К содержимому
Языковые модели

SR2-2B

языковая модель без attention на демпфированных осцилляторах

2 мин чтенияобновлено

Экспериментальная компактная модель генерации английского текста от исследователя dimitarpg13, построенная в рамках проекта Semantic Simulation (Gen 3) без стандартного механизма внимания (noattn). В основе лежит двухслойная консервативная архитектура на базе точного интегрирования жёстких мод как демпфированных осцилляторов и потенциального банка Vθ из восьми анизотропных гауссовых ям. В отличие от базовой версии SR2 на 0.53B токенов, эта модель обучена на вчетверо большем объёме данных — 2.13B токенов из OpenWebText — при сохранении всех 76.6 млн параметров. Работа пригодится исследователям альтернативных архитектур LLM, изучающим законы масштабирования и физические аналогии в глубоком обучении.

Ключевые особенности

  • Нестандартная архитектура: вместо классических трансформерных блоков используются 2 слоя с потенциальными ямами (Vθ) и точным интегрированием затухающих осцилляторов (BAOAB/CfC) с «живыми» градиентами.
  • Масштабирование лучше GPT-2: при увеличении датасета в 4 раза перплексия (PPL — мера неуверенности модели при предсказании текста) упала на 16.7% (с 58.32 до 48.58), тогда как сопоставимый GPT-2 улучшился на 11.7%.
  • Лидерство до фазы затухания: на протяжении фазы постоянного learning rate модель опережала GPT-2 по перплексии (на 5.2% к шагу 48 500), но уступила на финальном этапе cosine decay.
  • Дискретизация шага: при обучении на 2.13B токенов послойное преобразование перестало быть близкой аппроксимацией непрерывного потока (отклонение выросло с 0.10 до 0.92 нат).

Что можно сделать

  • Изучить динамику потенциалов: прогнать диагностические скрипты из репозитория (vtheta_well_probe.py, refinement_flow_confirmation.py) по сохранённым чекпоинтам для анализа специализации ям Vθ.
  • Сравнить альтернативы трансформерам: использовать веса и замеры как контрольную точку при разработке компактных языковых моделей без классического self-attention.

Пример

REVERSE_CHANNEL=False, VPHI_GRAD_PATH='live', XI_GRAD_PATH='live',
LOWRANK_DAMPED_FLOW=True,
VPHI_ANALYTIC_FORCE=True, LAYER_CHECKPOINT=False,
LADDER_STEPS=130_000
SNAPSHOT_STEPS=[6_500, 16_500, 32_500, 48_500, 65_000, 84_500, 97_500, 113_500, 130_000]
ПодробнееПараметры: 76,572,110 (из них 35.4 млн в банке Vθ), 2 слоя, контекст 512 токенов.
Метрики (OpenWebText val PPL): 48.58 (settled), лучший чекпоинт — 47.56 (шаг 126 500); для сравнения, GPT-2 (33.7M, 8 слоёв) на том же бюджете показал 42.69.
Обучение: 130 000 шагов (2.13B токенов), около 40 часов на одной NVIDIA A100 80 GB (пик VRAM — 46.2 GB при сплите 16×2).
Ограничения: только английский язык; модель исследовательская, для полноценного воспроизведения требуется ноутбук colab_fock_cfc_baoab_lowrank_depth_ladder_openwebtext_d384.ipynb.
Обсудить Telegram 0 30

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.3 GB · готовые файлы0.9 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.8 GB
  • 4-bitвеса 0.1 GB0.7 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 · BF16 — 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

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # dimitarpg13/semsimula-ladder-live-owt-d384-l2-none-norc-sr2-2b — A30, FP8 / INT8
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve dimitarpg13/semsimula-ladder-live-owt-d384-l2-none-norc-sr2-2b --max-model-len 8192 --quantization fp8
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии semsimula-ladder-live-owt-d384-l2-none-norc-sr2-2b — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

dimitarpg13/semsimula-ladder-live-owt-d384-l2-none-norc-sr2-2b
Автор
dimitarpg13
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

300

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

PM2-CODE

PM2-CODE
Языковые модели

SO-CODE L8-CODE

SO-CODE L8-CODE