CMC מדורגת בין 12 המובילות בעולם בזיהוי טקסט.

מודל CATI-VLM (הבנה חזותית של מסמכים) שפותח על ידי מכון CMC לטכנולוגיה יישומית (CMC ATI) עקף מתחרים בינלאומיים רבים, והגיע ל-12 המובילים בעולם ולראשון בווייטנאם בדירוג שהוכרז לאחרונה על ידי תחרות הקריאה החזקה (RRC) ביוני 2025 בקטגוריית מענה על שאלות חזותיות של מסמכים (DocVQA).

דירוג RRC בקטגוריית DocVQA, יוני 2025.

בתוך הטרנספורמציה הדיגיטלית המהירה ואימוץ הבינה המלאכותית בווייטנאם, טכנולוגיית OCR (זיהוי תווים אופטי) ממלאת תפקיד חשוב יותר ויותר בדיגיטציה של מסמכים, אוטומציה של תהליכים עסקיים, חיסכון בעלויות ושיפור יעילות הניהול. עם זאת, בהתחשב במאפיינים הייחודיים של השפה הוייטנאמית, כולל המבטאים והכתב היד שלה, בעיית הזיהוי חורגת מ"קריאת" תווים בלבד; היא דורשת מודל המסוגל להבין באופן מקיף את ההקשר.

לאחרונה, מכון CMC לטכנולוגיה יישומית (CMC ATI) הכריז על מודל CATI-VLM (הבנה של מסמכים חזותיים) – שפותח על ידי צוות המחקר שלו ממאגר נתונים גדול בנפח 5TB – ועולה על מתחרים בינלאומיים רבים והגיע ל-12 המובילים בעולם ולמקום הראשון בווייטנאם בדירוג שפורסם על ידי Robust Reading Competition (RRC) ביוני 2025 בקטגוריית מענה על שאלות חזותיות של מסמכים (DocVQA).

תחרות הקריאה החזקה (RRC) היא תחרות מדעית יוקרתית (https://rrc.cvc.uab.es/) המאורגנת על ידי מרכז הראייה הממוחשבת (CVC) של אוניברסיטת האוטונומה של ברצלונה (UAB), ספרד, מוסד מחקר בעל שם עולמי בתחום הראייה הממוחשבת.

התחרות, שהחלה בשנת 2011, מתקיימת מדי שנה במסגרת הכנס הבינלאומי לניתוח וזיהוי טקסט (ICDAR) - אחד הפורומים המובילים בעולם בתחום הראייה הממוחשבת. התחרות מושכת אליה חוקרים ומהנדסים רבים מאוניברסיטאות, מכוני מחקר ותאגידי טכנולוגיה גדולים כמו אוניברסיטת צינגהואה, קבוצת יונדאי מוטור וטנסנט. בעיות ה-RRC נועדו לקדם התקדמות טכנולוגית, תוך קשר הדוק לבעיות מעשיות, החל מתרגום וניהול נתונים ארגוניים ועד ניתוח עירוני ועיבוד מסמכים היסטוריים.

ד"ר דאנג מין טואן, מנהל CMC ATI, שיתף: "אנו שמחים כי יכולות המחקר של צוות CMC אושרו באמצעות תחרות עולמית יוקרתית כמו RRC. תוך זמן קצר, צוות המחקר השיג דירוג גבוה, והדגים תחרותיות בינלאומית עם שמות גדולים ממדינות מפותחות. וחשוב מכך, זוהי עדות ברורה ליכולתנו לשלוט בטכנולוגיה כדי לפתור בעיות ספציפיות הקשורות לשפה הוייטנאמית ולתחומים מיוחדים בווייטנאם."

ד"ר דאנג מין טואן, מנהל CMC ATI.

CATI-VLM שונה מ-OCR מסורתי בכך שהוא לא רק מחלץ תווים אלא גם מבין שכבות מרובות של מידע: תוכן טקסט, אלמנטים שאינם טקסט (תיבות סימון, תיבות סימון, תרשימים, חתימות, נוסחאות), פריסה (מבנה עמוד, טבלאות, טפסים) וסגנון (גופנים, סימון וכו'). המודל יכול לענות על שאלות חזותיות המוצגות על תמונות מסמכים, בדומה ל-ChatGPT, מבלי שיהיה צורך ללמוד כל צורה ספציפית מראש.

ראוי לציין כי בדירוג RRC, CATI-VLM, עם 3 מיליארד פרמטרים בלבד, השיגה את הדיוק הגבוה ביותר ב-4 מתוך 7 מערכי נתונים, תוך שהיא עולה על מודלים רבים של חברות טכנולוגיה גדולות כמו Deepseek (27 מיליארד פרמטרים), GPT-4 Vision Turbo + Amazon Textract OCR (34 המובילים) ו-Baidu (22 המובילים).

ההישג מדגים גם גישה מעשית, המתמקדת בשליטה בטכנולוגיות ליבה ובאופטימיזציה של מודלים כדי להתאים לתנאי התשתית של וייטנאם, במקום לרדוף אחר פרמטרי גמישות.

דוגמה לטופס בקשה לקבלה לאוניברסיטה

הטקסט זוהה לפי כתב היד שבתמונה למעלה.

מר נגוין טרונג צ'ין, יו"ר הדירקטוריון ויו"ר בכיר של קבוצת הטכנולוגיה CMC, הדגיש: "זוהי תוצאה של יותר מעשור של השקעה מתמשכת במחקר ופיתוח (מו"פ) של טכנולוגיה. ההישגים הגבוהים של CMC בזירת הטכנולוגיה הבינלאומית מאשרים את האסטרטגיה שלנו לשליטה בטכנולוגיה וייטנאמית, יחד עם האוריינטציה שלנו לשינוי בינה מלאכותית והתרחבותה לשוק העולמי. אנו מאמינים שהמודיעין הווייטנאמי מסוגל להתחרות באופן מלא בחברות הטכנולוגיה הגדולות העולמיות, וליצור מעמד ראוי על מפת הטכנולוגיה העולמית."

CATI-VLM ייושם במערכת האקולוגית של C.OpenAI, כולל: העוזר הווירטואלי CLS לסקירת מסמכים משפטיים, CMC SmartDoc - פלטפורמה לטרנספורמציה דיגיטלית של מסמכים, מערכת ניהול הידע CMC KMS, מערכת דיווח אוטומטית למשרדים חכמים, ויישומי Agentic Documents מהדור הבא.

קוואנג הוי

מקור: https://nhandan.vn/cmc-dat-top-12-the-gioi-ve-nhan-dang-van-ban-post891252.html