К содержимому
Другое

DuoNeural/RMSN-229M-ArnoldTongue-Omega45-Base

резонансная языковая модель

2 мин чтенияобновлено

Это экспериментальная 229M-параметровая нейродинамическая языковая модель от команды DuoNeural, в которой впервые на практике исследуется феномен резонанса языков Арнольда (Arnold Tongue Resonance) в обучении нейроархитектур. Модель построена на базе Resonant Metriplectic Sheaf Network (RMSN) и достигла рекордной для автора валидационной перплексии (ppl) 49.8 на датасете WikiText-103. Архитектура использует скрытую размерность 1024, 20 слоев и 64 рабочих слота Пуанкаре. Модель ориентирована на исследователей нейросетевых архитектур и любителей необычных топологических подходов к обучению LLM.

Ключевые особенности

  • Резонансная геометрия: отношение резонанса Ω = 4/5 (язык Арнольда q=5), что обеспечивает топологическую фиксацию при обучении.
  • Рекордная перплексия: лучший чекпойнт (на 80-й тысяче шагов) показал значение ppl 49.8 (первый результат ниже 50 для DuoNeural).
  • Топологические фазы: в процессе обучения зафиксированы две каскадные фазы переорганизации солитонной решетки.
  • Обучение на доступном железе: модель тренировалась на одной видеокарте NVIDIA RTX 5070 Ti (15.5 GB VRAM).

Что можно сделать

  • Запустить инференс локально с помощью кастомного кода конфигурации на PyTorch.
  • Воспроизвести эксперимент с резонансом Арнольда, используя скрипты обучения из репозитория.
  • Провести зондирование перколяционной пучковой топологии обученной модели (probe_percolation_sheaf.py).

Пример

Загрузка весов модели и конфигурации RMSN в PyTorch:

import torch
from rmsn_core import RMSNConfig, RMSNForCausalLM

ckpt_path = "rmsn_best.pt"
checkpoint = torch.load(ckpt_path, map_location="cuda:0")

config = RMSNConfig(
    vocab_size=49152,
    hidden_dim=1024,
    num_layers=20,
    num_workspace_slots=64,
    max_seq_len=512
)

model = RMSNForCausalLM(config)
model.load_state_dict(checkpoint["model_state"])
model.eval().cuda()
ПодробнееПараметры: 229.17M | Скрытая размерность (D): 1024
Глубина (L): 20 слоев | Слоты (M_w): 64 слота Пуанкаре
Отношение резонанса: 4/5 (q=5) | Токенов обучения: 126.9M (WikiText-103)
Лучшая Val PPL: 49.8 (шаг 80k) | Финальная Val PPL: 51.5 (шаг 100k)
Железо: NVIDIA RTX 5070 Ti (15.5 GB VRAM)
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.6 GB · готовые файлы3.3 GB
  • FP8 / INT8рекомендуемвеса 1.3 GB1.9 GB
  • 4-bitвеса 0.7 GB1.3 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 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-229M-ArnoldTongue-Omega45-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-229M-ArnoldTongue-Omega45-Base --local-dir ~/models/RMSN-229M-ArnoldTongue-Omega45-Base
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к RMSN-229M-ArnoldTongue-Omega45-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-229M-ArnoldTongue-Omega45-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

DuoNeural/RMSN-229M-ArnoldTongue-Omega45-Base
Автор
DuoNeural
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

Perth ONNX

Perth ONNX
Другое

smollm2-sft

smollm2-sft