К содержимому
Другое

Ecosystem Survivors Ep.17

нейросети, выжившие в симуляции без функции награды

3 мин чтенияобновлено

Набор из 134 эволюционировавших нейросетей и геномов виртуальных существ из 17-го эпизода YouTube-проекта A Million Tries. В эксперименте на GPU запустили 16 изолированных миров по 1000 травоядных со случайными весами мозга, без учителя и без привычной для RL (обучения с подкреплением) функции вознаграждения. Единственным фильтром отбора стало физическое выживание и размножение в течение 25 симулированных лет (9000 дней) с учётом жажды, холода и голода. 15 миров полностью вымерли, а выложенные веса принадлежат единственной выжившей популяции из пятого мира (до 67-го поколения). Модели пригодятся исследователям искусственной жизни, эволюционных алгоритмов и мультиагентных симуляций на JAX и NumPy.

Ключевые особенности

  • Компактная архитектура: каждый агент управляется двуслойным перцептроном (33 входа, скрытый слой из 8 нейронов с активацией tanh, 8 выходов; всего 344 параметра на особь).
  • 33 сенсорных входа: агенты воспринимают еду и падаль под ногами и в трёх секторах зрения, преграды, сородичей, запахи, звуки, жажду, запас энергии и два числа собственной кратковременной памяти с прошлого шага.
  • Эволюция генов и поведения: вместе с весами w сохранены наследуемые параметры тела — взрослая масса, размер при рождении, запас жира, склонность к падальщичеству (diet ~0.1) и шанс размножения без партнёра.
  • Подтверждённое обучение выживанию: контрольный тест на 5 дней показал, что на 9000-й день популяция с эволюционировавшими весами сохраняет 71% численности против 21% при замене мозга на случайный — агенты научились чаще пить и двигаться медленнее.

Что можно сделать

  • Запустить в оригинальной симуляции: загрузить тензоры в среду games/ecosystem_jax*.py или games/ecosystem_life.py из репозитория проекта и понаблюдать за поведением 67-го поколения.
  • Проанализировать стратегии выживания: исследовать, как веса w1 и w2 связывают сенсоры жажды, памяти и атаки (в пятом мире агенты атакуют в 22,6% шагов и на 73% питаются сухой травой).
  • Использовать как стартовую популяцию: поместить выживших агентов в изменённые климатические условия или скрестить с другими популяциями в собственных экспериментах на JAX.

Пример

В карточке приведена структура тензоров популяции из 134 особей и команда запуска оригинальной среды из репозитория backstab319/a-million-tries (тег episode-17): скрипты scripts/eco_jax_run.py и games/ecosystem_life.py запускаются с флагами --rain --thirst --gut --cold --cold-breath.

ПодробнееКонтрольный тест (выживаемость через 5 дней, мир 5): день 3600 — 75% против 23% у случайных весов; день 7200 — 101% против 42%; день 9000 — 71% против 21%.
Поведенческий сдвиг на 9000-й день: доля шагов с питьём выросла до 69% (против 45% у случайных), средняя скорость снизилась до 1.21 м/с (против 1.39 м/с).
Размерность весов: тензор w формы (134, 344) содержит развёрнутые матрицы w1 (33x8), b1 (8), w2 (8x8), b2 (8); карта симуляции — 256 метров.
Обсудить Telegram 0 8

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.0 GB · готовые файлы0.5 GB
  • BF16веса 0.0 GB0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # amilliontries/ecosystem-survivors-ep17
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download amilliontries/ecosystem-survivors-ep17 --local-dir ~/models/ecosystem-survivors-ep17
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ecosystem-survivors-ep17
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии ecosystem-survivors-ep17 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

amilliontries/ecosystem-survivors-ep17
Автор
amilliontries
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

80

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

U-VLM 0.1B

U-VLM 0.1B