huggingface.co
مختبر كون البحثي
المصادر المفتوحة
النماذج والأدوات والمدوّنات التي تنشرها مسراج بشكل مفتوح، وأين تجدها.
أين ننشر
حسابان يضمّان كل ما في هذه الصفحة: منظّمة Hugging Face للأوزان ومجموعات البيانات ومجموعات التقييم، ومنظّمة GitHub للشيفرة.
github.com
GitHub
مجموعات البيانات المفتوحة
مدوّنات منشورة ليتدرّب عليها غيرنا ويقيّم بها. وحيث لا يوجد مستودع عام لمجموعة بعد، تُدرَج دون رابط بدلًا من إسقاطها.
35B+ tokens
المدوّنة العربية المفتوحة
أكثر من 35 مليار رمز عربي منسّق ومنشور للعموم، ينمو بانتظام، ليبني عليه باحثون آخرون.
Wasm: مجموعة بيانات عربية متعددة الوسائط منظمة
مسار عمل مفتوح لبناء مدوّنات عربية متعددة الوسائط من Common Crawl، مع الحفاظ على بنية المستند.
MSDD: مجموعة بيانات مسراج المنظمة
مجموعة بيانات عربية متعددة الوسائط بُنيت بمسار Wasm من Common Crawl.
4,758,338 rows
MUDD: مجموعة بيانات مسراج غير المنظمة
مجموعة بيانات نصية عربية واسعة تضم 4.76 مليون صف، مترجمة من SlimPajama-627B للتدريب المسبق.
Sadeed Tashkeela
مدوّنة عربية مُشكَّلة واسعة وعالية الجودة لتدريب نماذج التشكيل العربي وتقييمها.
100M captions
وصف الصور بالعربية (100M)
مجموعة بيانات عربية تضم 100 مليون وصف صورة، أُنتجت بنموذج الترجمة «مترجم».
KITAB PDF-to-Markdown (نسخة مراجَعة)
نسخة مراجَعة ومصحَّحة من مجموعة KITAB-Bench الفرعية لتحويل PDF إلى Markdown لتقييم التعرّف الضوئي.
المعايير المفتوحة
مجموعات تقييم منشورة ليتسنّى إعادة إنتاج النتيجة بدل التسليم بها على سبيل الثقة. وكل منها مجموعة بيانات على Hugging Face.
Misraj-DocOCR
معيار عربي تحقّق منه خبراء للتعرّف الضوئي على المستندات: 400 صفحة بمرجع صحيح لدقة النص والتخطيط معًا.
SadeedDiac-25
يوحّد SadeedDiac-25 تشكيل الفصحى المعاصرة والعربية التراثية في معيار واحد راجعه خبراء.
Tarjama-25
معيار للترجمة الآلية ثنائية الاتجاه بين العربية والإنجليزية يضم 5,000 زوج جملة راجعها خبراء عبر خمسة مجالات.
مستودعات الشيفرة
كل مستودع في منظّمة Misraj على GitHub، بترتيب الكتالوج. ولا تُعرض التراخيص إلا حيث يذكر المستضيف ترخيصًا يستطيع تحديده، وحيث يتبع المستودع نموذجًا يُربط بصفحة ذلك النموذج.
PythonMITkawn.ai
حزمة kawn.ai لبايثون
العميل الرسمي بلغة بايثون لواجهة نماذج kawn.ai: خدمتا التمثيل الشعاعي وبصير، بصيغتين متزامنة وغير متزامنة.
PythonMITllama-index-kawn
تكامل LlamaIndex مع كون
أغلفة LlamaIndex لحزمة كون: KawnEmbedding للتمثيل، وBaseerReader للتعرّف الضوئي.
PLpgSQL
واجهة QuranHub البرمجية
واجهة REST للقرآن الكريم: الطبعات والترجمات والتفاسير والتلاوات الصوتية والبحث.
Jupyter Notebook
Sadeed
مستودع الشيفرة المنشور مع نموذج التشكيل Sadeed وورقته البحثية.
Python
تقييم Mutarjim
مستودع التقييم المنشور مع نموذج الترجمة Mutarjim وورقته البحثية.
Python
مسار Nakba
يعيد إنتاج نتيجة نموذج مسراج في مهمة Nakba-NLP 2026 للتعرّف على الخط اليدوي العربي.
Jupyter Notebook
منقّي البيانات العربية لـ Kuwain
مستودع تنقية البيانات العربية المنشور مع نموذج Kuwain 1.5B وورقته البحثية.
Python
Wasm
مستودع مسار العمل المنشور مع ورقة Wasm حول بناء مدوّنات عربية متعددة الوسائط.
ابدأ معنا
لنتحدث عمّا تحاول بناءه.
أخبرنا بالمشكلة، وسنخبرك بصراحة إن كان الذكاء الاصطناعي هو الحل الصحيح.