Nemotron-Birch
модель для выбора вариантов ответа без искажений от их порядка
2 min readupdated
Модель оценивает список предложенных вариантов ответа или решений относительно контекста и вопроса, возвращая распределение вероятностей. Она построена на базе NVIDIA Nemotron 3.5 Super VL 120B A12B (мультимодальная MoE-модель на 120 млрд параметров) с помощью LoRA (адаптеров дообучения) и специальной «головы» принятия решений, созданных на Junction Hackathon 2026. В отличие от обычных LLM, на ответы которых влияет порядок пунктов в промпте, эта архитектура обладает перестановочной эквивариантностью: смена порядка вариантов меняет только порядок их вероятностей, не искажая сами оценки. Пригодится исследователям и разработчикам для систем с выбором из нескольких вариантов (multiple-choice QA) и API поддержки решений с проверкой человеком.
Ключевые особенности
- Независимость от порядка: отсутствие позиционных эмбеддингов для кандидатов и симметричный механизм внимания (CandidateSelfAttention из 4 блоков) гарантируют одинаковую оценку вариантов при любой их перестановке.
- Два режима работы: модель умеет мгновенно оценивать варианты напрямую или предварительно генерировать цепочку рассуждений (reasoning tokens) для уточнения контекста перед финальным подсчётом.
- Кэширование эмбеддингов: контекст и кандидаты кодируются независимо батчами, что позволяет переиспользовать их представления для разных решений без повторных вычислений.
- Лёгкие веса адаптации: обучены только rank-32 LoRA на последних 7 блоках декодера и голова на 70,4M параметров (всего ~564M обучаемых параметров поверх замороженной базы).
Что можно сделать
- Тесты и викторины (Multiple-Choice QA): автоматически выбирать наиболее вероятный ответ из списка в задачах на логику, науку, понимание текста и медицину (в исследовательских целях).
- Маршрутизация запросов и решений: использовать в качестве API-классификатора для выбора подходящего действия или специализации из набора кандидатов.
- Пайплайны с внешними инструментами: добавлять в контекст результаты поиска по записям или работы научных утилит, чтобы уточнять выбор модели с помощью режима рассуждений.
Пример
from birch import predict_proba
probs = predict_proba(
context="My computer crashed.",
question="Which alternative is the more plausible effect?",
choices=["I installed new speakers.", "I lost all my data."],
reasoning_budget=128,
)
Подробнее
• Внутренняя оценка на шаге 2 350 (19 задач, 6 746 вопросов): средняя точность по задачам 75,16%, включая ARC Easy (99,0%), ARC Challenge (97,4%), WinoGrande (96,0%) и MedQA (82,0%).• Лимит длины одной кодируемой последовательности — 4 096 токенов; выложен чекпоинт шага 2 881 (
trainable.safetensors), для которого требуется отдельная загрузка базовой 120B модели.• Ограничения: модель экспериментальная (обучалась на 8 GPU в BF16), вероятности отражают только относительный рейтинг внутри переданного списка, а работа с изображениями на отложенной выборке не подтверждена.










Comments