/ Модель

Характеристики

Лицензия
AGPL 3.0
Архитектура
rrt-gpt2 · dense
Библиотека
pytorch
Опубликована
21 июн 2026

RRT-Foundation

Генерация текстаТекст → текст3 профессии

RRT-355M — экспериментальная модель генерации текста, обученная с нуля для проверки механизма внимания без softmax.

41скачиваний за 30 дней3лайкавеса обновлены21 июн 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

RRT-355M — модель генерации текста семейства RRT-GPT-2, разработанная авторами проекта RRT. Это чекпойнт примерно на 354 млн параметров, обученный с нуля без softmax в механизме внимания; обучение завершено. Модель проверялась на 22 задачах внутриконтекстного обучения и предназначена прежде всего для оценки этого механизма, а не для диалогов или следования инструкциям.

Веса сохранены в формате safetensors с точностью bf16. Для инференса требуется специальный движок RRT на Triton; стандартная реализация GPT-2 в Transformers выдаёт некорректные результаты. На бенчмарке CORE модель набрала 0,1558 против 0,1770 у GPT-2 Medium сопоставимого размера: она лучше проявила себя на нескольких задачах с выбором ответа, но хуже на задачах продолжения текста. Репозиторий распространяется по лицензии AGPL-3.0.

Сценарии применения

  • исследование альтернативных механизмов внимания в языковых моделях
  • сравнение генерации текста с GPT-2 сопоставимого размера
  • оценка внутриконтекстного обучения на бенчмарках из 22 задач

Ограничения

Для инференса необходим специальный движок RRT на Triton; стандартный GPT-2 в Transformers несовместим. На CORE результат ниже, чем у GPT-2 Medium сопоставимого размера; не оценивались диалоговые и инструкционные задачи.

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

RRT-355M — softmax-free attention at GPT-2 Medium scale

Headline result: a GPT-2 Medium–shaped checkpoint (~354 M parameters) trained from scratch without softmax, evaluated on a standardized 22-task in-context learning benchmark, with open kernels where sparse inference is bit-identical to dense on this checkpoint.

This Hugging Face repo ships weights, config, and substrate constants only. Inference requires the RRT engine on GitHub (RRT-LLM-FOUNDATION, AGPL-3.0). Stock transformers GPT-2 will produce incorrect outputs.

Training is complete. No additional checkpoints are planned from this repository.

Capability evaluation (22-task CORE)

ModelCORENotes
GPT-2 124M0.1211floor reference, same harness
GPT-2 medium0.1770dense softmax foil, matched scale
RRT-355M0.1558softmax-free, this checkpoint
Pythia 410M0.1895modern baseline, same harness

CORE = mean centered accuracy across 22 in-context learning tasks (DCLM protocol, Karpathy nanochat eval_bundle). RRT-355M is 0.021 below the GPT-2 medium foil and 0.035 above the GPT-2 124M floor — a measurable tradeoff, not a capability collapse.

Task asymmetry (RRT − GPT-2 medium, centered score): gains on multiple-choice reasoning (arc_easy +0.12, agi_eval_lsat_ar +0.09, openbook_qa +0.07); largest regressions on continuation tasks (lambada_openai −0.16, coqa −0.13, squad −0.07).

Not evaluated: MMLU, GSM8K, HumanEval, chat/instruction benchmarks, or fine-tuned downstream tasks. Details: eval/eval_summary.json on this repo; full write-up on GitHub docs/EVALUATION.md.

Task asymmetry — centered score delta vs GPT-2 medium (selected CORE tasks)

Mechanism and training

MetricValueNotes
Structural edge sparsity99.66 %fidelity gate; training measurement
Training dataFineWeb-Edu11.534 B tokens, 4× H100, 22k iters
Best val loss (ckpt)2.8001iteration 21 000
Weight file~1011 MB bf16model.safetensors

Three metrics — do not conflate: (1) structural sparsity during training, (2) coarse-tile skip at inference (34–55%, long context), (3) CORE behavioral score above.

Each attention edge applies friction ln(max(i−j, 1)) and gate μ = η / (1 + η^n)^(1/n) with n = 1.25. INT8 pre-pass skips tiles with no active edges; bit-identical to dense on this checkpoint. v2 kernel: 21/22 CORE tasks identical to v1 (Δ CORE −0.0016).

Per-layer structural sparsity at end of training

Systems notes (secondary)

MetricValueCaveat
INT8 tile skip @ T=2048 / 819234% / 55%layer-12 micro-bench, H100
Kernel vs SDPA @ T=204811.5×not end-to-end generation
Peak attention VRAM @ T=163845.5 GBGPT-2 XL reference forward, RTX 3070

Files in this repo

FilePurpose
model.safetensorsbf16 weights
config.jsonarchitecture metadata
rrt_substrate_constants.jsoninference requires n_backbone, C_max only
eval/CORE summary JSON, comparison CSV, parity notes
figures/key charts from benchmark report
tokenizer_pointer.txtopenai-community/gpt2 BPE

Reproduce

git clone https://github.com/tripstoph/RRT-LLM-FOUNDATION.git
cd RRT-LLM-FOUNDATION
pip install -e .
python eval/run_core_eval.py --model rrt:_state/ckpt.pt --snapshot-dir engine --seed 1337
# Quick smoke (~minutes): python eval/smoke_core.py --model rrt:_state/ckpt.pt --snapshot-dir engine

Expected full CORE: 0.1558. Claims ↔ evidence: GitHub docs/CLAIMS.md.

Scope

RRT-355M validates the attention mechanism in isolation. Broader pipeline work is explored separately under Relational Autopoietic Substrate (RAS); no timeline or additional model releases are committed from this repository.

Limitations

  • Custom Triton engine (Hopper sm_90); not AutoModelForCausalLM
  • CORE below dense GPT-2 medium at matched scale
  • Single checkpoint; no scale-up from this repo
  • Speed/memory figures are kernel benchmarks with stated context

Citation

@misc{rrt-355m-2026,
  author       = {Tripstoph},
  title        = {RRT-355M: Softmax-free attention at GPT-2 Medium scale},
  year         = {2026},
  publisher    = {HuggingFace},
  howpublished = {\url{https://huggingface.co/Tripstoph/RRT-Foundation}},
  note         = {Proof-of-mechanism weights; engine at GitHub under AGPL-3.0.},
}

Last updated: 2026-06-21

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Архитектура rrt-gpt2 неизвестна transformers в образе рантайма.

Ревизия весов
4f983a9

0 моделей