К содержимому
Другое

Resonance-Qwen2-200M-Luders

языковая модель с квантовым вниманием и оценкой неуверенности

2 мин чтенияобновлено

Компактная языковая модель (LLM) на базе архитектуры Qwen2 с 201.5M параметров от исследователя Luís P. Soares (PSMoreno). Вместо классического механизма внимания Softmax в ней используется квантово-вдохновленный подход Resonance Attention с проективным подпространством Людерса ранга 2. Это позволяет модели прямо во время генерации оценивать собственную эпистемическую неопределенность (нехватку знаний по теме) за один прямой проход без многократного сэмплирования. Разработка пригодится исследователям ИИ и инженерам, которым важно отсеивать галлюцинации и слишком самоуверенные ответы нейросетей.

Ключевые особенности

  • Механизм Resonance Attention: заменяет стандартный Softmax на проективное подпространство Людерса ранга 2.
  • Оценка неопределенности за один проход: вычисляет спектральную энтропию S(ρ) во время обычного инференса без дополнительных генераций.
  • Снижение ложной самоуверенности: избегает деградации по закону Гудхарта (когда модель искусственно завышает уверенность при явной регуляризации).
  • Улучшенный отказ от ответа: показывает лучший результат по метрике селективного воздержания AURC (0.9509 против 0.9820 у классических бейзлайнов).

Что можно сделать

  • Изучить альтернативные архитектуры внимания: сравнить поведение Resonance Attention и классического Softmax на задачах генерации текста.
  • Внедрить фильтр галлюцинаций: использовать значение спектральной энтропии S(ρ) как сигнал для отказа от ответа, когда модель не уверена в фактах.
  • Протестировать калибровку уверенности: исследовать устойчивость компактных LLM к эффекту ложной самоуверенности при регуляризации.

Пример

inputs = tokenizer("Resonance Attention measures", return_tensors="pt").to(model.device)
outputs = model(**inputs, output_attentions=True)

spectral_entropy = outputs.attentions[-1].last_spectral_entropy
print(f"Spectral Entropy S(ρ): {spectral_entropy.item():.4f}")
ПодробнееАрхитектура: Qwen2 causal language model (~201.5M параметров).
Обучение: датасет HuggingFaceFW/fineweb-edu (sample-10BT), ~393.2M токенов.
Метрики: динамический AURC (Area Under the Risk-Coverage curve) — 0.9509 против 0.9820 у классических моделей.
Запуск: через библиотеку transformers с параметром trust_remote_code=True (поддерживается bfloat16).
Обсудить Telegram 0 32

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.4 GB · готовые файлы0.9 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 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.

    # PSMoreno/Qwen2-200M-Resonance-Luders
    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 PSMoreno/Qwen2-200M-Resonance-Luders --local-dir ~/models/Qwen2-200M-Resonance-Luders
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen2-200M-Resonance-Luders
  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 Qwen2-200M-Resonance-Luders — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

PSMoreno/Qwen2-200M-Resonance-Luders
Автор
PSMoreno
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

320

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии