Dharma-AI تقدم Field Extractor، نموذجًا ذا ملياري معلمة يستخرج من المستند الحقول المطلوبة ويردها على شكل بيانات منظمة. وفقًا للشركة، يتفوق على جميع النماذج المتطورة التي تم اختبارها على معيارها المرجعي، بتكلفة تشغيل أقل بشكل ملحوظ.
يعتمد النموذج على DharmaOCR-LITE، الذي صدر في أبريل/نيسان ومتخصص في التعرف على النصوص (OCR) في مستندات متنوعة، من العقود إلى الفواتير مرورًا بوثائق الهوية والنماذج. بينما يعيد OCR النص الكامل للصفحة، فإن Field Extractor يستهدف حاجة أخرى: استرداد معلومات محددة، بصيغة قابلة للاستخدام مباشرة بواسطة البرمجيات. في المصدر، تذكر Dharma-AI على سبيل المثال كل بند في الفاتورة، على شكل قائمة، أو اسم المريض، ونوع الفحص، والتاريخ الموجود على طلب طبي. مع OCR تقليدي، تصل هذه القيم بدون تسمية، ويجب كتابة الكود الذي يربطها بالحقول الصحيحة. يمكن لنموذج لغوي كبير (LLM، نظام مدرب على معالجة النص) إنجاز هذه المهمة بتعليمات مصاغة بعناية، لكن الشركة ترى أن اللجوء إليه يصبح مكلفًا عند تكراره على نطاق واسع.
طريقتان لطلب الحقول
يقبل Field Extractor نوعين من الاستعلامات. في الوضع المفتوح، لا يتم توفير مخطط: يحدد النموذج بنفسه الأجزاء المنظمة من المستند، بناءً على السياق وتخطيط الصفحة، ويرد أزواج المفتاح-القيمة التي يجدها. في الوضع المُوجَّه بالمخطط، يحدد المستخدم الحقول المطلوبة، ونوعها (سلسلة نصية، رقم أو قيمة منطقية) وأسماء المفاتيح التي يستخدمها نظامه. إذا كان حقل مطلوب غير موجود في المستند، يرجع النموذج null بدلاً من اختراع قيمة.
تم تدريب النموذج الأساسي، DharmaOCR-LITE v1.1، على 43,384 مثالًا يغطي هذين الوضعين، باستخدام محول LoRA، وهي طبقة تعليمية صغيرة مضافة إلى النموذج الحالي. تأتي البيانات من ثلاث مجموعات: مستندات إنجليزية مجمعة من الويب العام، ومستندات برازيلية بالبرتغالية، وجزء أصغر من بيانات متعددة اللغات بلغات أوروبية وآسيوية أخرى.
النتائج على المعيار المرجعي
يغطي المعيار المرجعي 546 مستندًا، أي 1,638 حالة إجمالاً، موزعة بين الاستخراج الكامل بدون مخطط، ومخطط جزئي، ومخطط يتضمن حقولًا غير موجودة عمدًا. حقق النموذج درجة 0.834، مقابل 0.816 لـ Claude Opus 5، و0.741 لـ GPT-5.6 Luna، والتكوينات الأخرى التي تم اختبارها. يتراوح الفارق مع النماذج العامة بين 1.8 نقطة (Claude Opus 5) و9.3 نقطة (GPT-5.6 Luna).
تشير Dharma-AI أيضًا إلى تكلفة أقل. بالنسبة لواجهات برمجة التطبيقات العامة، يعتمد الحساب على الرموز (tokens) المتوسطة المقاسة لكل صفحة وعلى الأسعار العامة لكل مزود؛ تتوافق تكلفة Field Extractor مع وقت الحساب على بطاقة رسوميات واحدة من نوع L40S، بسعر 2.24 دولار في الساعة. وفقًا للشركة، يكلف النموذج أقل بـ 6 إلى 147 مرة من واجهات برمجة التطبيقات المقارنة. لكنها توضح أن هذا ليس سعر بيع، حيث تعتمد تكلفة النشر الذاتي على الأجهزة، والحجم، وزمن الاستجابة المستهدف.
على مجموعات بيانات عامة لم تستخدم في التدريب، SROIE وFUNSD، يقدم المصدر مثالين. على تذكرة SROIE، تم إرجاع الحقول الثمانية عشر المطلوبة بشكل صحيح، بما في ذلك حقلين فارغين تم إرجاعهما كـ null. على نموذج FUNSD، يحدد النموذج بالضبط المربع المحدد، من بين اثني عشر حقلًا منطقيًا، ويقرأ بشكل صحيح معرف Bates مكتوبًا بخط اليد.
تذكر Dharma-AI أن مقالتها البحثية كانت قد وضعت بالفعل نسخة سابقة من DharmaOCR-LITE، بنموذج ذي 3 مليارات معلمة، فوق واجهات برمجة التطبيقات التجارية التي تم اختبارها على البرتغالية البرازيلية. يمكن تجربة النموذج عبر الإنترنت على بوابة مخصصة، وإصداراته المفتوحة متاحة على Hugging Face.
