iomgaa/Minimind
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
55 Commits 10 Branches 3 Tags
Commit Graph

28 Commits

Author SHA1 Message Date
Aurora
3d69ae866e Experiment 1.4.10 2025-09-11 00:10:08 +08:00
iomgaa
e06f94b5f5 update 2025-09-07 22:41:30 +08:00
iomgaa
b5dcf0c576 update 2025-09-06 18:29:32 +08:00
iomgaa
7b42ea2f93 update 2025-09-06 18:16:46 +08:00
iomgaa
3e0477fd79 update 2025-09-06 17:25:46 +08:00
iomgaa
2f6995d667 update 2025-09-06 15:12:05 +08:00
iomgaa
cb3152dc94 update 2025-09-06 12:12:08 +08:00
iomgaa
afd4fd1f0f Experiment 1.4.9: Memory Bank优化 - 顺序冻结 + 相似度Loss + 维度修复 
🔬 实验基础: 基于实验1.4.7的重要改进
🎯 研究目标: 提升Memory Bank的知识保护和检索准确性

🚀 三大核心创新:

1️⃣ 智能冻结策略改进
• 从随机冻结 → 顺序冻结前20%记忆条目
• 保护重要知识: 假设前面的记忆条目更重要，需要优先保护
• freeze_ratio=0.2: 冻结前20%的memory_bank条目

2️⃣ 查询-知识相似度Loss
• 新增相似度监督信号: 衡量查询向量与选中知识的匹配度
• 余弦相似度计算: F.cosine_similarity(query, selected_memory)
• 相似度统计: 平均值、最大值、最小值、标准差全方位监控

3️⃣ 维度截断问题修复
• 统一维度处理: knowledge_dim → dim，避免信息截断
• concat_dim修正: dim + num_selected * dim (之前是knowledge_dim)
• 记忆向量完整保留: 解决查询结果维度被不当压缩的问题

🏗️ 架构优化细节:
• GatedMemoryFusion维度一致性: 统一使用dim维度
• 记忆池化策略: 使用平均池化压缩knowledge_length维度
• 残差连接增强: 改进memory_output与主路径的融合

📊 实验配置:
• experiment_1_4_9-02: 8层网络完整测试
• experiment_1_4_9-04: 1层网络最小验证
• EMA更新机制: decay=0.9, update_freq=5
• 数据库初始化: sentence_trex_data.json文本数据

💡 技术假设:
顺序冻结策略能更好地保护重要知识，相似度Loss能提升检索精度，
维度统一能减少信息丢失，三者结合将显著改善Memory Bank性能。

🛠️ 基础设施改进:
• UUID映射系统: 跟踪记忆条目的原始数据源
• 增强缓存机制: 支持映射文件自动生成
• 监控系统升级: 相似度统计信息实时追踪

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>
 2025-09-05 14:24:48 +08:00
Yu Chengzhang
44fe6259ec Experiment 1.4.7: Memory Bank文本初始化 + 部分冻结机制 
## 主要改进
- 🔥 Memory Bank文本初始化：使用sentence_trex_data.json真实文本数据
- 🔥 部分冻结机制：新增freeze_ratio=0.2，保护20%重要记忆条目
- 📊 性能提升：推理Loss改善5.5% (2.4699 vs 2.6142)

## 核心变更
### model/LMConfig.py
- 新增freeze_ratio参数，支持Memory Bank条目冻结控制

### model/model_memory.py
- 实现freeze_mask机制，随机冻结20%记忆条目
- EMA更新过滤：只更新未冻结条目，保护重要知识
- 统计信息增强：新增冻结条目数量和比例监控

### train_pretrain_accelerate.py
- model_memory完整初始化支持：文本数据处理、缓存机制
- sentence_trex_data.json文本tokenization和长度处理
- memory_bank_init缓存优化，提升重复实验效率

### 实验文档
- experiment/EXPERIMENT_1_4_7.md：完整实验记录和结果分析
- run_file/experiment_1_4_7.sh：实验执行脚本
- CLAUDE.md：架构设计防护规则和模型版本管理规范

## 实验结果
✅ 文本初始化效果验证：Loss性能改善5.5%
✅ 冻结机制技术实现：209,715/1,048,576条目成功冻结
❌ 生成连贯性仍需改进：架构级问题待解决

## 下一步优化
- EOS token控制修复
- Cross-attention权重优化
- 生成参数调优(temperature/top_p)

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>
 2025-08-19 19:32:52 +08:00
Yu Chengzhang
cf9acb2064 Experiment 1.4.6: Token-based Memory架构实现 
完成实验1.4.6的Token-based Memory架构，实现以下改进：
- 记忆库从连续特征向量存储改为离散token ID存储
- 实现双向编解码机制（embedding→特征→output→token）
- 优化EMA更新参数：ema_decay=0.9, ema_update_freq=5
- 显著降低GPU显存使用：从23GB降至13GB（-43%）
- 推理Loss从2.6382降至2.6142（改善0.9%）

技术亮点：
- 有效表示维度从128提升至4096（32x增强）
- 稀疏缓存机制避免内存爆炸
- 立即压缩策略平衡显存和性能
- 人类可解释的记忆内容

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>
 2025-08-14 23:04:52 +08:00
Yu Chengzhang
a7fe947a35 Experiment 1.4.5:使用VQ-VAE的EMA来更新数据库 2025-08-09 10:47:35 +08:00
Yu Chengzhang
e61d92c4bc Experiment 1.4.4:负载平衡有效 2025-08-07 11:43:23 +08:00
Yu Chengzhang
bba325ef7e Experiment 1_4_1 2025-08-03 14:25:26 +08:00
Yu Chengzhang
c0424644f5 Experiment_1_4_0 2025-08-01 15:54:21 +08:00
Yu Chengzhang
d9d281967e 修复了一些bug 2025-07-17 12:06:28 +08:00
Yu Chengzhang
d701003f8a pretrain过程中会打印10个token以方便观察 2025-07-17 00:05:34 +08:00
Yu Chengzhang
2797b76939 experiment_1.3.0-1.3.2 2025-07-13 21:28:46 +08:00
Yu Chengzhang
5e464bbd3f 添加了对于多种模型的支持 2025-07-12 18:00:53 +08:00
iomgaa
d6617702a5 DynamicKV-LLM Pretrain v1.2.2:新数据集；使用uv；消除内存泄漏 2025-06-25 20:27:28 +08:00
iomgaa
770c34f0e3 DynamicKV-LLM Pretrain v1.2.1 2025-06-08 02:20:36 +00:00
iomgaa
1678e739b6 DynamicKV-LLM Pretrain v1.2.0 2025-06-07 02:41:45 +00:00
iomgaa
000e17a93f 修正了key分解、负载均衡等错误 2025-06-06 11:25:59 +08:00
iomgaa
64e92473c3 数据初始化使用了缓存 2025-05-29 20:29:45 +08:00
iomgaa
67c632d010 update 2025-05-27 11:46:18 +08:00
iomgaa
c96a9c35d5 对数据库进行了初始化 2025-05-26 23:09:03 +08:00
Gary
d7fe504e1e update 2025-05-16 08:38:59 +00:00
Jax922
5841f8b4e5 DynamicKV-LLM Pretrain v1.1.0 2025-05-14 00:42:50 +08:00
iomgaa
089afd6728 DynamicKV-LLM Pretrain v1.1.0 2025-05-14 00:01:40 +08:00