---
license: apache-2.0
language:
- zh
- en
tags:
- open-mythos
- pytorch
- recurrent-depth-transformer
- mixture-of-experts
- small-model
- pretraining
- multi-domain
metrics:
- type: eval_loss
  value: 4.87
pipeline_tag: text-generation
datasets:
- ShengbinYue/DISC-Law-SFT
- bigbio/pubmed_qa
- wikimedia/wikipedia
- flytech/python-codes-25k
- roneneldan/TinyStories
---

# OpenMythos-100M-Mixed

## 模型简介

这是首个基于 **OpenMythos** 开源架构的**公开预训练 checkpoint 系列**。
OpenMythos 实现了**循环深度变换器（Recurrent-Depth Transformer, RDT）**，
通过在核心计算模块中引入循环机制来扩展模型深度。

该模型具有约 **112.9M 参数**，在 **六个领域的混合数据**上完成了两阶段预训练（30K + 50K 步，共 80K 步）。
全部训练在消费级硬件 **NVIDIA GeForce GTX 1050 Ti (4GB)** 上完成。

## 模型架构

| 组件 | 配置 |
|------|------|
| 架构 | OpenMythos (RDT + MoE) |
| 注意力机制 | GQA (Grouped Query Attention) |
| 总参数量 | 112,898,594 (≈112.9M) |
| 词表大小 | 199,998 (openai/gpt-oss-20b tokenizer) |
| 模型维度 | 512 |
| 注意力头数 | 8 (KV 头: 4) |
| 专家数量 | 4 路由专家 + 1 共享专家 |
| 每 token 激活专家数 | 2 |
| 专家维度 | 256 |
| LoRA 秩 | 8 |
| 循环深度 | prelude=2, max_loop_iters=4, coda=2 (运行时深度 8) |
| 最大序列长度（训练） | 256 |
| 最大序列长度（推理） | 256 |

## 训练数据

模型在以下六个领域的混合数据上训练（使用 `interleave_datasets` 流式交错采样）：

| 数据集 | 领域 | 阶段1权重 | 阶段2权重 |
|--------|------|-----------|-----------|
| [DISC-Law-SFT](https://huggingface.co/datasets/ShengbinYue/DISC-Law-SFT) | 中文法律 | 20% | 25% |
| [pubmed_qa (context)](https://huggingface.co/datasets/pubmed_qa) | 英文医学 | 20% | 25% |
| [pubmed_qa (QA)](https://huggingface.co/datasets/pubmed_qa) | 家庭医生问答 | 10% | 15% |
| [wikipedia 20231101.zh](https://huggingface.co/datasets/wikimedia/wikipedia) | 中文百科 | 10% | 15% |
| [python-codes-25k](https://huggingface.co/datasets/flytech/python-codes-25k) | Python 代码 | 20% | 15% |
| [TinyStories](https://huggingface.co/datasets/roneneldan/TinyStories) | 小说创作 | 20% | 5% |

> 阶段2 调整了数据配比：降低了小说权重，提高了法律、医学和百科的占比，使模型更好地学习专业知识。

## 训练历程

模型分两阶段训练，总计 80,000 步：

| 阶段 | 起始 | 训练步数 | 数据配比 | 说明 |
|------|------|----------|----------|------|
| 阶段1 | 随机初始化 | 30,000 | 均衡配比 | 基础预训练，loss 从 12.3 降至 5.17 |
| 阶段2 | 30K checkpoint | 50,000 | 强化专业领域 | 继续训练，loss 进一步降至 4.87 |

## 训练超参数

| 参数 | 阶段1 (0-30K) | 阶段2 (30K-80K) |
|------|---------------|-----------------|
| 训练步数 | 30,000 | 50,000 |
| 最大序列长度 | 256 | 256 |
| 批次大小 | 1 | 1 |
| 学习率 | 固定 3e-4 | 3e-4 → 1e-5 (warmup 1K + cosine decay) |
| 优化器 | AdamW (β1=0.9, β2=0.95, weight_decay=0.1) | 同 |
| 梯度裁剪 | 1.0 | 1.0 |
| 混合精度 | FP16 (autocast + GradScaler) | 同 |
| 训练硬件 | NVIDIA GTX 1050 Ti (4GB) | 同 |
| 阶段训练 token 数 | ≈ 7,680,000 | ≈ 12,800,000 |
| **总训练 token 数** | | **≈ 20,480,000** |
| 阶段耗时 | ≈ 3.5 小时 | ≈ 6.7 小时 |
| **总耗时** | | **≈ 10.2 小时** |

## 评估结果

所有评估使用相同的数据配比和随机种子。验证 loss 越低越好。

| Checkpoint | 训练步数 | 验证 Loss (n_loops=4) | 相比上一版本提升 |
|------------|----------|------------------------|-----------------|
| 30K | 30,000 | 5.17 | — |
| **80K** | **80,000** | **4.87** | **↓ 0.30 (-5.8%)** |

**关键发现**：
- 第二阶段新增 50K 步训练带来了 **5.8% 的验证 loss 降低**，说明模型仍在有效学习。
- 调整数据配比（强化专业领域）的同时，验证 loss 持续下降，证明配方改进有效。
- 在仅使用 4GB 显存的消费级 GPU 上，将 100M 模型训练到可用水平是**完全可行的**。

## 深度外推能力

OpenMythos 架构的核心优势是**推理时可使用与训练时不同的循环深度**。
以下是 80K checkpoint 在不同 `n_loops` 下的表现：

| n_loops | 验证 Loss | Δ vs n_loops=4 |
|---------|-----------|-----------------|
| 1 | 7.16 | +2.29 |
| 2 | 7.03 | +2.16 |
| **4（训练深度）** | **4.87** | **0（基线）** |
| 8 | 4.96 | +0.09 |
| 16 | 4.96 | +0.09 |

**深度外推分析**：
- n_loops=4 相比 n_loops=1 有 **2.29 的巨大优势**，证明循环深度机制在有效工作。
- 从 30K 到 80K，n_loops=1 vs 4 的差距从 1.0 扩大到 2.29，说明模型越来越依赖多次循环。
- n_loops=8/16 目前略差于训练深度（4），这是正常的——模型需要在推理时见过的循环次数上表现最好。
- 未来若在不同 n_loops 下进行多深度训练，有望实现更强的深度外推。

## 使用方法

### 环境要求

```bash
pip install torch datasets loguru
git clone https://github.com/kyegomez/OpenMythos.git
cd OpenMythos
pip install -e .

### 加载模型

import torch
from open_mythos import OpenMythos
from open_mythos.main import MythosConfig
from open_mythos.tokenizer import MythosTokenizer

# 配置模型（必须与训练时一致）
cfg = MythosConfig(
    vocab_size=199998,
    dim=512,
    n_heads=8,
    n_kv_heads=4,
    max_seq_len=256,
    max_loop_iters=4,
    prelude_layers=2,
    coda_layers=2,
    attn_type="gqa",
    n_experts=4,
    n_shared_experts=1,
    n_experts_per_tok=2,
    expert_dim=256,
    lora_rank=8,
    rope_theta=500000.0,
    dropout=0.0,
    kv_lora_rank=256,
    q_lora_rank=512,
    qk_rope_head_dim=32,
    qk_nope_head_dim=64,
    v_head_dim=64,
)

# 加载模型（推荐使用 80K checkpoint）
model = OpenMythos(cfg)
model.load_state_dict(torch.load("mythos_100m_mixed_80k.pt", map_location="cpu"))
model.eval()

# 推理
tokenizer = MythosTokenizer()
prompt = "Question: What are the symptoms of diabetes?\nAnswer:"
ids = tokenizer.encode(prompt)
x = torch.tensor([ids])
with torch.no_grad():
    output = model.generate(x, max_new_tokens=100, n_loops=4, temperature=0.8)
print(tokenizer.decode(output[0].tolist()))

## 预期用途与限制

预期用途:

作为基础模型，用于微调特定领域的任务（如法律文书、医学问答等）

为研究者提供探索 RDT 架构学习动态的平台

作为教学工具，展示如何在小规模 GPU 上训练自定义架构的模型

作为 OpenMythos 架构的首个公开社区 checkpoint 系列

局限性：

由于模型规模和数据量的限制，生成的事实性知识可能不准确

不建议直接用于生产环境

模型在处理长程依赖和高度复杂的推理任务时仍有局限

当前版本仅支持 256 token 上下文，长文本能力有限

后续计划
30K 基础预训练

80K 强化专业领域训练（数据配比优化）

超算上继续训练（seq_len=1024, batch_size=2）

64GB 卡长上下文训练（seq_len=2048）

领域微调版本（法律专版、医学专版等）

模型量化（int8/int4）以支持更广泛的部署

致谢
感谢 Kye Gomez 开源 OpenMythos 架构

感谢 DeepSeek 及其他 AI 助手提供的技术支持

感谢开源社区提供的工具和数据集

特别感谢 Hugging Face 和所有数据集作者

引用
如果你使用了该模型或本训练配方，欢迎引用：

@misc{openmythos-100m-mixed,
  author = {dgcrxs},
  title = {OpenMythos-100M-Mixed: A 100M Recurrent-Depth Transformer Trained on Multi-Domain Data},
  year = {2026},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/dgcrxs/OpenMythos-100M-Mixed}},
}

许可证
本项目采用 Apache 2.0 许可证。

联系
如有问题或建议，欢迎在 GitHub Issues 或本仓库的讨论区留言。