К содержимому
Другое

Subspace NLA

расшифровка скрытых состояний Qwen3-8B

1 мин чтения

Модель Subspace NLA (Natural Language Autoencoder) создана для интерпретации работы нейросетей и позволяет раскладывать активации слоя Qwen3-8B на отдельные смысловые компоненты. Система работает в связке с блочным феатайзером BSF (Block-Sparse Featurizer), который делит активацию 24-го слоя на 16 активных блоков в 64-мерных подпространствах. Вербалайзер генерирует короткие текстовые описания для каждого компонента, а реконструктор собирает их обратно в вектор. Инструмент полезен исследователям и разработчикам, которые изучают внутренние механизмы принятия решений в LLM (больших языковых моделях).

Ключевые особенности

  • Построение автоэнкодера: разбор активаций слоя на независимые подпространства
  • Вербализация: генерация текстовых описаний для каждого активного блока
  • Реконструкция векторов обратно в пространство модели с помощью обученного проектора
  • Обучение методом GRPO (групповая относительная оптимизация политики) с GRPO-наградой за точность проекции

Что можно сделать

  • Запустить анализ текстовых токенов с помощью скрипта быстрого старта для модели
  • Исследовать внутренние векторные представления и семантические компоненты активаций Qwen3-8B
  • Проверить качество восстановления векторов через метрику FVE (Fraction of Variance Explained)

Пример

python scripts/hf_quickstart.py --nla asher577/subspace-nla-qwen3-8b --text "The capital of France is"
ПодробнееБенчмарки: FVE для всей активации составляет 0.489 при косинусном сходстве 0.857
Требования: работает поверх базовой модели Qwen/Qwen3-8B
Обучение: GRPO в течение 2400 шагов на смеси чата и веб-текстов
Ограничения: требует обязательного использования парного феатайзера BSF
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 15 GB · готовые файлы17 GB
  • FP8 / INT8рекомендуемвеса 7.6 GB8.9 GB
  • 4-bitвеса 4.3 GB5.2 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 3080 · BF16 — от RTX 4090

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.

    # asher577/subspace-nla-qwen3-8b
    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 asher577/subspace-nla-qwen3-8b --local-dir ~/models/subspace-nla-qwen3-8b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к subspace-nla-qwen3-8b
  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

Дообучение модели

Qwen/Qwen3-8B
  1. Qwen3-8B-Baseоснова семьи
  2. Qwen3-8B
  3. subspace-nla-qwen3-8b

Новые посты про версии Qwen3-8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 4Все на Hugging Face

О модели

asher577/subspace-nla-qwen3-8b
Автор
asher577
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Mini CLM

Mini CLM