К содержимому
Другое

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 в safetensors и замеры точности каждые 1000 шагов в training_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()
ПодробнееМетрики 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).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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.

    # giovannimonea/nextlat-shooting-star
    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 giovannimonea/nextlat-shooting-star --local-dir ~/models/nextlat-shooting-star
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к nextlat-shooting-star
  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 nextlat-shooting-star — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

giovannimonea/nextlat-shooting-star
Автор
giovannimonea
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

RCQFusion

RCQFusion