К содержимому
Другое

Diogenes Research Models Archive

набор весов для анализа игр и действий

2 мин чтенияобновлено

Исследовательский архив от команды DiogenesLab (CuddlerAI), объединяющий 13 вариантов LoRA-адаптеров (небольших надстроек над базовой моделью) для мультимодальной модели Qwen3-VL-4B-Instruct и 12 обученных голов IDM (Inverse Dynamics Model — моделей, определяющих действия игрока по кадрам) на базе визуального энкодера DINOv2 ViT-S/14. Репозиторий представляет собой исторический срез закрытых экспериментов по наблюдению за видеоиграми на датасетах Gaming500 и D2E-480p. Модели не являются готовым коммерческим продуктом и не содержат встроенного инференса, но пригодятся исследователям ИИ-агентов для воспроизведения опытов и анализа поведения в игровых средах.

Ключевые особенности

  • 13 LoRA-адаптеров для Qwen3-VL-4B-Instruct: имеют ранг 32 и сохраняют оригинальные шаблоны чата, настройки токенизатора и процессора изображений.
  • 12 голов инверсной динамики (IDM): содержат по 58 тензоров в формате Safetensors и работают поверх замороженного энкодера DINOv2 ViT-S/14, анализируя некаузальное окно из пяти последовательных кадров.
  • Проверка целостности: все 25 наборов весов прошли побайтовую сверку контрольных сумм SHA-256 и задокументированы в файлах MANIFEST.jsonl.
  • Разные форматы разметки действий: варианты на базе Gaming500 используют абсолютные разности координат указателя, а три модели idm-d2e-* обучены на сырых дельтах HID и явной сетке времени кадров.

Что можно сделать

  • Воспроизвести эксперименты с игровыми агентами: подключить выбранный LoRA-адаптер к базовой Qwen/Qwen3-VL-4B-Instruct через библиотеку PEFT для анализа игровых сцен.
  • Восстанавливать действия по видео: собрать архитектуру IDM по опубликованному коду Diogenes, подгрузить энкодер facebook/dinov2-small и веса head.safetensors для предсказания нажатий и движений мыши по 5 кадрам.
  • Сравнить рецепты обучения: изучить конфигурационные файлы config.json и adapter_config.json разных вариантов, включая модели, обученные на дистилляции от Qwen и гибридной разметке.

Пример

Репозиторий не поддерживает автоматический запуск «из коробки» — нужный вариант необходимо выбрать вручную по директории: для LoRA загрузить базовую модель Qwen/Qwen3-VL-4B-Instruct и подключить папку из adapters// через PEFT, а для IDM — собрать модель по конфигу из idm//config.json и кода проекта Diogenes-Archive, добавив замороженные веса facebook/dinov2-small.

ПодробнееБазовые модели: Qwen/Qwen3-VL-4B-Instruct и facebook/dinov2-small (замороженные веса энкодера и словари токенизатора скачиваются отдельно).
Бенчмарки: новые замеры качества не проводились, часть чекпоинтов остановлена до достижения целевого шага.
Ограничения: строгий некоммерческий статус (CC BY-NC 4.0), отсутствуют метки оценки Gemini и гарантии обобщающей способности.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.5 GB · готовые файлы9.9 GB
  • FP8 / INT8рекомендуемвеса 4.4 GB5.3 GB
  • 4-bitвеса 2.6 GB3.3 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 3080

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

Это LoRA: вместе с базовой моделью Qwen3-VL-4B-Instruct.

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.

    # DiogenesLab/Diogenes_Research_Models_Archive_v01
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 Qwen/Qwen3-VL-4B-Instruct --local-dir ~/models/Qwen3-VL-4B-Instruct
    hf download DiogenesLab/Diogenes_Research_Models_Archive_v01 --local-dir ~/models/Diogenes_Research_Models_Archive_v01
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-VL-4B-Instruct
  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

Нужна базовая модель

Qwen/Qwen3-VL-4B-Instruct

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии Qwen3-VL-4B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face

О модели

DiogenesLab/Diogenes_Research_Models_Archive_v01
Автор
DiogenesLab
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

Языковые модели

Diogenes-9B-v1

Diogenes-9B-v1