/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
arbiter-omni
Опубликована
1 окт 2026

ArbiterOmni

Описание изображенийИзображение → текст

ArbiterOmni — быстрая мультимодальная модель для принятия решений по изображениям с оценкой уверенности и неопределённости.

0скачиваний за 30 дней1лайквеса обновлены5 окт 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

ArbiterOmni — мультимодальная модель принятия решений, разработанная автором репозитория cameronduff. Она предназначена для быстрой классификации и арбитража решений по изображениям с оценкой уверенности, в том числе для робототехники и автономных систем. В карточке описаны варианты v6 и v6-Max: вариант v6-Max использует архитектуру mixture-of-experts из четырёх слоёв с общим и маршрутизируемыми экспертами, а также визуальный бэкбон SigLIP ViT-B-16. Для v6-Max указано 103,88 млн обучаемых параметров и 212 млн замороженных; для v6 — 30,34 млн обучаемых и 212 млн замороженных. Файлы репозитория представлены в формате PyTorch.

Модель заявлена как нерегрессионная и одношаговая: она возвращает оценки классов и неопределённости, а не развёрнутые авторегрессионные ответы. README описывает поддержку изображений, языка, видео и аудио, однако метаданные подтверждают только задачу image-to-text; достоверно индексировать следует именно её. Указаны обучение на наборах ScienceQA, AI2D, GQA и SEED-Bench и язык карточки en. Лицензия — Apache-2.0. Заявленные в README гарантии покрытия и задержки не подтверждены независимыми результатами в предоставленных данных.

Сценарии применения

  • ответы на вопросы по содержимому изображений
  • анализ научных диаграмм и учебных иллюстраций
  • визуальная оценка сцен для робототехнических систем

Ограничения

В предоставленной карточке нет независимой оценки качества; заявленные задержки и статистические гарантии приведены автором и не подтверждены здесь. Поддержка аудио и видео описана в README, но метаданные подтверждают только задачу image-to-text.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ArbiterOmni — Multimodal System 1 Decision Engine

ArbiterOmni is an open-source, non-autoregressive multimodal decision-making model designed for real-time, safety-critical arbitration across vision, language, video, and audio.

Rather than generating verbose text autoregressively (800–3,000 ms), ArbiterOmni performs single-pass decision arbitration (0.5–15 ms) with calibrated softmax probabilities, Shannon entropy uncertainty, and finite-sample 95% conformal prediction coverage guarantees.


Model Family & Releases

CheckpointParametersCheckpoint Size (FP16)Checkpoint Size (FP32)Manifold DimMoE ArchitectureOptimization & TrainingTarget Deployment
ArbiterOmni v630.34 M trainable (212 M frozen)86.22 MB115.80 MB512-dim4 Layers x (1 Shared + 4 Routed Experts)2 Epochs, DirectML GPUEdge robotics, embedded real-time safety gates
ArbiterOmni v6-Max103.88 M trainable (212 M frozen)198.23 MB396.36 MB768-dim (Native SigLIP)4 Layers x (1 Shared + 7 Routed Experts = 32 Experts)10 Epochs, CosineAnnealingLR + SWA, DirectML-Native AdamWHigh-capacity autonomous systems, surgical AI, enterprise triage

Architectural Highlights

1. Native 768-Dim Manifold (v6-Max)

v6-Max operates natively in SigLIP's uncompressed 768-dimensional latent space (hidden_dim = 768, scoring_dim = 768), completely removing the 512-dim bottleneck of previous versions.

2. DeepSeek-V3 Style Shared + Domain-Specialized MoE

  • 1 Shared Invariant Expert per layer: Always active (100% routing frequency), preserving universal cross-modal representations.
  • 7 Domain-Specialized Routed Experts per layer (32 total experts across 4 transformer layers): Dispatched via Top-2 soft routing with Switch auxiliary load-balancing loss.

3. Tier-0 Speculative Early-Exit Arbiter

A lightweight 128-dim draft projection scores candidates directly from GPU L1/L2 cache. High-confidence states exit in <0.5 ms; uncertain states route to the full MoE pathway.

4. Test-Time Deliberation Tournament (TTC) & Conformal Risk Control

Candidates compete against semantic foils dynamically harvested from a 100,000-candidate resident memory bank in shared host DDR4 RAM. The model returns certified 95% conformal prediction sets and automatically triggers a System 2 escalation gate when decision entropy exceeds empirical calibration thresholds.


Training Progression & Empirical Performance (v6-Max)

Trained for 10 full epochs (8.66 hours) on an AMD Radeon RX 480 GPU via DirectML-native AdamW:

MetricEpoch 1 (Warmup)Epoch 3 (Peak Val)Epoch 6 (Mid)Epoch 10 (SWA Final)Total Relative Change
Training Loss58.6758.2851.4536.07-38.5%
Validation Loss55.7255.1444.4126.80-51.9%
Training Accuracy55.09%63.58%63.91%64.95%+9.86%
Validation Accuracy55.56%61.55%59.44%54.85% (SWA ensembled)+5.99% peak
Decision Entropy1.034 nats0.883 nats0.809 nats0.754 nats-27.1% (Sharper Calibration)
Host Memory (RSS)2,516 MB2,650 MB2,632 MB3,164 MBStable (<3.5 GB across 12 GB pool)

Cross-Generation Benchmark Comparison

Metric / Dimensionv1v2v3v4v5v6v6-Max (Flagship)
BackboneOpenCLIP ViT-B-32OpenCLIP ViT-B-16SigLIP ViT-B-16SigLIP ViT-B-16SigLIP ViT-B-16SigLIP ViT-B-16SigLIP ViT-B-16 (Native)
Manifold Dim512512768768768512768 (Native, No Down-Proj)
Visual Patches49196196980 (Multi-Scale)980980980 (Dynamic Tiling)
Fusion Architecture2-Layer Dense4-Layer Dense4-Layer Dense4-Layer Dense4-Layer MoE4L Shared+MoE4L Shared+MoE (8 Experts/L)
Trainable Params2.21 M12.53 M13.32 M13.32 M25.94 M30.34 M103.88 M
Frozen Params151.28 M149.62 M212.07 M212.07 M212.07 M212.07 M212.07 M (0% drift)
Memory BankNoneNoneNone50,000100,000100,000100,000 Foils (FP16)
Checkpoint (FP16)8.46 MB71.45 MB76.20 MB76.19 MB49.53 MB86.22 MB198.23 MB
Inference Latency~50 ms~30 ms~22 ms~20 ms<15 ms<0.5 ms (Tier-0)<0.5 ms (Tier-0), <15 ms (MoE)

Quickstart & Installation

# Direct installation from GitHub
pip install git+https://github.com/cd1234/arbiter-omni.git

# Or clone and install in editable mode:
git clone https://github.com/cd1234/arbiter-omni.git
cd arbiter-omni
pip install -e .

Loading v6-Max (High-Capacity Flagship)

from arbiter_omni import ArbiterOmniEngine

# Load v6-Max directly from Hugging Face Hub
engine = ArbiterOmniEngine.from_pretrained("cd1234/ArbiterOmni", checkpoint_file="arbiter_omni_v6_max.pt")

# Perform calibrated multimodal decision arbitration
result = engine.decide(
    question="What is the safest immediate action?",
    candidates=[
        "decelerate smoothly and increase following distance",
        "proceed at maximum velocity without braking",
        "execute uncontrolled swerve into barrier",
    ],
    text="Dense multi-lane highway, heavy rainfall, vehicle decelerating abruptly 15m ahead.",
    test_time_deliberate=True,
)

print(f"Decision              : {result.decision}")
print(f"Confidence            : {result.confidence * 100:.2f}%")
print(f"Entropy               : {result.entropy:.4f} nats")
print(f"Speculative Exit Path : {result.speculative_early_exit}")
print(f"Conformal Set (95%)   : {result.prediction_set}")
print(f"Stability Index       : {result.stability_index:.3f}")

Loading v6 (Compact Production)

engine = ArbiterOmniEngine.from_pretrained("cd1234/ArbiterOmni", checkpoint_file="arbiter_omni_v6.pt")

Citation

@software{arbiteromni2026,
  title={ArbiterOmni: Multimodal System 1 Decision Engine with Speculative Early Exit, Shared-Routed MoE, and Conformal Risk Control},
  author={Cameron Duff},
  year={2026},
  url={https://huggingface.co/cd1234/ArbiterOmni}
}

License

Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · arbiter-omni

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
6d624cc

0 моделей