توضح فوتوروم خط أنابيب البيانات لنموذجها PRX، الذي يجمع بيانات التدريب من مصادر عامة ودولية، ويعيد تسمية الصور وصفياً باستخدام نموذج رؤية ولغة (VLM)، ويحول النتيجة إلى مجموعة بيانات قابلة للبث.
- يعطي الفريق الأولوية لتنوع مجموعات البيانات على الجمالية لكل صورة أثناء التدريب المسبق لتعليم البنية المرارية بدلاً من التحسين السطحي فقط.
- يتم إنشاء الأوصاف بواسطة VLM لضمان أوصاف طويلة ودقيقة تسمح للنموذج بمعالجة النص والشعارات كسمات قابلة للتحكم.
- يُستخدم Lance لهندسة الميزات والاعتناء بها بسبب دعمه لـ predicate pushdown والبحث المتجهي، بينما يتولى Mosaic Data Shards (MDS) إدارة البث أثناء التدريب.
- يتم حساب الضمائر النصية في الوقت الفعلي باستخدام Qwen3-VL بدلاً من حسابها مسبقاً، مما يؤدي إلى تكلفة إنتاجية بنسبة 3–4% ولكنه يسمح بتغييرات مرنة في المشفر.
- تُخزن الصور بصيغة JPEG بجودة 92، والتي قُيس أنها غير ملحوظة مقارنة بـ PNG وأنتجت توليدات نموذجية لا يمكن تمييزها.
يوفر هذا النهج نقطة انطلاق خفيفة وقابلة للتوسع للتدريب المسبق لنموذج بحجم 7B مع الحفاظ على المرونة في تنسيق البيانات وتشفير النص.