noesis-rwkv7-g1d-0.4b-ticks
эксперимент с внутренними тиками в RWKV
2 мин чтенияобновлено
Демонстрационный чекпоинт экспериментального метода noesis, который дает рекуррентной модели время внутри собственного состояния и обучает ее использовать это время с помощью дистилляции. За основу взята легкая базовая модель rwkv7-g1d-0.4b (размером 0.4 млрд параметров) от авторов RWKV (BlinkDL). Модель отличается тем, что перед выдачей ответа прогоняет вектор последнего слоя обратно во входное состояние несколько раз («тиков») без вывода токенов, что позволяет бороться с зацикливанием и получать более связный текст на английском и русском языках. Разработка пригодится исследователям архитектур языковых моделей и тем, кто экспериментирует с рекуррентными сетями.
Ключевые особенности
- Двуязычность: Поддерживает повседневные вопросы и генерирует связные ответы как на английском, так и на русском языке.
- Улучшенная стабильность: В отличие от базовой модели, не уходит в бесконечные циклы («Зеленую радость... зеленые деревья») за счет внутренних тиков.
- Разнообразие лексики: Демонстрирует возросшее число уникальных слов на один ответ по сравнению с базовой версией (48.5 против 42.3).
- Эффективное латентное пространство: Эффективный ранг латентного представления при тиках возрастает, избегая схлопывания в одну точку.
Что можно сделать
- Тестировать чат-пробник: Запустить скрипт чат-пробника из репозитория noesis для проверки ответов модели с разным количеством тиков.
- Изучать архитектуру: Исследовать код stateful-эмбеддингов и работу рекуррентных состояний RWKV-7 на практике.
- Сравнивать поведение: Оценить разницу в генерации текста базовой модели и чекпоинта с 4 тиками на собственных промптах.
Пример
Пример ответа на вопрос «Какой твой любимый цвет и почему?»:
Базовая модель (без тиков): «Я люблю зеленый. Он символизирует: … Зеленую радость (зеленые цветы) …» (зацикливается)
Данный чекпоинт (4 тика): «Зеленый — это цвет, который я люблю. Он символизирует чистоту, радость, прозрачность и светлое будущее...»
Подробнее
Бенчмарки: на тестовых семействах задач тики пока еще не добавляют принципиально новой логической силы (44 решенных задачи из 304 против 46 у базы).Ограничения: без тиков чекпоинт обертывает ответы в служебный тег
, поэтому модель предназначена для работы именно с тиками.Детали обучения: 100 шагов полноразмерного файнтюна (Muon) через 4 тика с дистилляцией ответов модели без тиков (KL при температуре 2) без внешнего учителя.










Комментарии