أول نظام ذكاء اصطناعي عربي يستخدم شبكة المكعبات الإحصائية متعددة الأبعاد (CNS) كذاكرة دلالية لوكلاء متعددين. صُمِّم قبل عصر MTEB، يمثّل المفاهيم في فضاء هندسي ذي 12 بُعداً بحجم 83 ميجابايت فقط. The first Arabic AI system using Multi-dimensional Cubic Neural Statistics (CNS) as semantic memory for multi-agent orchestration. Designed before the MTEB era, it encodes concepts in a 12-dimensional geometric space at only 83 MB.
نظام ترميز مفاهيمي يحوّل كل مفهوم عربي إلى نقطة في فضاء هندسي ذي 12 بُعداً — كل بُعد يعكس خاصية دلالية مختلفةA conceptual notation system converting every Arabic concept to a point in 12-dimensional geometric space — each dimension reflects a distinct semantic property
نظام CNS يُشفِّر كل مفهوم كنقطة في فضاء هندسي. النموذج لا يعتمد على أي نموذج لغوي ضخم، بل هو شبكة عصبية مستقلة تأخذ إحداثيات CNS كمدخل بدلاً من نص خام.The CNS system encodes each concept as a point in geometric space. The model does not depend on any large language model — it's an independent neural network taking CNS coordinates as input instead of raw text.
واجهة موحدة للتفاعل مع نماذج سرمد والوكلاء المتعددين من الطرفية مباشرةA unified interface for interacting with Sarmad models and multi-agent system directly from the terminal
أداة sarmad.cli توفّر واجهة موحدة لتشغيل النموذج، البحث الدلالي، تحليل المفاهيم، وتنسيق الوكلاء — كل ذلك من سطر واحد.sarmad.cli provides a unified interface for model inference, semantic search, concept analysis, and agent orchestration — all from a single command.
sarmad embed "إيمان"Instant semantic embedding: sarmad embed "faith"sarmad search --near "حب"Semantic space search: sarmad search --near "love"sarmad polarity "هداية"Polarity analysis: sarmad polarity "guidance"sarmad agent --task analyzeRun agents: sarmad agent --task analyzesarmad export --format onnxONNX export: sarmad export --format onnx# Install sarmad.cli $ pip install sarmad-cli # Embed an Arabic concept $ sarmad embed "رحمة" --dim 768 ⟶ Concept: رحمة (mercy) ⟶ Polarity: +0.90 (أخلاقي موجب) ⟶ Vector: [0.0341, -0.1205, 0.0892, ...] ⟶ Norm: 1.0000 ✓ # Find similar concepts $ sarmad search --near "رحمة" --top 5 1. عفو 0.9847 # forgiveness 2. شفقة 0.9612 # compassion 3. حنان 0.9534 # tenderness 4. كرم 0.9201 # generosity 5. إحسان 0.9098 # benevolence # Launch multi-agent system $ sarmad agent --mode multi --memory cns ⟶ Agents: 3 active (analyze, generate, retrieve) ⟶ Memory: CNS 12D semantic space loaded ⟶ Status: Ready 🟢
تحويل أي مفهوم إلى متجه 768 بُعداً وإيجاد أقرب المفاهيم بدقة Cosine Similarity عاليةConvert any concept to a 768-d vector and find nearest concepts with high Cosine Similarity
بنية CNS تمثّل الفضاء الدلالي كمكعبات إحصائية متعددة الأبعاد لتمثيل هندسي فريد للمعانيCNS structure represents semantic space as multi-dimensional statistical cubes for unique geometric meaning
21.7 مليون معامل مقابل المليارات في النماذج الكبرى — يعمل على أي جهاز حتى الهاتف21.7M parameters vs billions in large models — runs on any device including phones
DMPS ينسّق وكلاء ذكاء اصطناعي متعددين يتشاركون ذاكرة CNS الدلالية الواحدةDMPS orchestrates multiple AI agents sharing a single CNS semantic memory
مدرّب على مفاهيم عربية حقيقية: عاطفية، روحية، فكرية، فنية — ليس ترجمة من الإنجليزيةTrained on real Arabic concepts: emotional, spiritual, intellectual, artistic — not English translations
أبعاد متعددة من متجه واحد: 64, 128, 256, 512, 768 — مرونة بين الدقة والسرعةMultiple dims from one vector: 64, 128, 256, 512, 768 — flexibility between accuracy and speed
Pre-Norm Transformer — 4 طبقات Attention · 8 رؤوس · 21.7M معاملPre-Norm Transformer — 4 Attention layers · 8 heads · 21.7M parameters
| Metric | Value | Meaning |
|---|---|---|
| Best Loss | 0.1197 | أفضل خسارة مركّبة (5 دوال)Best composite loss (5 functions) |
| Embedding Norms | 1.0000 | L2 مثالية — Cosine = Dot ProductPerfect L2 — Cosine = Dot Product |
| Self-Similarity | 1.0000 | كل متجه يتطابق مع نفسهEvery vector matches itself |
| Cross-Similarity μ | 0.8864 | تشابه عالٍ بين المفاهيم المرتبطةHigh similarity between related concepts |
| Cross-Similarity σ | 0.2974 | تنوع جيد في الفضاءGood diversity in space |
| Polarity MAE | 0.0070 | خطأ أقل من 1% من النطاقError below 1% of range |
| Node Type Accuracy | 96.50% | تصنيف نوع العقدةNode type classification |
| Unique Embeddings | 91.73% | تمييز عالٍ رغم ×75 توسيعHigh distinction despite ×75 augmentation |
Triplet · Angular · Contrastive · Polarity MSE · NodeType CE
148 أصلي × 75 توسيع بتقنيات هندسية148 original × 75 geometric augmentation
عاطفية · طبيعية · فكرية · روحية · فنية · زمانية · حسيةEmotions · Nature · Intellectual · Spiritual · Art · Time · Senses
مفاهيم عربية حقيقية تتحرك في الفضاء الدلالي — كل نقطة مفهوم، كل خط علاقةReal Arabic concepts moving in semantic space — each dot a concept, each line a relationship
اشتقاق استثماري عام يرث قواعد بناء المكعب النظامي الأصلي: عقد جوهرية وسطحية × 12 بُعد · أزواج قطبية · فجوات أدوار · إسقاط PCA · هاشات SHA-256 مع جذر ميركل محسوب من عقد العرض العامةA public investment derivative that inherits the original normative cube rules: core and surface nodes × 12 dimensions · polarity pairs · role gaps · PCA projection · SHA-256 hashes with a Merkle root computed from the public presentation nodes
كل الواجهات العامة والأوراق العلمية في مستودع واحد — كل حقيقة مُثبتة بسطر كودAll public interfaces and papers in one repository — every claim backed by a line of code
بنية بيانات العقد الدلالية، الفضاء N-البُعدي، التجزئة الحتمية، وكاشف الانحراف المفاهيمي بين الفضاءات المتعددة.Semantic node data structures, N-dimensional space, deterministic hashing, and cross-space concept drift detection.
واجهة نموذج التضمين: 21.7M معامل، 768 بُعد، 4 طبقات Attention، 8 رؤوس — مواصفات كاملة بتوثيق سطر بسطر.Embedding model interface: 21.7M params, 768-d, 4 Attention layers, 8 heads — full specification with line-by-line documentation.
نظام ديناميكي موحّد لموفّري النماذج: Ollama محلي، Azure سحابي، ONNX طرفي — واجهة واحدة لكل شيء.Dynamic unified model provider system: local Ollama, cloud Azure, edge ONNX — one interface for everything.
مواصفات النموذج الكاملة، برهان تكافؤ ONNX الرياضي، معمارية DMPS — توثيق بمستوى أكاديمي.Full model specification, ONNX mathematical parity proof, DMPS architecture — university-grade documentation.
أول نموذج ذكاء اصطناعي عربي مبني على شبكة المكعبات الإحصائية — الواجهة المؤسسية عبر sbay.com.saThe first Arabic AI model built on Cubic Neural Statistics — company-facing presence via sbay.com.sa