К содержимому
Другое

Nemotron-Birch

модель для выбора вариантов ответа без искажений от их порядка

2 мин чтенияобновлено

Модель оценивает список предложенных вариантов ответа или решений относительно контекста и вопроса, возвращая распределение вероятностей. Она построена на базе NVIDIA Nemotron 3.5 Super VL 120B A12B (мультимодальная MoE-модель на 120 млрд параметров) с помощью LoRA (адаптеров дообучения) и специальной «головы» принятия решений, созданных на Junction Hackathon 2026. В отличие от обычных LLM, на ответы которых влияет порядок пунктов в промпте, эта архитектура обладает перестановочной эквивариантностью: смена порядка вариантов меняет только порядок их вероятностей, не искажая сами оценки. Пригодится исследователям и разработчикам для систем с выбором из нескольких вариантов (multiple-choice QA) и API поддержки решений с проверкой человеком.

Ключевые особенности

  • Независимость от порядка: отсутствие позиционных эмбеддингов для кандидатов и симметричный механизм внимания (CandidateSelfAttention из 4 блоков) гарантируют одинаковую оценку вариантов при любой их перестановке.
  • Два режима работы: модель умеет мгновенно оценивать варианты напрямую или предварительно генерировать цепочку рассуждений (reasoning tokens) для уточнения контекста перед финальным подсчётом.
  • Кэширование эмбеддингов: контекст и кандидаты кодируются независимо батчами, что позволяет переиспользовать их представления для разных решений без повторных вычислений.
  • Лёгкие веса адаптации: обучены только rank-32 LoRA на последних 7 блоках декодера и голова на 70,4M параметров (всего ~564M обучаемых параметров поверх замороженной базы).

Что можно сделать

  • Тесты и викторины (Multiple-Choice QA): автоматически выбирать наиболее вероятный ответ из списка в задачах на логику, науку, понимание текста и медицину (в исследовательских целях).
  • Маршрутизация запросов и решений: использовать в качестве API-классификатора для выбора подходящего действия или специализации из набора кандидатов.
  • Пайплайны с внешними инструментами: добавлять в контекст результаты поиска по записям или работы научных утилит, чтобы уточнять выбор модели с помощью режима рассуждений.

Пример

from birch import predict_proba

probs = predict_proba(
    context="My computer crashed.",
    question="Which alternative is the more plausible effect?",
    choices=["I installed new speakers.", "I lost all my data."],
    reasoning_budget=128,
)
Подробнее • Внутренняя оценка на шаге 2 350 (19 задач, 6 746 вопросов): средняя точность по задачам 75,16%, включая ARC Easy (99,0%), ARC Challenge (97,4%), WinoGrande (96,0%) и MedQA (82,0%).
• Лимит длины одной кодируемой последовательности — 4 096 токенов; выложен чекпоинт шага 2 881 (trainable.safetensors), для которого требуется отдельная загрузка базовой 120B модели.
• Ограничения: модель экспериментальная (обучалась на 8 GPU в BF16), вероятности отражают только относительный рейтинг внутри переданного списка, а работа с изображениями на отложенной выборке не подтверждена.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.1 GB · готовые файлы2.8 GB
  • FP8 / INT8рекомендуемвеса 1.1 GB1.7 GB
  • 4-bitвеса 0.6 GB1.2 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.

    # Toivo31/Nemotron-Birch
    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 Toivo31/Nemotron-Birch --local-dir ~/models/Nemotron-Birch
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Nemotron-Birch
  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 NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 11Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

Toivo31/Nemotron-Birch
Автор
Toivo31
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

Языковые модели

Proto-Nemotron

Proto-Nemotron