاص لإعادة الترتيب، الذي يضم 72 مهمة، مع الإبلاغ عن نتائج قوية في المجالات الستة كلها. أما Turbopuffer، التي اختبرت نموذج التضمين 8B على معيار للبحث في ملفات PDF المؤسسية، فتفيد بأنه يعرض نتائج أكثر صلة بنحو 5% عند Recall@20 مقارنة بأفضل نموذج يليه، وتوفر النماذج الآن كخيار تضمين أصلي.

تتوفر الأوزان والبيانات ووصفات التدريب المفتوحة على Hugging Face، كما يمكن النشر في بيئات الإنتاج عبر NVIDIA NIM، ومن خلال شركاء السحابة والذكاء الاصطناعي والاستدلال Baseten وDeepInfra وFriendliAI. ونُشرت وصفات الضبط الدقيق للتضمين وإعادة الترتيب في مستودع NVIDIA NeMo Nemotron على GitHub.