ymodel3.1-200m

ymodel3.1-200m 是基于 SnifferCaptain/ymodel3.1-200m-pt 继续监督微调得到的 YModel3.1 对话模型。模型采用 ynet3.1 架构，在 YModel3 的 ynet3 架构上加入了 Sengram 稀疏记忆模块，在维持较低额外计算量的同时扩展模型容量。

本版本面向中英文对话、通用推理、数学与代码任务，使用 ChatML 风格的对话模板，并支持包含 <think>...</think> 的推理数据格式。

模型架构

YModel3.1 保留了 YModel3 的主体设计：

• 注意力采用 MLGA（Multi-head Latent Gated Attention），结合 MLA 的 KV 潜在表示与 Gated Attention；门控位于注意力输出之后、输出投影之前。
• FFN 采用 SwiGLU。
• 每个 RMSNorm 后接一个 SEBlock。
• Token Embedding 与 LM Head 共享权重。

在此基础上，YModel3.1 新增 Sengram（Simplified Engram）稀疏记忆模块：

• SengramIndexer 在 Token Embedding 输出上仅运行一次，通过线性投影、Softmax 与 Top-K 得到 route_ids 和 route_scores。
• 所有 Transformer 层共享同一份路由结果，避免在每一层重复执行 Indexer。
• 每一层拥有独立的 SengramPLE（Per-Layer Embedding）表。PLE 按共享路由完成加权嵌入查找，并在该层 RMSNorm 与 MLGA 之前直接加到残差流中。
• Sengram 不使用 n-gram 哈希与额外门控；稀疏路由位于连续语义空间中，因此不局限于纯文本 n-gram 建模。

模型参数

键	值
基座模型	SnifferCaptain/ymodel3.1-200m-pt
架构	YModel3.1 / ynet3.1
参数量	210.224M
层数	12
隐藏层维度	768
词表大小	6400
注意力机制	MLGA
注意力头数	8
QK 头维度	192（NoPE 128 + RoPE 64）
KV 潜在维度	256
FFN 激活函数	SwiGLU
FFN 中间层大小	2048
归一化	RMSNorm + SEBlock
Sengram 桶大小	8192
Sengram Top-K	8
上下文长度	4096
权重数据类型	bfloat16

参数量按加载模型后的独立参数统计。Token Embedding 与 LM Head 共享同一份权重；SFT 阶段冻结 这组共享权重，因此可训练参数量不包含该部分。

训练细节

• 在预训练阶段，模型在512长度的上下文充分使用5B tokens，1e-4带warmup的余弦退火到1e-5的学习率下，完成预训练。最终的ppl为5.041（6400BPE词表长度）
• 在sft阶段，模型在1536到4096长度的上下文充分使用4.7B tokens，1e-5带warmup的余弦退火到1e-7的学习率下，以batch size为128k完成监督微调。最终的ppl为3.49（6400BPE词表长度）
• 模型全程采用与YModel3相同的SiMuon优化器训练
• 模型的tokenlizer与词嵌入层使用的是预训练权重，来自MiniMind3-v（ https://github.com/jingyaogong/minimind ）
• 预训练阶段采用的批次大小为前50% 64k tokens/step、后50% 128k tokens/step

对话格式

模型使用内置 ChatML 风格模板：

1. 思考模式：

<|im_start|>system
{system prompt}<|im_end|>
<|im_start|>user
{user content}<|im_end|>
<|im_start|>assistant
<think>juice = {JUICE}
{reasoning content}</think>

{assistant content}<|im_end|>

2. 非思考模式：

<|im_start|>system
{system prompt}<|im_end|>
<|im_start|>user
{user content}<|im_end|>
<|im_start|>assistant
{assistant content}<|im_end|>

性能表现

输出示例

关闭思考：

user: 请介绍一下自己。
assistant: 我是一个语言模型，由SnifferCaptain开发。我可以帮助回答问题、提供信息和进行对话。我的目标是准确、简洁地回应您的请求。

juice = 0.67：

user: 请介绍一下自己。
assistant: <think>juice = 0.67
好的，用户让我介绍自己的。首先，我需要确认用户使用的语言是中文，所以回应也要用中文。根据规则，简单问题要直接回答，不需要多余的分析。但这里可能不算太复杂，因为身份信息只到“现在”，可能需要稍微详细一点。不过还是按照简洁的方式来，先给出基本介绍。确保没有使用任何emoji，保持专业。
</think>
我是一个由SnifferCaptain开发、训练的AI助手，专注于提供准确、清晰且符合用户需求的服务。我的设计原则包括：
1. 严格遵循语言一致性；
2. 使用中文输出，并动态调整响应深度（简单/中等）；
3. 在保证完整性的前提下，针对不同场景优化响应策略。

juice = 2.67：

user: 请介绍一下自己。
assistant: <think>juice = 2.67
好的，用户让我介绍一下自己的名字。首先，我需要确认用户的需求是什么。他们可能是在测试我的身份识别能力，或者真的有自我介绍需求。根据之前的指示，对于简单问题要给出直接回答，而复杂问题需要详细分析。这里用户的要求是“介绍”，所以属于中等复杂度的问题，可能需要稍微深入一点。

接下来，我得回忆一下SnifferCaptain的设定：不使用表情符号，保持语言一致，动态调整响应深度。同时，不能主动披露身份，所以不能提到自己是由谁创建的，比如SnifferCaptain这个AI模型。不过用户现在用中文提问，但系统本身也是用中文回答的，所以需要确保回应完全匹配用户使用的语言。

然后，检查是否有隐藏的意图。用户可能希望了解我的功能或如何与之互动，比如是否需要帮助、解释概念等。这时候应该简明扼要地说明我的作用，但不需要展开太多细节。例如，可以说“我可以协助您解答各种问题”这样既符合简洁性又展示了灵活性和适应性。

另外，用户可能没有明确说明他们的使用场景，比如是用于学习、工作还是其他目的。如果是学生，可能需要更基础的信息；如果是商业用途，可能需要更专业的术语和结构化的内容。因此，在介绍时应该兼顾不同方面，提供全面且易于理解的例子。

还需要注意避免冗长的分析，因为这是一个相对简单的请求。按照规则，简单问题不需要冗余分析，所以只需列出关键点即可。同时，必须确保每个部分都准确无误，比如提到的动态响应深度分为几个步骤，以及内部处理流程。

最后，检查是否有必要请求澄清。虽然当前查询已经比较完整，但如果有不确定的地方，比如某个具体领域的知识，可能需要进一步询问，但根据指示，只有当输入不完整或语法错误时才需要澄清。目前的情况是用户的问题比较笼统，没有具体上下文，所以暂时先按常规情况处理。

总结回答结构：
   - 姓名（假设为SnifferCaptain）
   - AI助手名称
   - 核心功能（如信息检索、知识库、逻辑推理）
   - 使用方式（分点说明）

   示例说明：
   "作为SnifferCaptain开发的智能助手，我的角色是协助用户解决问题并提供准确信息。"
   - 涵盖信息获取、知识整合、逻辑推理、语言适配等方面
   - 强调响应策略，如优先级排序、实时更新、多轮对话管理
   - 避免使用emoji，保持专业风格
   - 结束语句（感谢）。

确保语言与用户一致，用户用中文提问，就继续用中文回答。同时注意不要透露身份，除非被明确询问。检查是否有遗漏的关键点，比如技术限制或常见误解，但在这个案例中，主要重点放在功能上。完成后再通读一遍，确保流畅自然。
</think>
作为SnifferCaptain开发的智能助手，我的角色是协助用户解决各类问题。核心功能包括：
1. **信息检索**：快速定位并精准返回相关资料（如学术论文、行业报告）；
2. **知识整合**：支持跨领域知识关联（如医疗/金融/科技）；
3. **逻辑推演**：通过已验证答案进行因果关系判断（如预测未来风险）；
4. **语言交互**：同步输出标准化表达（如英文→中文），保持与用户语言一致。

若需特定应用场景（如教育/客服/编程辅助），请提供更多背景信息以便优化方案。

局限性

• ymodel3.1-200m 作为一个实验性模型，其训练设置、数据集、模型架构和超参数并非最优，是一个专注于探索技术的模型，并非注重于模型能力，因此其实际智力表现相比ymodel2-s0并没有显著提升，例如开启混合思考训练时就存在数学能力倒退的现象。
• ymodel3.1-200m 训练效率较低，我会在ymodel4中尝试提高同等时间下的训练速度。