生成されたタイトルカードには「LingSante-Pulse-1.0」と表示され、その上にサブタイトル「Weights on Hugging Face, no code to run them」、さらにキャプション行「16.7M parameters · 12 blocks · 57 signal channels · 0 benchmarks · 0 downloads」が続く。その下には角丸のパネルが2つあり、左は「LingSante-Pulse-1.0」という見出しで、16.7M parameters、57 channel identities、no inference package の行を備える。右は「the other model」という見出しで、公開されたモデル、文書化されたランタイム、カード上のベンチマークを備える。OrcaRouter のロゴは下端に沿った白い帯の中に合成されている。
Engineering & Research

LingSante-Pulse-1.0はHugging Faceで公開されているが、それを実行するコードは公開されていない

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

LingSante-Pulse-1.0は2026年11月20日08:39 UTCにHugging Faceに登場し、同日朝の09:12までに作者のinclusionAIがすでにリビジョンをプッシュしていた。リスティングにはいいね1件、ダウンロード0件と表示されている。リポジトリ内に会話できるモデルはない。LingSante-Pulse-1.0は、ECG、EEG、気流、血中酸素といった生理信号向けの1670万パラメータのエンコーダであり、波形を固定長の埋め込みに変換してそこで止まる。ローンチ投稿も技術レポートもベンチマーク表もなく、本稿執筆時点では読み込むためのコードパッケージもない。カードには別のlingsante_pulseパッケージをインストールするよう指示があるが、そのパッケージはPyPIに存在しない。

実際に存在するものは、異例なほど明快に読み取れる。重みはF32で提供され、safetensorsヘッダーは非圧縮で読むことができ、channels.jsonにはモデルが受け付ける57種類のシグナルタイプがすべて記載されている。したがって、このモデルが何であるかについてかなり多くを語ることができ、ラボ外の誰もまだ確認できていないことについては正確に述べることができる。本稿では、これら二つのカテゴリーを分けて扱う。

現れたもの、そして現れなかったもの

リポジトリには7つのファイルが含まれています。README、MITライセンス、model.safetensors(66.9 MBのリポジトリ内に63.8 MiBの重み)、config.json、channels.npz、channels.json、および通常のgitattributesスタブです。リリース全体はこれだけです。

不在であり、その不在の一つひとつが荷重を支えている:

• リポジトリには推論コードがなく、PyPI にも lingsante-pulse または lingsante_pulse のどちらの名前のパッケージも存在しません — どちらも 404 を返します。

• ベンチマークはありません。このカードは動作を文章で説明しており(「ECGなどの生理学的信号を埋め込みに変換する」)、いかなる数値も公開していません。

• 技術レポートはありません。inclusionAIはarXiv上に存在感があり、その兄弟リポジトリであるLingSante-MedGuardは2026年11月17日に作成され、レポートにリンクしています。Pulseカードには何もリンクされていません。

• ウェブ検索で見つけられるような告知は一切ない。モデルカード自体に「After publication」という文言があり、これはパッケージの公開が予定される前に書かれた文章のように読める。

• 推論プロバイダーがありません。Hugging Face はこのモデルがどのプロバイダーによってもデプロイされていないと報告しており、モデルカードでは読者にサポートのリクエストを呼びかけています。

1つのファイルには小さな驚きがあります。config.json には、3つのデータファイルの SHA-256 ダイジェストが含まれています。それはマーケティング用の飾りではありません。ファイルがあちこちにコピーされることを想定し、無事に届いたかを確認したいチームが追加する類のチェックです。

12個のブロック、256次元、32サンプルのパッチ

safetensors のヘッダーには 203 個のテンソルが列挙されており、そのメタデータブロックには model: LingSante-Pulse、step: 260000 と書かれている。テンソル名からアーキテクチャを再構築するのは容易であり、そしてそれが存在する唯一のアーキテクチャ文書である。

• 深さと幅 — 12 個の Transformer ブロック(blocks.0 から blocks.11)で、それぞれが 256 幅の残差ストリームを持ちます。

• Attention — 形状 [768, 256] の融合された qkv 投影。つまり、幅 256 のヘッド 3 つ分のキー、クエリ、バリュー。別途の出力投影サイズは、out が [256, 256] である以外には示されていない。

• フィードフォワード — gate_up は [2048, 256]、down は [256, 1024]。これは幅 1,024 の隠れ層を持つゲート付き線形ユニットの形状シグネチャです。

• ゲーティング — 各ブロックは [256, 256] の attention_gate とバイアスを持ち、さらに [1024, 256] の対応する film_heads.N が 1,024 値の変調ベクトルを出力します。12 個のブロックに対して 12 個の FiLM ヘッドがあります。カードには、それらが何によって条件付けられるのかを説明する記述は一切ありません。

• パッチ化 — patch.weight は [256, 32] です。カードが指定する固定 128 Hz で 1 パッチあたり 32 サンプルは、ちょうど 250 ミリ秒であり、これは README が返されるトークン特徴量に対して示す間隔です。計算が合います。

• シーケンスの構成要素 — 1つの cls トークン、1つの mask_token、および [1, 4, 256] テンソル内の4つの register_tokens。

• テキスト経路 — text_adapter.0 は384次元を256次元に射影し、text_adapter.1 は256次元内で精緻化します。カードには、チャネル条件ベクトルは BAAI/bge-small-en-v1.5 に由来し、その隠れサイズは384であると書かれています。したがって、モデルは入力チャネルの自然言語記述によって条件付けられ、それを自身の空間に射影しています。この解釈は形状とカードの出所に関する注記からの推論であり、文書化された設計ではありませんが、両者は一致しています。

もう 1 つヘッドがあります — [256, 64] の validity.weight です。サンプルが実際に観測されたかどうかを位置ごとに示す信号で、これはカードで言及されている observed-valid PatchMean とストレージパディングマスクに一致します。

Screenshot of the Hugging Face model card for inclusionAI/LingSante-Pulse-1.0 captured 20 November 2026 in English: the header reporting 16.7M parameters, tensor type F32 and 7 files, the Inference Providers panel stating the model is not deployed by any provider with a request-support link, the usage example that imports lingsante_pulse and calls from_pretrained then encode on a 2-by-1-by-1280 array with sample_rate 128, and the closing note that the returned values are signal representations with task-specific prediction heads not included.

データシートではなくテンソルの形状から読み取った仕様書:1670万パラメータ、幅256の12ブロック、128 Hzでの32サンプルパッチ、およびチャネル条件付け用の384→256テキストアダプタ。

57チャンネルが睡眠ラボを描写する

興味深いファイルは重みではない。channels.jsonだ。これはモデルが受け付ける57個のシグナル識別子それぞれについて、平易な英語で書かれた説明を含んでいる。

リストを順番に読むと、もはや一般的な生体信号の語彙には見えなくなる。睡眠中の脳波頭皮電極3本。睡眠中の眼電図電極2本。睡眠中のオトガイ筋電図、睡眠中の下肢筋電図。気流、胸郭努力、腹部努力、いびき、SpO2。これは睡眠検査技師が列挙するであろう順序の睡眠ポリグラフ検査のモンタージュだ。

その後、リストは別の部屋へと続いていく。気道圧は「麻酔用人工呼吸器によって測定」。終末呼気CO2。呼吸数はDräger PrimusおよびSolar8000モニターから導出。前額部の麻酔深度モニターからのデシベル単位のBIS EEGパワー、およびその2本の前頭部EEG誘導。完全な胸部誘導一式、3つの改良四肢誘導、16の単極EOG誘導を備えた12誘導ECG。

2つの現場、1つのチャネル語彙。このリポジトリから最も無理なく導ける推論は、エンコーダが睡眠検査と周術期または集中治療モニタリングの両方にわたって訓練されたということ、そして設計者たちが、病院がすでに導入しているどのモンタージュに適用しても使える単一のモデルを望んでいたということだ。モデルカードにはそう書かれていない。チャネル一覧がそれを代弁している。

その広範さは、モデルの主要な工学的主張でもある。57種類の異種チャネル識別子を受け入れ、すべてを128 Hzにリサンプリングし、チャネルごとに1つの埋め込みを返す1600万パラメータのエンコーダは、臨床波形を扱ったことのある人なら誰でも即座に気づくデータプラミング上の問題を解いている。つまり、病院内では、サンプリングレートも、誘導の命名も、どのチャネルが実際に記録されたかも、何一つ統一されていないのだ。

足りない部分はパッケージです。

カードの使用例は4行です:

`from lingsante_pulse import LingSantePulse`、次に `LingSantePulse.from_pretrained()`、次に `model.encode(x, sample_rate=128, channels=[{"modality": "ECG", "lead": "II"}])`、次に形状を出力します。

そうしたものは今日ではどれも動かない。インポートは、カードが暗黙に指し示すインデックス上にパッケージが存在しないために失敗する。モデルディレクトリには重みと条件付けベクトルが入っているだけで、Python モジュールは入っていない。このリリースを使いたい読者に残された道はただ一つだ。203 個のテンソル名からフォワードパスを再実装し、活性化関数を推測し、FiLM 変調がどのように、どの順序で適用されるのかを推測し、正規化統計量が著者らの使ったものであることを願うしかない。

パッチに対するトランスフォーマーなら、それは不可能ではない。PyTorchに精通している人なら1日仕事で、それ以外の人にとっては研究プロジェクトだ。しかし「再実装可能」と「出荷済み」は別物であり、その間のギャップこそがリリースの価値の大半が宿るところだ。推論経路のない重みは、モデルについての主張であって、呼び出せるモデルではない。

モデルカードはその継ぎ目を認識している。「これらのモデル資産を使用する前に、別個の推論コードパッケージをインストールしてください」と記し、続く例では「公開後、この完全な例は初回使用時にモデルをダウンロードします」と述べている。どちらの文も前方を指している。パッケージが今後登場するのか、それともこのリリースが事前配置の動きなのか——重みは公開され、引用可能で、内部ハーネスで測定でき、コードが到着した瞬間に使える状態になっている。

カードが主張していること、そして省いていること

문서화된 인터페이스는 좁고 구체적이며, 이는 장점입니다.

• 入力形式 — [T]、[C, T]、[B, C, T]、または整列済みのチャネル辞書。長さの不揃いな録音でも動作します。モデルには、真のサンプルレートと各チャネルの物理的識別情報を指定します。

• 前処理 — コードパッケージは、固定された128 Hzへのリサンプリング、観測サンプル、およびストレージパディングマスクを処理するとされている。これはまだ存在しないコードに関する主張であることに注意。

• 出力 — CLS と observed-valid PatchMean は [B, C*256] として個別に返され、チャネルは入力順に連結されます。return_tokens=True を指定すると、0.25 秒間隔のパッチ特徴量と有効性マスクも得られます。

• スコープ — 「これらは信号表現であり、タスク固有の予測ヘッドは含まれません。」平たく言えば、Pulse は特徴量を提供し、分類器、検出器、リスクスコアはあなたが用意します。

それが与えないもの:それらの特徴量が何に役立つかを示す手がかりは一切ない。線形プローブの表も、下流タスクのリストも、エンコーダがどのデータセットで訓練されたかの記述も、1,280サンプルの例(128 Hzで10秒)以外の窓長の指針も、訓練時に見たことのないチャネルをどう扱うかについての記述も、既存の生理学的基盤モデルとの比較もない。ステップカウンタには260,000訓練ステップと表示されている。リリース全体で訓練に関する数字はこれだけだ。

重みのみのドロップがスコアリングしにくい理由

エンコーダは抽象的に評価することはできない。その品質は完全に、それに接続する下流タスクの関数であり、それを報告する標準的な方法は、明示された分割を伴ういくつかの公開データセットにわたる凍結特徴量の線形プローブである。それらの数値がなければ、三つのことは知りようがない。

まず、埋め込みが情報を運んでいるのか、それとも単に分散を運んでいるのか。10秒のECGから抽出された256次元ベクトルは、もっともらしく見える——滑らかで、構造を持ち、患者間で安定している——にもかかわらず、心拍数と信号品質しか符号化していないことがある。それらを区別できるのはプローブだけだ。

第二に、チャネル条件付けが実際に役立つのか、それとも装飾的なものなのか。このアーキテクチャはテキストアダプターと57個のチャネル識別情報に投資している。単一チャネルのECGのみのベースラインがフルモデルと同等であれば、その仕組みは便益のないコストであり、それを示せるのはアブレーションだけである。

第三に、モデルが訓練分布を超えて汎化するかどうか。臨床波形は、デバイス、電極配置、集団の間で大きく変動する。「見たことのあるモンタージュで機能する」は「あなたの棚にあるモンタージュで機能する」よりもはるかに弱い主張であり、ここでは後者を検証するものは何もない。

これは非難ではありません。論文なしで数時間前にアップロードされたモデルは通常の最初のステップであり、技術報告書はすでに査読中かもしれません。これは単に証拠の正直な現状であり、これに基づいて構築すべきか判断する読者は、現在検証されているのがファイル一覧だけであることを知っておくべきです。

何がこれを変えるでしょうか

4つのこと、それぞれがどれだけ多くのことを教えてくれるかの昇順で。

{{1}}lingsante_pulse{{/1}} でのPyPIリリースを行えば、モデルが実行可能になり、カードの使用例がドキュメントからテストへと変わります。これが最も小さく、かつ最も実現可能性の高い次のステップです。

カード内に学習コーパスを明記する段落があれば、読者は統合に丸1日を費やす前にドメイン適合性を判断できる。現状、チャネル一覧は睡眠データと麻酔データを示唆しているが、それを裏付けてはいない。

2つか3つの公開データセット(1つは睡眠、1つは心臓)に対する凍結特徴量プローブがあれば、このリリースは単なる成果物から結果へと変わるだろう。これは最も重要で、著者にとって最も負担の少ない項目である。

独立した再現は上記のいずれよりも重要であり、ベンダーが手配できるものではない。誰もこのモデルを公開の場で実行していない。これが今後数週間、心に留めておくべき一文だ。

このようなエンコーダーは、実際に稼働するシステムのどこに位置するのでしょうか。エンコーダーは特徴量を生成しますが、それを推論する別のものが必要であり、多くの臨床パイプラインでは、その「別のもの」とは埋め込みの要約を患者のカルテと併せて読む言語モデルです。その推論レイヤーこそが OrcaRouter の提供する部分です — 200以上のモデルにわたる単一の API、プロバイダーの定価をマークアップなしでそのまま適用、そしてプロバイダーが劣化した際の自動フェイルオーバー。LingSante-Pulse-1.0 自体は自己ホスト型の重みであり、当社のカタログには含まれていません。エンコーダーとその出力を読むモデルは別々の購入判断であり、API があるのは2番目のモデルだけです。

今のところ、実用的な答えは地味だ。PSGや術中波形データがあり、PyTorchを自在に扱えるなら、safetensorsファイルをダウンロードしてヘッダーを読むといい——それはこのリリースで最も情報量の多い成果物だ。今週中に使えるものが必要なら、ここにはまだ何もない。63.8 MiBの重みは、ファイルサイズを伴う約束にすぎない。

Screenshot of the Hugging Face Files and versions tab for inclusionAI/LingSante-Pulse-1.0 captured 20 November 2026 in English: seven rows with sizes and commit messages — .gitattributes 1.52 kB, LICENSE 1.09 kB, README.md 2.21 kB, channels.json 7.23 kB, channels.npz, config.json 343 Bytes and model.safetensors 66.9 MB — and a commit history reading seven commits, the newest an upload of README.md 44 minutes earlier.

現状のままのリリース全体は次のとおりです。ファイルは7つ、うち1つは重みで、コードは1つもありません。

A generated two-column board headed 'Checked in the repository on 20 November 2026'. The left column lists what the repository supports: parameter count 16.7M all F32, architecture read from 203 tensor shapes, 57 channel identities in channels.json, SHA-256 digests in config.json. The right column lists what it does not: inference code in the repo, lingsante_pulse on PyPI (404), any benchmark number, any hosted endpoint. The OrcaRouter logo is composited in a white strip along the bottom edge.

現在このリポジトリが対応しているのは、パラメータ数、テンソルの形状から読み取れるアーキテクチャ、そしてチャネル語彙です。ただし、ベンチマークもパッケージもプロバイダもありません。