CRSN-8L-Phase2-Extension
нетрансформерная языковая модель на 9.54M параметров, обученная на CPU
2 мин чтенияобновлено
CRSN (Clifford Resonant Sheaf Network) — экспериментальная нейродинамическая языковая модель от лаборатории DuoNeural AI Laboratory, в которой квадратичный механизм self-attention заменён на связанные нелинейные гармонические осцилляторы в алгебре Клиффорда (математическом аппарате для работы с многомерными геометрическими объектами). Модель решает задачу генерации текста и пошаговых рассуждений при сверхмалом объёме — всего 9.54 миллиона параметров и 8 слоёв. В отличие от классических LLM, она проектировалась под нативное исполнение на обычных процессорах с поддержкой SIMD (AVX2) и была полностью обучена с нуля на потребительском CPU AMD Ryzen APU. Релиз пригодится исследователям альтернативных архитектур и разработчикам, изучающим компактные модели для запуска на периферийных устройствах (edge reasoning).
Ключевые особенности
- Архитектура без трансформеров: 8 слоёв на базе связанных гармонических осцилляторов с размерностью
D_model=384, состояниемD_state=192и словарём на 16 384 токена. - Обучение и инференс на CPU: чекпоинт
crsn_step12500.ptобучен с нуля на обычном процессоре AMD Ryzen APU с использованием гибридного оптимизатора Muon + AdamW. - Сбалансированный датасет (Golden Ratio Mixture): модель прошла претрейн на 204.8 млн токенов, включая данные для рассуждений (OpenThoughts-114k, Numina-CoT), кода и SQL (APIGen-80k, BIRD-SQL), формальных грамматик и образовательных текстов (FineWeb-Edu).
- Стабильная физическая динамика слоёв: по замерам авторов, собственные частоты осцилляторов монотонно снижаются от входных слоёв к выходным (от 0.5432 до 0.5199) при фиксированном коэффициенте затухания около 0.128.
Что можно сделать
- Изучить альтернативу Attention: проанализировать поведение осцилляторов и частотных режимов на разных слоях при обработке текста.
- Протестировать инференс на слабом железе: запустить генерацию текста и простых пошаговых логических задач локально на CPU без видеокарты.
- Использовать как базу для экспериментов: дообучить компактный 9.54M чекпоинт под узкие задачи структурного вывода или формальных грамматик.
Пример
import torch
from model import CRSNLanguageModel, generate, Tokenizer
tokenizer = Tokenizer.from_file("tokenizer_16k.json")
ckpt = torch.load("crsn_step12500.pt", map_location="cpu")
model = CRSNLanguageModel(vocab_size=16384, d_model=384, n_layers=8)
model.load_state_dict(ckpt["model_state"])
prompt = "User: If Alice has 3 boxes and each box has 4 apples, how many apples?\n\nAssistant: Let's think step by step:\n"
print(generate(model, tokenizer, prompt, max_new_tokens=64, temperature=0.3, top_k=40))
Подробнее
Параметры: 9.54M (8 слоёв, словарь 16 384 токена), лицензия MIT.Объём обучения: 102.4M токенов на этапе Phase 2 Extension (суммарно 204.8M токенов с нуля).
Метрики: лучший Validation Loss составил 2.6508, Perplexity — 14.16.
Железо: обучение и инференс на CPU с инструкциями AVX2 (AMD Ryzen Zen+).










Комментарии