شركة نماذج اللغة العربية الكبيرة

نحن نبني تقنيات الذكاء الاصطناعي العربية لحل مشاكلك

نحن نبني ونقدم المشورة ونصمم نماذج مفتوحة المصدر لتلبية احتياجاتك الفريدة

خدماتنا

نماذجنا

من نحن

تعمل شركة SILMA AI على تطوير تقنيات الذكاء الاصطناعي المتقدمة باللغة العربية لتمكين الأفراد والمؤسسات في المنطقة من الحصول على تقنيات سيادية مصممة خصيصًا لتلبية احتياجاتهم

خدماتنا

طريقك نحو التميز

نحن نقدم الخدمات التالية لعملاء المؤسسات

تخصيص

نقوم بتصميم نماذجنا لتناسب مهامك المحددة بشكل أفضل من خلال الاستفادة من بياناتك، مما يضمن الأداء الأمثل مقارنة بأي نموذج آخر في السوق

class Sampling(layers.Layer):

"""Uses (mean, log_var) to sample z, the vector encoding a digit."""

def call(self, inputs):

mean, log_var = inputs

batch = tf.shape(mean)[0]

dim = tf.shape(mean)[1]

return mean + tf.exp(0.5 * log_var) * epsilon

class Sampling(layers.Layer):

"""Uses (mean, log_var) to sample z, the vector encoding a digit."""

def call(self, inputs):

mean, log_var = inputs

batch = tf.shape(mean)[0]

dim = tf.shape(mean)[1]

return mean + tf.exp(0.5 * log_var) * epsilon

class Sampling(layers.Layer):

"""Uses (mean, log_var) to sample z, the vector encoding a digit."""

def call(self, inputs):

mean, log_var = inputs

batch = tf.shape(mean)[0]

dim = tf.shape(mean)[1]

return mean + tf.exp(0.5 * log_var) * epsilon

بناء

نقوم ببناء تقنيات الذكاء الاصطناعي باللغة العربية

Security

Efficiency

Speed

Accuracy

Status:

Updating:

Security

Efficiency

Speed

Accuracy

Status:

Updating:

Security

Efficiency

Speed

Accuracy

Status:

Updating:

استشارات

نحن نتعاون معك لتحديد وتنفيذ حلول الذكاء الاصطناعي المبتكرة التي تعالج تحدياتك

نماذجنا

نماذج صغيرة وأداء كبير

النماذج العربية الصغيرة والقوية الخاصة بنا تتفوق على النماذج الأكبر في المهام العربية، وتوفر حلولاً فعالة من حيث التكلفة وعالية الأداء مع إمكانيات استضافة محلية للاستخدام التجاري

Ask me something..

General Purpose LLMs

SILMA 9B Instruct v1.0

يُحدث SILMA 9B Instruct v1.0 ثورة في نماذج اللغة العربية بأدائه الاستثنائي. وعلى الرغم من حجمه الصغير الذي يبلغ 9 مليارات معلمة، فإنه يتفوق على النماذج الأكبر من حيث الفعالية والكفاءة

Ask me something..

RAG-optimized LLMs

SILMA Kashif 2B Instruct v1.0

SILMA Kashif 2B Instruct v1.0 هو نموذج متقدم مفتوح الوزن مصمم لمهام التوليد المعزز بالاسترجاع (RAG)، ويتميز بالإجابة على الأسئلة القائمة على السياق باللغتين العربية والإنجليزية. كما يتمتع بقدرات في استخراج الكيانات. تم بناؤه على نماذج Google Gemma الأساسية، وهو يوفر أداءً من الدرجة الأولى ضمن نطاق 3-9 مليار معلمة وفقا للمعيار SILMA RAGQA Benchmark. يدعم النموذج طول سياق يبلغ 12 ألفً توكن

Ask me something..

SILMA Embedding

SILMA Embedding Matryoshka v0.1

SILMA Embedding STS v0.1 و SILMA Embedding Matryoshka v0.1 عبارة عن نماذج تضمين عربية خفيفة الوزن وعالية الكفاءة تتميز بنماذج مبتكرة تعتمد على Matryoshka

معاييرنا

منصات التقييم العربية

منصة التقييم العربية الشاملة (ABL) هي منصة متقدمة من الجيل الجديد تهدف إلى تقييم نماذج اللغة العربية. توفر هذه المنصة تصورات بصرية متطورة، وتحليلات دقيقة للأداء، وتفصيلات لمهارات النماذج، ومقارنات للسرعة، وكشفاً للتلوث المعرفي، مما يتيح تقييماً عميقاً واختياراً دقيقاً لنماذج اللغة العربية حسب المهام المطلوبة.

لوحة الصدارة الشاملة لترتيب نماذج اللغة العربية الكبيرة

SILMA AI لماذا

تعظيم الكفاءة والتأثير

اكتشف المزايا الرئيسية للشراكة معنا

الكفاءة

يتمتع فريقنا بخبرة متعددة التخصصات تمتد لأكثر من عقدين من الزمن، والتي تم صقلها من خلال أدوار مؤثرة في المنظمات العالمية الرائدة

سجل حافل

إن سجلنا الحافل بتقديم نماذج قوية وفعالة يتحدث عن نفسه - ونحن على استعداد لتطبيق هذه الخبرة على تحدياتك الفريدة

السرعة

خبرتنا في تدريب النماذج وضبطها، مدعومة بالخبرة والأصول القابلة لإعادة الاستخدام، تساعد الشركات على تحقيق أهدافها بكفاءة

الاتصال بنا

اتصل بنا

دعنا نساعدك في تسخير قوة الذكاء الاصطناعي لإيجاد حلول مبتكرة. تواصل معنا اليوم عبر hello@silma.ai أو عبر النموذج

hello@silma.ai