NextLat-shooting-star
24 чекпоинта трансформера для поиска пути на графах
2 мин чтенияобновлено
Набор из 24 обученных чекпоинтов компактного трансформера (по 91 МБ каждый) на базе метода NextLat (next-latent prediction — предсказание следующих скрытых состояний модели, предложенное в работе Teoh et al., 2025). Модели от автора giovannimonea решают синтетическую алгоритмическую задачу поиска пути на графах типа «падающая звезда»: нужно по списку из 28 рёбер пройти цепочку из 8 узлов до центра, выбрать правильный из 5 лучей и дойти до целевой вершины. В отличие от классического предсказания только следующего токена, NextLat учит модель прогнозировать собственные скрытые состояния, что помогает преодолеть известную проблему угадывания пути на развилке. Из 24 вариантов инициализации (сидов) 22 успешно справляются с задачей на уровне выше 97%, а 2 проваливаются — это позволяет исследователям изучать стабильность обучения и внутренние представления алгоритмических моделей.
Ключевые особенности
- Архитектура NextLat: 12 слоёв, 6 голов внимания, размерность 384, без смещений (bias), словарь из 106 токенов и контекст в 101 токен.
- Высокая точность большинства сидов: 22 из 24 моделей решают задачу с точностью 97,79–99,98% при сэмплировании и до 100% при жадном декодировании (greedy).
- Наглядные контрастные сбои: сид 1234 проходит цепочку, но угадывает луч лишь в ~29% случаев, а сид 1254 даёт 0% полной точности, что полезно для анализа сбоев.
- Полные логи обучения: к каждому сиду прилагаются конфиг
config.yaml, веса вsafetensorsи замеры точности каждые 1000 шагов вtraining_evals.json.
Что можно сделать
- Исследовать механическую интерпретируемость (mechanistic interpretability): сравнить внутренние представления успешных сидов (например, 1239 или 1241) и провальных (1234 и 1254).
- Проанализировать динамику грокинга и сходимости на алгоритмических графовых задачах по готовым логам обучения за 40 000 шагов.
- Воспроизвести эксперименты из статьи по NextLat на валидационном датасете
giovannimonea/shooting-star-graph-val.
Пример
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file
from models.model_nextlat import NextLat, NextLatConfig
cfg = NextLatConfig(n_layer=12, n_head=6, n_embd=384, block_size=101, bias=False, vocab_size=106, mtp_horizon=3)
model = NextLat(cfg)
model.model.load_state_dict(load_file(hf_hub_download("giovannimonea/nextlat-shooting-star", "seed1235/model.safetensors")))
model.model.eval()
Подробнее
Метрики на 20 000 тестовых графах: 22 из 24 сидов набирают от 97,79% до 99,98% (sampled, temperature=1) и до 100,00% (greedy, сиды 1239, 1241, 1247); сид 1234 — 28,94% (greedy), сид 1254 — 0,00%.Вес одного чекпоинта: 91 МБ в fp32 (без состояния оптимизатора), запуск возможен на одном GPU.
Обучение: 40 000 шагов батчами по 512 свежесгенерированных графов в bf16 mixed precision (AdamW, lr 5e-4, horizon 3, λ_mse=1, λ_kl=1).
Ограничение: для запуска требуется клонировать официальный репозиторий
JaydenTeoh/NextLat (коммит 3770be6).









Комментарии