/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
25,7 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
qwen2_moe · MoE
Базовая модель
Qwen2.5-3B-Instruct
Опубликована
5 окт 2026

Vigyan-3B-4x-MoE

Генерация текстаТекст → текст

Экспериментальная MoE-модель на базе Qwen2.5-3B-Instruct для генерации текста и STEM-запросов с четырьмя специализированными экспертами.

494скачиваний за 30 дней0лайковвеса обновлены6 окт 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Vigyan-3B-4x-MoE — экспериментальная разреженная языковая модель Vigyan AI Sovereign Initiative, созданная на базе Qwen/Qwen2.5-3B-Instruct путём объединения четырёх LoRA-адаптеров для науки, технологий, инженерии и математики. Архитектура Qwen2 MoE использует маршрутизацию Top-1: для каждого токена активируется один эксперт, дополненный общим STEM-компонентом. Модель содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов.

Модель предназначена для генерации текста и диалоговых запросов в областях STEM, а также для исследования постфактум-сборки MoE из специализированных адаптеров. В README сообщается о чувствительности маршрутизатора к предметной области и скорости 16–22 токена в секунду на потребительском процессоре AMD Ryzen 5. Авторы предупреждают о циклах повторения токенов в обычном диалоге и схлопывании представлений при переключении между экспертами; поэтому модель экспериментальная и качество ответов может быть нестабильным. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое применение.

Сценарии применения

  • генерация ответов на вопросы по науке
  • помощь с инженерными задачами
  • объяснение технологических тем
  • решение математических запросов
  • исследование маршрутизации между экспертами MoE

Ограничения

Авторы сообщают о повторении токенов в обычных диалогах и схлопывании представлений при переключении между экспертами, поэтому ответы могут быть нестабильными. Коммерческое использование ограничено лицензией CC BY-NC 4.0.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🧪 Vigyan 3B 4× MoE (Sparse Mixture of Experts)

Classification: Experimental Research Artifact / Test Model
Architecture Target: 4-Expert Sparse MoE with Top-1 Active Routing
Base Model: Qwen/Qwen2.5-3B-Instruct
Research Lab: Vigyan AI Sovereign Initiative


📌 1. Executive Summary & Research Context

Vigyan-3B 4× MoE is an experimental Sparse Mixture of Experts model upcycled from 4 specialized domain LoRA adapters (Science, Technology, Engineering, Mathematics).

It was assembled to evaluate whether post-hoc expert stitching on compact language models ($\le 3\text{B}$) can deliver multi-domain specialization at single-expert inference latency.

[!WARNING] Experimental Research Artifact:
This model is released publicly for academic replication and transparency. Extensive local testing revealed that post-hoc MoE upcycling without native end-to-end router pretraining suffers from attention-FFN desynchronization and autoregressive attractor loops under diverse conversational prompts.


📐 2. Architectural Blueprint

  • Base Foundation: Qwen/Qwen2.5-3B-Instruct
  • Active Routing: Top-1 active expert per token + shared residual STEM anchor.
  • Assembled Experts:
    • shreyansh12183/vigyan-3b-adapter-science
    • shreyansh12183/vigyan-3b-adapter-technology
    • shreyansh12183/vigyan-3b-adapter-engineering
    • shreyansh12183/vigyan-3b-adapter-mathematics
  • Gating Mechanism: gate_mode: hidden with contrasting negative prompt calibration.

📊 3. Empirical Benchmark Observations

  • Entropy Score: Observed gating logit entropy $\approx 1.1152$, demonstrating router domain sensitivity.
  • Inference Velocity: Evaluated at $\approx 16-22\text{ tokens/second}$ on consumer AMD Ryzen 5 CPU.
  • Failure Modes Identified:
    1. Delimiter Blindness: Without general conversational anchor replay during adapter training, the model degrades into token echo loops when receiving general chat greetings.
    2. Attractor Collapse: Due to uncoordinated expert state representations, consecutive tokens routed across disparate experts trigger representation collapse.

🔮 4. Future Roadmap

Our primary production focus has transitioned to Allen AI's native OLMoE-1B-7B (64 natively pretrained experts with auxiliary load-balancing loss). This checkpoint serves as foundational reference data for the Post-Hoc Upcycling Fragility Theorem.


📄 License & Attribution

Released under the Apache 2.0 License by Shreyansh (@shreyansh12183).

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2MoeForCausalLM
Ревизия весов
4b58eaa

0 моделей