К содержимому
Другое

cold-attention-organ

микро-модуль логики для замороженной Qwen2.5

3 мин чтенияобновлено

Исследовательский проект от mohsenvand: крошечный внешний блок cold attention («холодного внимания») всего на 529–949 параметров, который подключается рядом с полностью замороженной LLM (большой языковой моделью) семейства Qwen2.5 (0.5B, 1.5B и 7B). Сама языковая модель не дообучается — она лишь считывает входные утверждения, а новый модуль связывает упоминания сущностей в граф и отвечает «да» или «нет» на вопросы по длинным логическим цепочкам. Главная особенность в экстраполяции: блок обучался только на контекстах до 16 фактов, но выдаёт 100% точных ответов даже при 1 000 утверждений, где обычная Qwen2.5-7B справляется лишь в 43,8% случаев. Пригодится исследователям нейросимвольных подходов и инженерам, изучающим гибридные архитектуры для точного многошагового вывода (multi-hop reasoning).

Ключевые особенности

  • Экстремальная компактность: сам обучаемый блок содержит от 529 до 949 параметров, работает на JAX и при 1 000 утверждений оперирует тремя битовыми матрицами.
  • Безошибочная экстраполяция по длине: обучившись на 1–16 фактах, выпущенные модули для Qwen2.5-7B и 1.5B дают 100% правильных ответов на всех тестах вплоть до 1 000 фактов (включая 2 из 8 формулировок, которых не было в обучении).
  • Замороженная база: веса Qwen2.5 остаются нетронутыми — из модели без обучения извлекаются эмбеддинги имён и логиты для определения связей между людьми.
  • Две задачи в релизе: определение родства по цепочкам предков («Является ли X предком Y?») и сравнение возраста («Старше ли X, чем Y?» для Qwen2.5-0.5B).

Что можно сделать

  • Проверить длинные цепочки родства: подать до 1 000 перемешанных фактов о семье в разных формулировках и получить безошибочный ответ о связи между двумя людьми.
  • Решать задачи транзитивного сравнения: использовать вариант для Qwen2.5-0.5B, чтобы выстраивать цепочки старшинства из набора разрозненных фактов вида «A старше B».
  • Изучить гибридный вывод на локальном GPU: запустить связку PyTorch/Transformers (для замороженной LLM) и JAX (для самого блока) через готовый скрипт organ.py и сравнить качество с чистым промптингом.

Пример

from huggingface_hub import snapshot_download
import sys, organ

root = snapshot_download("mohsenvand/cold-attention-organ", allow_patterns=["organ.py", "kinship/qwen2.5-7b/*"])
sys.path.insert(0, root)
o = organ.Organ(f"{root}/kinship/qwen2.5-7b/within/seed0")
statements = ["Maria Lopez is the mother of Tom Baker.", "Ivan Chen is the son of Tom Baker."]
print(o.ask([(statements, ["Is Maria Lopez an ancestor of Ivan Chen?"])]))  # [[True]]
ПодробнееБенчмарк родства (1 000 фактов): 96/96 (100%) у всех релизных модулей для Qwen2.5-7B против 43,8% у самой Qwen2.5-7B без модуля.
Бенчмарк сравнения возраста (1 000 фактов): 96/96 (100%) на базе Qwen2.5-0.5B против 49,0% у голой модели.
Требования: для Qwen2.5-7B в float16 требуется около 16 ГБ VRAM; сам блок cold attention работает на CPU/GPU.
Обучение и стек: ~2 минуты на 1× H100 (AdamW, 4 000 шагов); для запуска нужны PyTorch 2.5.1, Transformers 4.46.3 и JAX.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 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.

    # mohsenvand/cold-attention-organ
    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 mohsenvand/cold-attention-organ --local-dir ~/models/cold-attention-organ
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к cold-attention-organ
  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 cold-attention-organ — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

mohsenvand/cold-attention-organ
Автор
mohsenvand
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

picacho-otp

picacho-otp