تقرير قياس الميزات — Features Benchmark
قياس مستقل على 13 صفحة من eval_htr/top_15_easiest_images (GT يدوي) — GPU (RTX 4050, FP16) — التاريخ: 2026-07-02
1) جودة التفريغ (OCR) لكل صفحة
| الصفحة | أسطر | CER | WER | زمن (ث) | النموذج |
|---|---|---|---|---|---|
| MS_ARA_1983_177819 | 33 | 1.99% | 7.4% | 84.2 | general |
| MS_ARA_1977_0136 | 32 | 2.92% | 12.7% | 82.2 | general |
| MS_ARA_1977_0153 | 33 | 3.68% | 13.4% | 88.4 | general |
| MS_ARA_417_0011 | 13 | 4.61% | 22.5% | 59.1 | general |
| MS_ARA_1943_180499 | 41 | 5.08% | 14.9% | 13.8 | general |
| MS_ARA_417_0009 | 13 | 6.93% | 19.0% | 65.7 | general |
| ARA_MS_1982_182182 | 41 | 7.27% | 20.2% | 15.8 | general |
| MS_ARA_1944_0006 | 21 | 8.36% | 15.4% | 7.3 | general |
| MS_ARA_1977_0092 | 32 | 10.72% | 15.6% | 18.8 | general |
| MS_ARA_23_42035 | 23 | 11.32% | 24.0% | 62.0 | general |
| MS_ARA_1977_0093 | 28 | 21.02% | 28.6% | 67.5 | general |
| MS_ARA_1926_0077 | 10 | 24.8% | 42.6% | 5.8 | general |
| MS_ARA_1926_0144 | 15 | 29.81% | 54.3% | 6.1 | general |
| المتوسط | — | 10.65% | 22.4% | 44.4 | — |
تفصيل: الصفحات العادية (11): متوسط CER 7.63% · عائلة 1926 (2، قصّ آلي عصيّ معروف): 27.30%
أثناء هذا القياس اكتشفنا وأصلحنا علّة راوتر (كاشف الكثافة كان يوجّه صفحات عادية لقصّ المنطق → فشل كامل على 1926_0077). الأرقام أعلاه بعد الإصلاح.
2) أثر بوابة النموذج اللغوي (Gated LM)
- الأسطر التي تدخّل فيها اللغوي: 18 (من مئات الأسطر — البوابة انتقائية بحكم التصميم)
- حسّنت القرب من GT: 12 · حيادية: 5 · أضرّت: 1
- معدل النفع: 67% من التدخّلات مفيدة
3) دقة اقتراح البدائل الذكي (LLM السياقي)
اختبار على 10 سطراً منخفض الثقة (الأصعب): هل «الاقتراح الأفضل» أقرب لـ GT من قراءة OCR؟
| حسّن | حيادي | أضرّ |
|---|---|---|
| 6 (60%) | 4 | 0 |
أمثلة تحسين (مسافة التحرير قبل → بعد):
| الصفحة | قراءة OCR | الاقتراح | المسافة |
|---|---|---|---|
| MS_1982_182182 | لحيا | اللحياني | 4 → 1 |
| _ARA_1926_0077 | والفضيلة والشرف والد مة | والفضيلة والشرف والدرجة | 2 → 0 |
| _ARA_1926_0144 | ماليب | باليت | 3 → 1 |
| RA_1943_180499 | ودالغه | ودا عطه | 94 → 93 |
4) الفهرس (بعد تحسين الترتيب)
| الاستعلام | النتيجة الأولى | صحيحة؟ |
|---|---|---|
| منطق | المنطق (ثم في المنطق، إصلاح المنطق) | ✅ |
| تصوف | التصوف والمتصوِّفة + أعمال التصوف | ✅ |
| الشمسية | العقد الثاني في قواعد الشمسية | ✅ |
| Ibn Khaldun | تاريخ ابن خلدون وأعماله | ✅ |
| al-Razi | أعمال الرازي (مفاتيح الغيب، تحرير القواعد المنطقية) | ✅ |
قبل التحسين كان «منطق» يُرجع Falsafat Karl Buber أولاً — أُصلح بترتيب الصلة (token+IDF+عنوان كامل+تجريد ال).