К содержимому
Другое

RMSN-199M-DeepTail-Casimir-r16-Base

экспериментальная языковая модель на базе физической динамики

2 мин чтенияобновлено

Базовая языковая модель на 199 миллионов параметров от лаборатории DuoNeural, построенная не на классическом трансформере, а на экспериментальной архитектуре RMSN (Resonant Metriplectic Sheaf Network — резонансная метриплектическая пучковая сеть). Она решает задачу языкового моделирования, используя математический аппарат гамильтоновых систем, геометрическую алгебру Клиффорда и теорию пучков. Модель выступает второй частью парного эксперимента по проверке закона граничной сходимости Казимира и отличается лучшими показателями пошагового рассуждения (Chain-of-Thought) среди всех базовых моделей семейства RMSN. Подойдёт исследователям нестандартных архитектур нейросетей и тем, кто изучает альтернативы стандартным трансформерам.

Ключевые особенности

  • Нестандартная архитектура: объединяет порт-гамильтонову динамику, смешивание слоёв через геометрическую алгебру Клиффорда, дробную память Капуто и считывание на основе тензора энергии-импульса Нётер.
  • Топология Deep Tail: отталкивающее граничное условие Казимира (r=16) работает как топологическое сито, направляя энергию конденсации в глубокие слои (7 солитонов в слоях L9–L15 с фиксацией терминального горизонта на последнем слое).
  • Двойной колебательный каскад: в отличие от модели с параметром r=0, здесь наблюдаются две волны конденсации (на шагах 97 700 и 99 100), причём вторая волна оказывается сильнее первой.
  • Фокус на рассуждениях: показывает лучший результат перплексии на задачах Chain-of-Thought среди всех базовых моделей линейки RMSN (CoT ppl = 3321 против 3761 у парной версии r=0).

Что можно сделать

  • Сравнить поведение и внутреннюю динамику слоёв с парным чекпоинтом RMSN-199M-DeepSpine-Casimir-r0-Base, чтобы изучить влияние граничных условий на способность к рассуждениям и удержанию знаний.
  • Использовать чекпоинт как исследовательскую базу для экспериментов с альтернативными архитектурами языкового моделирования (для запуска потребуется код класса модели из репозитория DuoNeural/RMSN на GitHub).
  • Протестировать генерацию текста на английском языке и оценку перплексии с использованием стандартного токенизатора HuggingFaceTB/cosmo2-tokenizer.

Пример

import torch
from transformers import AutoTokenizer

ckpt = torch.load("rmsn_best.pt", map_location="cpu")
# See DuoNeural/RMSN GitHub for model class + inference code
ПодробнееПараметры и структура: ~199M параметров, размерность 1040, глубина 16 слоёв, 64 слота.
Обучение: 100 000 шагов на датасете wikitext-103, токенизатор HuggingFaceTB/cosmo2-tokenizer (словарь 49 152 токена).
Метрики: val_ppl = 69.69, wiki_ppl = 75.66, CoT ppl = 3321.
Ограничения: в репозитории лежат веса PyTorch (rmsn_best.pt), для инференса нужно отдельно взять код архитектуры из GitHub DuoNeural/RMSN; поддерживается только английский язык.
Обсудить Telegram 0 23

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.7 GB · готовые файлы1.3 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB0.9 GB
  • 4-bitвеса 0.2 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

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.

    # DuoNeural/RMSN-199M-DeepTail-Casimir-r16-Base
    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 DuoNeural/RMSN-199M-DeepTail-Casimir-r16-Base --local-dir ~/models/RMSN-199M-DeepTail-Casimir-r16-Base
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к RMSN-199M-DeepTail-Casimir-r16-Base
  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 RMSN-199M-DeepTail-Casimir-r16-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

DuoNeural/RMSN-199M-DeepTail-Casimir-r16-Base
Автор
DuoNeural
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

230

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

VoxScout

VoxScout