metadata
language:
- ar
- en
license: apache-2.0
tags:
- state-tracking
- siyaq
- transformer
- event-driven
- json-state
- arabic-nlp
- 10M
model-index:
- name: SIYAQ-1
results:
- task:
type: state-tracking
name: Event-to-State Resolution
metrics:
- name: State Schema Accuracy
type: accuracy
value: 0.964
- name: Temporal Distinction Accuracy
type: accuracy
value: 0.982
🧠 SIYAQ-1: Events in. State out. (سياق-1)
SIYAQ-1 هو نموذج Transformer ذكي خفيف (~10.16M Parameters) مخصص لتحويل تدفق المعلومات والأحداث المتفرقة إلى حالة حالية متماسكة (Coherent World State) وتحديثها لحظياً.
✨ المميزات الرئيسية (Key Highlights)
- الحجم: 10.16 مليون بارامتر فقط — سريع جداً ويعمل على أي جهاز أو هاتف أو خادم صغير.
- سياق فائق (250k+ Tokens): معمارية قائمة على التحديث التكراري للحالة، مما يتيح معالجة سلاسل أحداث غير منتهية بذاكرة ثابتة $O(1)$.
- تمييز دلالي دقيق: يفرق بين الطلبات المعلقة والموافقات المعتمدة، والإنابة المؤقتة والمسؤولية الدائمة، والتصحيحات المتأخرة.
- مخرجات منظمة: ينتج بنية JSON / Dictionary واضحة جاهزة للاستخدام في الـ CRM وقواعد البيانات.
📐 المعمارية (Architecture)
- Model Type: Causal Transformer with Rotary Embeddings (RoPE)
- Layers: 8
- Hidden Dim ($d_{model}$): 320
- Attention Heads: 8
- FFN Hidden ($d_{ff}$): 1088 (GELU)
- Positional Encoding: RoPE (Base $ heta = 500,000$)
🚀 طريقة الاستخدام السريعة (Quickstart)
# مثال استدعاء النموذج
events = [
"أحمد مسؤول عن المشروع.",
"التسليم يوم الخميس.",
"سارة استلمت المسؤولية من أحمد لحد ما يرجع.",
"العميل طلب تأجيل التسليم، ولسه ماوافقناش."
]
# المخرجات المتوقعة:
# {
# "المسؤول_الحالي": "سارة",
# "طبيعة_المسؤولية": "مؤقتة",
# "موعد_التسليم_المعتمد": "الخميس",
# "طلب_التأجيل": {"الحالة": "معلق قيد المراجعة"}
# }