К содержимому
Другое

OLMo-2-0425-1B-Instruct_diag_fisher

эмпирическая диагональ Фишера для OLMo-2 1B

2 мин чтенияобновлено

В этом репозитории лежат не веса языковой модели, а производный исследовательский артефакт — оценка эмпирической диагонали информационной матрицы Фишера (статистики кривизны функции потерь по параметрам сети). Расчёт выполнен для 112 матриц проекций внимания и MLP во всех 16 слоях модели allenai/OLMo-2-0425-1B-Instruct на выборке из 10 004 085 токенов (2 443 последовательности по 4 096 токенов) из датасета allenai/dolmino-mix-1124. В отличие от самой LLM, эти тензоры нельзя загрузить через AutoModelForCausalLM для генерации текста — они нужны исследователям для анализа чувствительности весов, квантизации, прунинга или методов определения обучающих данных (membership inference) с предварительной регуляризацией.

Ключевые особенности

  • Точный охват параметров: в файл diagonal.safetensors вошли только матрицы q_proj, k_proj, v_proj, o_proj и gate_proj, up_proj, down_proj для слоёв 0..15 — всего 112 тензоров и 1 073 741 824 значений в формате float32 (без эмбеддингов, layer norm и lm_head).
  • Чистый расчёт по последовательностям: градиенты вычислялись в BF16 по одному проходу forward/backward на каждую из 2 443 последовательностей, переводились в float32, возводились в квадрат и усреднялись без клиппинга или демпфирования.
  • Сбалансированная выборка: данные собраны из 15 378 уникальных документов шести источников (DCLM — 47.2%, Math — 20.8%, FLAN — 16.6%, Wiki — 7.11%, peS2o — 5.85%, StackExchange — 2.45%) с проверкой отсутствия точных совпадений хэшей с бенчмарком OLMo-Detect.
  • Траектория сходимости в комплекте: вместе с весами опубликованы convergence_trace.json, five_to_ten_million.json и готовые для графиков CSV-файлы со сравнением оценок на 5M и 10M токенов.

Что можно сделать

  • Использовать значения кривизны в экспериментах по прунингу, квантизации или непрерывному обучению (continual learning) модели OLMo-2-0425-1B-Instruct после подбора собственного регуляризатора.
  • Изучить послойную динамику сходимости эмпирического Фишера на срезах 5M и 10M токенов по готовым таблицам global_trace.csv и layer_five_to_ten.csv.
  • Построить предобуславливатель для экспериментов с влиянием обучающих примеров (IF-MIA), предварительно добавив демпфирование для защиты от деления на околонулевые элементы.

Пример

from safetensors import safe_open

with safe_open('diagonal.safetensors', framework='pt', device='cpu') as f:
    key = 'model.layers.0.self_attn.q_proj.weight'
    fisher_diag = f.get_tensor(key)
    print(key, fisher_diag.shape, fisher_diag.dtype)
ПодробнееСходимость 5M к 10M токенов: глобальное косинусное сходство 0.9987604, относительная L2-разница 0.0558425 (в слоях 0–3 — 0.1522–0.2534, в слоях 4–15 — 0.02812–0.06363).
Размер файла: 4.29 ГБ (4 294 980 416 байт), SHA-256 зафиксирован в final_integrity.json.
Железо расчёта: 1× NVIDIA H100 80GB (PyTorch 2.11.0+cu130, Transformers 5.12.1).
Ограничения: это не инвертированная матрица Фишера и не веса модели; перед делением на элементы диагонали обязательна регуляризация, отдельная лицензия на производный тензор не назначена.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.0 GB · готовые файлы4.9 GB
  • FP8 / INT8рекомендуемвеса 2.0 GB2.7 GB
  • 4-bitвеса 1.1 GB1.7 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.

    # johntzwei/OLMo-2-0425-1B-Instruct_diag_fisher
    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 johntzwei/OLMo-2-0425-1B-Instruct_diag_fisher --local-dir ~/models/OLMo-2-0425-1B-Instruct_diag_fisher
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к OLMo-2-0425-1B-Instruct_diag_fisher
  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 OLMo-2-0425-1B-Instruct_diag_fisher — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

johntzwei/OLMo-2-0425-1B-Instruct_diag_fisher
Автор
johntzwei
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