компактная языковая модель без классического self-attention
schedule 1 мин чтенияобновлено
IVERI-Hyperion — экспериментальная базовая языковая модель размером 390M параметров от NishantIveri для генерации текста. Вместо стандартной архитектуры Transformer с квадратичным ростом потребления памяти она использует подход State-Space (модель пространства состояний), позволяющий удерживать контекст с расходом памяти O(1). Это решает проблему высоких затрат ресурсов при работе с длинными последовательностями. Модель подойдёт исследователям и энтузиастам, изучающим альтернативные компактные архитектуры.
Ключевые особенности
Субквадратичное масштабирование: классический механизм self-attention заменён на state-space с удержанием памяти O(1).
Entropy-Gated Selective State Units: выборочная фильтрация представлений токенов на основе локальной плотности информации.
Байтовый уровень (Byte-Level): архитектура с ассоциативной памятью для моделирования последовательностей.
Обучающий датасет: предобучена на смеси IVERI-ULTRA v1.0, включающей выборки FineWeb-Edu (Score >= 3.0) и FineMath-4+.
Что можно сделать
Изучить поведение и скорость инференса альтернативной state-space архитектуры размером 390M параметров.
Протестировать генерацию на образовательных текстах и базовых математических формулировках из доменов обучения.
Использовать как компактную экспериментальную базу для дальнейшего дообучения (fine-tuning) под узкие задачи.
Пример
from transformers import AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained('NishantIveri/IVERI-Hyperion-SLM')
ПодробнееПараметры: 390M, лицензия Apache 2.0 Validation Cross-Entropy Loss: 6.8241 Validation Perplexity: 919.73 (на невиданных образовательных текстах) Скорость: ~6,324 токенов/сек на Google Cloud TPU v5e
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.
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.
# NishantIveri/IVERI-Hyperion-SLM — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve NishantIveri/IVERI-Hyperion-SLM --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
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.
Комментарии