/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Своя лицензия
Архитектура
qu_ssm_moe · MoE
Опубликована
31 авг 2026

QU-SSM-130M-MoE

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная причинная языковая модель на основе квазиевклидового SSM и смеси экспертов для генерации коротких историй и продолжения текста.

628скачиваний за 30 дней4лайкавеса обновлены17 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

QU-SSM-130M-MoE — авторская причинная языковая модель Prannessh K.V.A. на основе непрерывной квазиевклидовой модели пространства состояний и разреженной смеси экспертов. В карточке заявлены 134,89 млн параметров, из которых 78,27 млн активны на токен; архитектура использует восемь SwiGLU-экспертов с маршрутизацией Top-2 и GPT-2 BPE-токенизатором на 50 257 токенов. Модель предварительно обучена на датасете TinyStories примерно на 20 млн токенов.

Модель предназначена для авторегрессионной генерации текста, в частности коротких историй и продолжений на английском языке. Автор описывает рекуррентные переходы с вращениями SO(2), постоянный объём памяти состояния и более высокую скорость генерации по сравнению с приведёнными базовыми моделями; эти показатели представлены в README и не являются независимой оценкой. Хотя карточка также упоминает интерфейсы для аудио и временных рядов, метаданные и указанный класс модели подтверждают только генерацию текста.

В метаданных указана лицензия other, поэтому условия использования следует сверить с самой лицензией репозитория. Это ранний прототип: обучающий корпус узкий, а README описывает модель как экспериментальную проверку архитектуры, поэтому её языковые и прикладные возможности за пределами коротких англоязычных историй не подтверждены.

Сценарии применения

  • генерация коротких англоязычных историй
  • продолжение повествовательного текста
  • эксперименты с рекуррентными SSM-архитектурами
  • сравнение разреженной смеси экспертов с плотными языковыми моделями

Ограничения

Модель обучалась на узком корпусе TinyStories и описана как ранний прототип, поэтому её качество для общих диалогов, фактических ответов и других языков не подтверждено. Заявления о скорости и памяти приведены автором README и не сопровождаются независимой проверкой; лицензия обозначена как other.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🏛️ QU-SSM-130M-MoE: Continuous Quasi-Unitary State Space Model with Sparse Mixture-of-Experts

📄 Official Research Paper (PDF) & Open Verification

Title: "Gated Quasi-Unitary Lie-Algebra Recurrent State Space Models"
Author: Prannessh K.V.A. (@prannesshkva)

📥 Download Full Research Paper (PDF) | 🏛️ Zenodo DOI: 10.5281/zenodo.22283431 | 🎮 Live Interactive Space

Official Paper Zenodo DOI LinkedIn Profile License: CC BY-NC-ND 4.0 Model: qu_ssm-130Moe Architecture: qu_ssm Parameters Inference RAM Speedup

QU-SSM-130M-MoE is a continuous quasi-unitary state space sequence architecture co-designed with sparse SwiGLU Mixture-of-Experts (MoE). Designed and invented by Prannessh K.V.A. (Sole Architect & Inventor), QU-SSM eliminates monotonic exponential memory dissipation present in classical real-valued SSMs while delivering strictly constant O(1) step memory (0.19 MB) and 3.32x generation speedup over modern baseline Transformers.


🧬 Base Model Lineage & Technical Notes

  • Core Architecture: Novel Continuous Quasi-Unitary Lie-Algebra Recurrent State Space Operator (SO(2) phase rotations) with 8 SwiGLU Mixture-of-Experts and Top-2 gating.
  • Tokenizer Lineage: Standard GPT-2 Byte-Pair Encoding (BPE) vocabulary (50,257 tokens).
  • Pre-training & Calibration: Initialized and pre-trained on roneneldan/TinyStories (~20M+ tokens) to empirically validate non-dissipative recurrent memory and narrative coherence.
  • Parameter Footprint: 134.89M Total Parameters, 78.27M Active Parameters per token.
  • State Space Dynamics: Strictly preserves vector norms (||R(theta)||_2 = 1.000) through dual-trigonometric rotation, eliminating contractive gradient decay across long sequence horizons.
  • Official Research Contact: LinkedIn — Prannesh K. V. A.

🔍 What is QU-SSM (QU-SSM-130M-MoE)?

QU-SSM is a state-of-the-art linear-time sequence engine that formulates state transitions as continuous Lie-group rotations over SO(2) ≅ U(1). Unlike classical real-decay state space models that suffer from exponential forgetting, QU-SSM preserves state norm (‖R(θ)‖₂ ≡ 1.00000) while dynamically decoupling memory damping (γ_t).

Key Advantages of QU-SSM-130M-MoE:

  • ⚡ 3.32x Faster Inference: Generates at 5.55 tok/s (180.16 ms/tok step latency) compared to 1.67 tok/s for standard dense Transformer baselines.
  • 💾 Constant O(1) Memory: Requires strictly 0.19 MB of state RAM regardless of context length (1,894x smaller than a 360 MB KV-cache at L = 8,192).
  • 🧠 42% Lower Active Compute: Evaluates only 78.27M active parameters per token across 8 SwiGLU experts with Top-2 routing.
  • 🌊 Lowest Spectral Phase Distortion: Demonstrates 1.9648 rad phase error on continuous sensor and financial telemetry streams.

🏆 SOTA Benchmark Leaderboard (~135M Scale)

Model ArchitectureTotal ParamsActive Params / TokenGeneration SpeedStep LatencyRAM at L=8,192
Standard Dense Transformer Baseline (135M)134.52M134.52M (Dense)1.67 tok/s597.86 ms360.00 MB
Classical Real-Decay SSM Baseline (130M)129.14M129.14M (Dense)1.98 tok/s506.18 ms0.19 MB
QU-SSM-130M-MoE (Ours)134.89M78.27M (Top-2 Sparse)5.55 tok/s (🥇 3.32x)180.16 ms0.19 MB (🥇 Constant)

🔬 Mathematical Formulation of QU-SSM

The core recurrence equation evolves according to:

h_t = γ_t · R(θ_t) · h_{t-1} + u_t

Where:

  • R(θ_t) ∈ SO(2) is a 2x2 rotation matrix with strict norm preservation: ‖R(θ_t)‖₂ ≡ 1.00000.
  • γ_t = σ(W_γ · x_t + b_γ) ∈ (0, 1) is the decoupled memory gate controlling damping independently.

Exact Real Dual-Component Parallel Prefix Scan:

S = cumsum(log γ_t).clamp(min=-12.0, max=0.0)
Φ = cumsum(θ_t)
h_t = exp(S) · [ cos(Φ) · cumsum(u_real) - sin(Φ) · cumsum(u_imag) ]

💻 How to Install and Run QU-SSM

Run QU-SSM-130M-MoE directly using standard Hugging Face transformers:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Prannesshkva/QU-SSM-130M-MoE"
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_id)

prompt = "Once upon a time in a world of state space models,"
input_ids = tokenizer(prompt, return_tensors="pt").input_ids
output = model.generate(input_ids, max_new_tokens=50)
print(tokenizer.decode(output[0]))

🌐 Universal Multimodal Support in QU-SSM

The QU-SSM backbone supports four continuous and discrete sequence interfaces:

ModalityPython ClassInput Data Format
📝 Language & CodeQUSSMForCausalLMBPE Token IDs (50,257 Vocab)
🎙️ Raw 16kHz AudioQUSSMForAudioContinuous 1D Waveform
📈 Financial & SensorsQUSSMForSensorTelemetryContinuous Time-Series Ticks
🖼️ 2D Spatial VisionVisionQUSSM16x16 Pixel Patches

❓ Frequently Asked Questions (FAQ)

What makes QU-SSM different from classical real-decay SSMs?

Classical SSMs enforce negative real decay (A ∈ ℝ⁻), creating a dissipative low-pass filter that loses oscillatory and high-frequency phase information (e^(-α·t) → 0). QU-SSM uses dynamic Lie-group rotations over SO(2) with ‖R(θ)‖₂ ≡ 1.00000, preserving state energy indefinitely while dynamically controlling damping via γ_t.

Is QU-SSM-130M-MoE an MoE model?

Yes. It co-designs the quasi-unitary recurrent state space engine with an 8-expert SwiGLU Mixture-of-Experts layer using Top-2 routing, evaluating only 78.27M active parameters per step.

What is the pretraining dataset for QU-SSM-130M-MoE?

This checkpoint is an early-stage foundational prototype pre-trained on ~20 Million tokens of structured narrative reasoning (TinyStories) over 5 epochs, achieving a 70x perplexity reduction (3,358 → 48.21 PPL).


🔒 Intellectual Property & Citation

@software{prannesshkva_qu_ssm_2026,
  author       = {Prannesh K.V.A.},
  title        = {QU-SSM-MoE: Continuous Quasi-Unitary Lie-Group State Space Models with Sparse Mixture-of-Experts},
  month        = sep,
  year         = 2026,
  publisher    = {Zenodo},
  doi          = {10.5281/zenodo.22283431},
  url          = {https://doi.org/10.5281/zenodo.22283431}
}

🔗 Related QU-SSM Models & Ecosystem Links

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
QUSSMForCausalLM
Ревизия весов
cbe2493

0 моделей