К содержимому
Другое

DuoNeural/RMSN-SFT-PCC-d1024-L24

языковая модель на нестандартной архитектуре RMSN

2 мин чтенияобновлено

Экспериментальная языковая модель объёмом ~261.9M параметров от DuoNeural Lab, дообученная методом SFT (Supervised Fine-Tuning — обучение с учителем на примерах) на сложных цепочках рассуждений CDM. В основе лежит архитектура RMSN (Resonant Metriplectic Sheaf Network), использующая представления на базе теории пучков и алгебры Клиффорда вместо классического внимания. После дообучения модель заметно снизила перплексию на сложных задачах с пошаговыми рассуждениями (CoT) по сравнению с базовым претрейном. Чекпоинт ориентирован на исследователей нестандартных нейросетевых архитектур и механизмов рассуждения в компактных моделях.

Ключевые особенности

  • Нестандартная архитектура RMSN на 24 слоя с размерностью скрытого состояния 1024 и 64 рабочими слотами (Aubry-André workspace).
  • Использование геометрии Клиффорда (Cl_{3,0}) и optimzer Muon для 211.5M параметров в связке с AdamW для оставшихся 50.4M.
  • Топологическая перестройка в ходе SFT: исходная конфигурация Partial-Chain-Cement-PCC трансформировалась в Distributed Anchor.
  • Токенизатор HuggingFaceTB/cosmo2-tokenizer со словарём на 49 152 токена.

Что можно сделать

  • Изучить поведение и внутренние представления нестандартных моделей на базе алгебры Клиффорда при решении задач с рассуждениями.
  • Сравнить качество генерации цепочек рассуждений (CoT) с классическими трансформерами сопоставимого размера (~260M параметров).
  • Использовать чекпоинт rmsn_sft_best.pt как базу для дальнейших экспериментов с дообучением в рамках серии RMSN.

Пример

import torch, sys
sys.path.insert(0, '/workspace')
from rmsn_core import RMSNConfig, ResonantMetriplecticSheafLM

config = RMSNConfig(vocab_size=49152, hidden_dim=1024, num_layers=24, num_workspace_slots=64)
model = ResonantMetriplecticSheafLM(config)
raw = torch.load('rmsn_sft_best.pt', map_location='cpu')
model.load_state_dict(raw['model_state'])
ПодробнееCDM CoT Hard PPL: 18.47 (после SFT) против 3966 (у базового претрейна).
WikiText-103 PPL: 169.01 (после SFT) против 96.30 (у базового претрейна).
Занимает 6-е место среди всех SFT-вариантов RMSN размерности D=1024 по CoT.
Для запуска требуется кастомный модуль rmsn_core.py и загрузка весов через PyTorch.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.0 GB · готовые файлы1.6 GB
  • FP8 / INT8рекомендуемвеса 0.5 GB1.0 GB
  • 4-bitвеса 0.3 GB0.8 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-SFT-PCC-d1024-L24
    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-SFT-PCC-d1024-L24 --local-dir ~/models/RMSN-SFT-PCC-d1024-L24
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к RMSN-SFT-PCC-d1024-L24
  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-SFT-PCC-d1024-L24 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

DuoNeural/RMSN-SFT-PCC-d1024-L24
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

DriveTraj

DriveTraj
Другое

TactoHand

TactoHand