Сгенерированная титульная карточка с надписью «LingSante-Pulse-1.0» над подзаголовком «Веса на Hugging Face, без кода для их запуска» и строкой подписи «16.7M параметров · 12 блоков · 57 сигнальных каналов · 0 бенчмарков · 0 скачиваний». Ниже — две панели со скруглёнными углами: левая с заголовком LingSante-Pulse-1.0 и строками «16.7M параметров», «57 идентичностей каналов» и «нет пакета для инференса»; правая с заголовком «другая модель» и опубликованной моделью, документированной средой выполнения и бенчмарками на её карточке. Логотип OrcaRouter скомпонован в белую полосу вдоль нижнего края.
Engineering & Research

LingSante-Pulse-1.0 есть на Hugging Face; кода для его запуска — нет.

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

LingSante-Pulse-1.0 появился на Hugging Face в 08:39 UTC 20 ноября 2026 года, а уже к 09:12 того же утра его автор, inclusionAI, выложил ревизию. В карточке указан один лайк и ноль загрузок. В репозитории нет модели, с которой можно поговорить: LingSante-Pulse-1.0 — это кодировщик физиологических сигналов с 16,7 млн параметров (ЭКГ, ЭЭГ, поток воздуха, насыщение крови кислородом), который превращает сигнал в эмбеддинг фиксированной длины и на этом останавливается. Не было ни анонса, ни технического отчёта, ни таблицы бенчмарков, и, на момент написания, нет пакета кода, с помощью которого его можно загрузить. В карточке предлагается установить отдельный пакет lingsante_pulse; этого пакета нет на PyPI.

То, что действительно существует, на удивление хорошо читается. Веса поставляются в F32, заголовок safetensors не сжат и читаем, а channels.json перечисляет все пятьдесят семь типов сигналов, которые принимает модель. Поэтому можно довольно много сказать о том, что это за модель, и точно обозначить то, что пока никто вне лаборатории не может подтвердить. В этом материале эти две категории разделены.

Что появилось, а что — нет

В репозитории семь файлов: README, лицензия MIT, model.safetensors (63,8 МиБ весов в репозитории размером 66,9 МБ), config.json, channels.npz, channels.json и обычная заглушка gitattributes. Это весь релиз.

Отсутствует, и каждое отсутствие является несущим:

• В репозитории нет кода инференса, и на PyPI нет пакета ни под именем lingsante-pulse, ни под именем lingsante_pulse — оба возвращают 404.

• Никаких бенчмарков. В карточке поведение описано словами («превращает физиологические сигналы, такие как ЭКГ, в эмбеддинги»), и в ней не приводится никаких числовых данных.

• Технический отчёт отсутствует. inclusionAI присутствует на arXiv, а его родственный репозиторий LingSante-MedGuard, созданный 17 ноября 2026 года, содержит ссылку на отчёт. Карточка Pulse не содержит ссылок.

• Никаких объявлений, которые можно найти через веб-поиск. Сама карточка модели содержит фразу "After publication", которая выглядит как текст, написанный до того, как был запланирован выпуск пакета.

• Нет провайдера инференса. Hugging Face сообщает, что модель не развёрнута ни одним провайдером, а карточка предлагает читателям запросить поддержку.

Один файл — небольшой сюрприз: config.json содержит дайджесты SHA-256 для трёх файлов данных. Это не маркетинговый артефакт. Это как раз та проверка, которую команда добавляет, когда ожидает, что файлы будут копировать и передавать, и хочет знать, что они дошли в целости.

Двенадцать блоков, 256 размерностей, патчи по 32 сэмпла

В заголовке safetensors перечислены 203 тензора, а его блок метаданных содержит: model: LingSante-Pulse, step: 260000. Восстановить архитектуру по именам тензоров несложно — и это единственная существующая документация по архитектуре.

• Глубина и ширина — 12 блоков трансформера (blocks.0–blocks.11), каждый с 256-мерным остаточным потоком.

• Внимание — объединённая qkv-проекция формы [768, 256], то есть ключи, запросы и значения для трёх голов шириной 256; отдельный размер выходной проекции не указан, кроме out с [256, 256].

• Прямая связь — gate_up с размерностью [2048, 256] и down с размерностью [256, 1024], что является сигнатурой формы стробируемого линейного блока со скрытым слоем шириной 1 024.

• Гейтинг — каждый блок содержит attention_gate размером [256, 256] плюс смещение и соответствующий film_heads.N размером [1024, 256], выдающий вектор модуляции из 1024 значений. Двенадцать FiLM-голов для двенадцати блоков. Ничто в карточке не объясняет, что их обусловливает.

• Патчинг — patch.weight имеет размер [256, 32]. Тридцать два сэмпла на патч при фиксированной частоте 128 Гц, указанной в карточке, — это ровно 250 миллисекунд, то есть интервал, который README указывает для признаков возвращаемых токенов. Арифметика сходится.

• Состав последовательности — один токен cls, один mask_token и четыре register_tokens в тензоре [1, 4, 256].

• Текстовый путь — text_adapter.0 проецирует 384 измерения в 256, а text_adapter.1 уточняет в пределах 256. В карточке сказано, что векторы обусловленности каналов берутся из BAAI/bge-small-en-v1.5, скрытый размер которого равен 384. Таким образом, модель обусловлена описаниями своих входных каналов на естественном языке, спроецированными в её собственное пространство. Такая интерпретация — это вывод из форм и примечания о происхождении в карточке, а не задокументированный дизайн, но эти два согласуются.

• Ещё одна голова — validity.weight при [256, 64]. Попозиционный сигнал о том, что образец действительно наблюдался, что соответствует упоминанию в карточке observed-valid PatchMean и масок хранения-заполнения.

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.

Спецификация, считанная по формам тензоров, а не по даташиту: 16,7 млн параметров, двенадцать блоков шириной 256, патчи по 32 отсчёта при 128 Гц и текстовый адаптер 384→256 для канального обусловливания.

Пятьдесят семь каналов описывают лабораторию сна

Интересен не файл весов. Интересен channels.json — в нём простым английским языком описана каждая из 57 сигнальных идентичностей, которые принимает модель.

Прочитайте список по порядку — и он перестанет выглядеть как общий словарь биосигналов. Три скальповых отведения ЭЭГ «во время сна». Два отведения ЭОГ «во время сна». ЭМГ подбородка «во время сна», ЭМГ ноги «во время сна». Воздушный поток, торакальное дыхательное усилие, абдоминальное дыхательное усилие, храп, SpO2. Это монтаж полисомнографии — в том порядке, в котором его назвал бы техник по сну.

Затем список продолжается уже в другой комнате. Давление в дыхательных путях, «измеряемое аппаратом ИВЛ при анестезии». CO2 в конце выдоха. Частота дыхания, получаемая с Dräger Primus и с монитора Solar8000. Мощность BIS ЭЭГ в децибелах с лобного монитора глубины анестезии, плюс два его фронтальных ЭЭГ-отведения. ЭКГ в 12 отведениях с полным набором прекордиальных отведений, тремя модифицированными отведениями от конечностей и шестнадцатью монополярными отведениями ЭОГ.

Две среды применения, один словарь каналов. Наиболее обоснованный вывод, который можно сделать из этого репозитория, состоит в том, что энкодер обучали как на исследованиях сна, так и на данных периоперационного мониторинга или мониторинга в отделениях интенсивной терапии — и что его создатели хотели получить одну модель, способную работать с любым монтажом, который уже есть в больнице. В карточке этого не сказано. Зато список каналов говорит об этом сам.

Эта широта также служит главным инженерным аргументом модели. Кодировщик с 16 миллионами параметров, который принимает 57 разнородных идентификаторов каналов, передискретизирует всё до 128 Гц и возвращает одно вложение на канал, решает проблему подготовки данных, которую сразу узнаёт каждый, кто работал с клиническими сигналами: в больнице ничто не сходится — ни частота дискретизации, ни названия отведений, ни то, какие каналы фактически записывались.

Недостающая часть — это пакет.

Пример использования карты занимает четыре строки:

из lingsante_pulse импортируйте LingSantePulse, затем LingSantePulse.from_pretrained(), затем model.encode(x, sample_rate=128, channels=[{"modality": "ECG", "lead": "II"}]), затем выведите размерности.

Ничего из этого сегодня не работает. Импорт завершается ошибкой, потому что пакета нет в индексе, на который неявно указывает карточка. Каталог модели содержит веса и векторы условий, а не модуль Python. У читателя, который хочет использовать этот выпуск, есть ровно один путь: заново реализовать прямой проход по 203 именам тензоров, угадать функции активации, угадать, как применяется FiLM-модуляция и в каком порядке, и надеяться, что статистики нормализации — те же, что использовали авторы.

Для трансформера над патчами это не невозможно. Для человека, свободно владеющего PyTorch, это день работы, а для всех остальных — исследовательский проект. Но «можно реализовать заново» и «выпущено» — разные вещи, и разрыв между ними — это то место, где живёт большая часть ценности релиза. Веса без пути инференса — это утверждение о модели, а не модель, которую можно вызвать.

Карточка знает об этом шве. «Перед использованием этих ресурсов модели установите отдельный пакет с кодом инференса», — говорится в ней, а затем в примере: «После публикации этот полный пример загружает модель при первом использовании». Оба предложения указывают в будущее. Либо пакет ещё появится, либо релиз — это ход предварительного размещения: веса выложены публично, чтобы на них можно было ссылаться, чтобы их можно было измерить внутренним тестовым стендом и чтобы они были готовы в тот момент, когда появится код.

Что утверждает карточка и о чём она умалчивает

Задокументированный интерфейс узок и конкретен, и это говорит в его пользу.

• Формы входных данных — [T], [C, T], [B, C, T] или выровненные словари каналов. Записи переменной длины поддерживаются; вы указываете модели истинную частоту дискретизации и физическую идентичность каждого канала.

• Предобработка — утверждается, что пакет кода обрабатывает ресемплинг до фиксированной частоты 128 Гц, наблюдаемые отсчёты и маски заполнения хранилища. Обратите внимание: это утверждение о коде, которого пока не существует.

• Выходы — CLS и PatchMean по наблюдаемым валидным патчам возвращаются отдельно в виде [B, C*256], с каналами, объединёнными в порядке входных данных; return_tokens=True также возвращает признаки патчей и маски валидности с шагом 0,25 секунды.

• Область применения — «Это представления сигналов; специфичные для задачи головы предсказания не включены». Проще говоря: Pulse даёт вам признаки, а классификатор, детектор и оценку риска вы предоставляете сами.

Чего оно не даёт: никакого указания на то, для чего эти признаки полезны. Нет таблицы линейного зондирования, нет списка нижестоящих задач, нет указания, на каком наборе данных обучался кодировщик, нет рекомендаций по длине окна, кроме примера с 1 280 отсчётами (десять секунд при 128 Гц), нет пояснения, как он обрабатывает каналы, на которых никогда не обучался, и нет сравнения с какой-либо существующей физиологической фундаментальной моделью. Счётчик шагов показывает 260 000 шагов обучения. Это единственное число об обучении во всём релизе.

Почему релиз только весов трудно оценить

Энкодер нельзя оценить в абстрактном виде. Его качество полностью определяется нижестоящей задачей, к которой вы его подключаете, а стандартный способ сообщить об этом — линейный зонд на замороженных признаках по нескольким публичным наборам данных с указанным разбиением. Без этих чисел три вещи остаются неизвестными.

Во-первых, несут ли эмбеддинги информацию или лишь дисперсию. 256-мерный вектор, извлечённый из десяти секунд ЭКГ, может выглядеть правдоподобно — гладким, структурированным, стабильным у разных пациентов — и всё же кодировать только частоту сердечных сокращений и качество сигнала. Только зонд позволяет различить эти случаи.

Во-вторых, помогает ли обусловливание каналов или это декоративно. Архитектура инвестирует в текстовый адаптер и 57 идентичностей каналов. Если одноканальный baseline только на ЭКГ соответствует полной модели, этот механизм — затраты без выгоды, и только абляция это показывает.

В-третьих, обобщает ли модель за пределами своего обучающего распределения. Клинические сигналы сильно смещаются между устройствами, расположением электродов и популяциями. «Работает на монтаже, который она видела» — это гораздо более слабое утверждение, чем «работает на монтаже в вашем шкафу», и ничто здесь не проверяет второе.

Ничто из этого не является обвинением. Модель, загруженная несколько часов назад без статьи, — это нормальный первый шаг, а технический отчёт, возможно, уже находится на рассмотрении. Это просто честное состояние доказательств, и читатель, решающий, стоит ли строить на этом, должен знать, что на данный момент подтверждён только список файлов.

Что могло бы это изменить?

Четыре вещи, в порядке возрастания того, сколько они могли бы вам сообщить.

Релиз на PyPI под именем lingsante_pulse сделал бы модель запускаемой, а пример использования из карточки превратил бы из документации в тест. Это самый маленький и наиболее вероятный следующий шаг.

Абзац в карточке с перечислением обучающих корпусов позволил бы читателю оценить соответствие предметной области, прежде чем тратить день на интеграцию. Сейчас список каналов подразумевает данные о сне и анестезии, но не подтверждает это.

Проверка с замороженными признаками на двух-трёх публичных наборах данных — одном по сну, одном по кардиологии — превратила бы релиз из артефакта в результат. Это тот пункт, который имеет наибольшее значение и стоит авторам меньше всего.

Независимое воспроизведение значило бы больше, чем всё вышеперечисленное, и поставщик не может его организовать. Никто не запускал эту модель публично. Вот фразу, которую стоит держать в голове в ближайшие несколько недель.

Где такой энкодер находится в работающей системе? Он создаёт признаки; что-то другое должно делать по ним выводы, и в большинстве клинических конвейеров этим «чем-то» является языковая модель, читающая сводку вложения вместе с записями о пациенте. Этот слой рассуждений — та часть, которую обслуживает OrcaRouter — один API для более чем 200 моделей, списочная цена провайдера передаётся без наценки, и автоматическое переключение при сбое, когда провайдер деградирует. Сам LingSante-Pulse-1.0 — это самостоятельно размещаемые веса, и его нет в нашем каталоге; энкодер и модель, читающая его выход, — отдельные решения о покупке, и только у второго вообще есть API.

Пока что практический ответ прозаичен. Если у вас есть данные ПСГ или интраоперационных кривых и вы свободно владеете PyTorch, скачайте файл safetensors и прочитайте заголовок — это самый информативный артефакт в релизе. Если вам нужно что-то, что можно вызвать уже на этой неделе, здесь пока ничего нет. 63,8 МиБ весов — это обещание с размером файла.

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.

Полный релиз в текущем виде: семь файлов, один из них — веса, и ни один из них не код.

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.

Что репозиторий поддерживает сегодня: количество параметров, архитектуру, определяемую по формам тензоров, и словарь каналов — но ни бенчмарка, ни пакета, ни провайдера.