IIIT-Hyderabad Patram ، اولین مدل بنیادی چشم انداز هند را برای Docs راه اندازی کرد

تیمی از انستیتوی بین المللی فناوری اطلاعات ، حیدرآباد (IIIT-H) راه اندازی شده است بازپرداخت، اولین مدل بنیادی چشم انداز هند برای درک اسناد.

Patram بخشی از مجموعه Bharatgen از مدل های بزرگ زبان چند مدلی است که با بودجه DST ایجاد می شود. Jitendra Singh ، وزیر امور خارجه علوم و فناوری ، از این مدل در تاریخ 2 ژوئن در اجلاس ملی Bharatgen در دهلی نو رونمایی کرد.

Patram یک مدل پارامتر 7 میلیاردی است که برای پردازش و درک اسناد اسکن شده و عکاسی آموزش دیده است. این پاسخ به دستورالعمل های زبان طبیعی پاسخ می دهد و اکنون منبع باز در بغل کردن Face و پلت فرم Aikosh هند در دسترس است.

با وجود اندازه کوچکتر ، Patram عملکرد رقابتی را در برابر مدلهای بزرگتر بین المللی مانند Deepseek-VL-2 در معیارهایی مانند DocVQA و VisualMRC نشان داده است. همچنین در Patram-Bench ، مجموعه ای از ارزیابی سفارشی که منعکس کننده سناریوهای سند هندی است ، عملکرد خوبی داشت.

پروفسور PJ Narayanan ، مدیر ، IIIT حیدرآباد گفت: “Patram یک قدم مهم را نشان می دهد زیرا هند مدلهای بنیادی پیشرفته را طراحی می کند.” “با این راه اندازی ، ما زبان موجود را به هر شکلی ادغام می کنیم: به عنوان متن ، به عنوان گفتار و به عنوان تصاویر.”

تیمی از کارآموزان فارغ التحصیلان و دانشجویی در IIIT-Hyderabad با پشتیبانی IIIT-H و TIH-IIT ، IIT Bombay این مدل را در پنج ماه ساختند.

دکتر راوی کیران سرودواباتلا ، استادیار و محقق اصلی در IIIT-Hyderabad گفت: “با Patram ، ما مدلی را ساخته ایم که ساختار و تنوع منحصر به فرد اسناد هندی را درک می کند.” “این فقط آغاز آنچه هند می تواند در AI بینایی به دست آورد.”

در کنار Patram ، این تیم همچنین Docbodh ، مجموعه ای از هوش مصنوعی را برای اطلاعات اسناد شاخص ، هدف قرار دادن برنامه های کاربردی در حاکمیت ، آموزش ، حقوق و تجارت راه اندازی کرد. این پروژه بخشی از تلاش گسترده تر هند برای ساخت زیرساخت های هوش مصنوعی باز و بومی تحت ابتکارات ملی مانند دیجیتال هند و آتمانیربه بهارات است.