一張產生的標題卡,上面寫著「LingSante-Pulse-1.0」,下方副標題為「權重放在 Hugging Face,沒有可執行的程式碼」,還有一行說明文字「16.7M 參數 · 12 個區塊 · 57 個訊號通道 · 0 項基準測試 · 0 次下載」。下方有兩個圓角面板:左側標題為 LingSante-Pulse-1.0,列有 16.7M 參數、57 個通道識別碼,以及沒有推論套件;右側標題為「另一個模型」,列出已發布的模型、有文件說明的執行環境,以及其卡片上的基準測試。OrcaRouter 標誌合成在底邊的一條白色橫帶中。
Engineering & Research

LingSante-Pulse-1.0 已在 Hugging Face 上;但運行它的程式碼並未公開

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

LingSante-Pulse-1.0於 2026 年 11 月 20 日 08:39 UTC 出現在 Hugging Face,而當天早上 09:12 前,其作者 inclusionAI 就已經推送了一次修訂。該條目顯示有 1 個讚、0 次下載。儲存庫裡沒有任何可以直接對話的模型:LingSante-Pulse-1.0 是一個擁有 1,670 萬參數的生理訊號編碼器——涵蓋 ECG、EEG、氣流、血氧——它會把波形轉換成固定長度的嵌入向量,然後就到此為止。沒有發布貼文、沒有技術報告、沒有基準測試表,而且截至本文撰寫時,也沒有可用來載入它的程式碼套件。模型卡要求你安裝一個獨立的 lingsante_pulse 套件;該套件並不在 PyPI 上。

實際存在的內容異常清晰易讀。權重以 F32 格式提供,safetensors 標頭未經壓縮且可讀,而 channels.json 列出了模型接受的全部五十七種訊號類型。因此,對於這個模型究竟是什麼,可以談論相當多;而對於實驗室之外無人能確認的部分,也能精確說明。本文將這兩類內容區分開來。

什麼出現了,什麼沒有出現

這個儲存庫包含七個檔案:README、MIT 授權條款、model.safetensors(在 66.9 MB 的儲存庫中,有 63.8 MiB 的權重)、config.json、channels.npz、channels.json,以及常見的 gitattributes 存根檔。這就是整個發行版本。

缺席,而每一次缺席都承載著重量:

• 儲存庫中沒有推論程式碼,且 PyPI 上無論是 lingsante-pulse 或 lingsante_pulse 都沒有套件——兩者都回傳 404。

• 沒有基準測試。卡片以文字描述其行為(「將 ECG 等生理訊號轉換為嵌入向量」),並未公布任何類型的數字。

• 沒有技術報告。inclusionAI 在 arXiv 上有相關頁面,而其姊妹儲存庫 LingSante-MedGuard(建立於 2026 年 11 月 17 日)連結了一份報告。Pulse 卡片則未連結任何內容。

• 網頁搜尋找不到任何形式的公告。模型卡本身就含有「After publication」這句話,讀起來像是該套件預定發布之前所寫的文字。

• 無推論服務供應商。Hugging Face 回報該模型未由任何供應商部署,而模型卡則邀請讀者提出支援請求。

有一個檔案算是個小小的驚喜:config.json 帶著三個資料檔的 SHA-256 摘要。那不是行銷文件裡的裝飾品,而是團隊在預期檔案會被四處複製時才會加上的檢查,好確認檔案送達時完好無損。

十二個區塊、256 個維度、32 個樣本區塊

safetensors 標頭列出了 203 個張量,其元資料區塊寫著 model: LingSante-Pulse、step: 260000。從張量名稱重建架構輕而易舉——而這也是唯一存在的架構文件。

• 深度與寬度 — 12 個 transformer 區塊(blocks.0 到 blocks.11),每個都具有 256 寬的殘差流。

• 注意力 — 形狀為 [768, 256] 的融合 qkv 投影,因此相當於三個寬度為 256 的頭部所需的鍵、查詢與值;除了 out 為 [256, 256] 之外,未給出單獨的輸出投影大小。

• 前饋 — gate_up 為 [2048, 256],down 為 [256, 1024],這是具有 1,024 寬隱藏層的閘控線性單元之形狀特徵。

• 閘控 — 每個區塊都帶有一個位於 [256, 256] 的 attention_gate 加上偏置,以及一個對應的 film_heads.N 位於 [1024, 256],輸出一個 1,024 值的調變向量。十二個 FiLM 頭對應十二個區塊。卡片中沒有任何內容說明是什麼調節它們。

• 分塊(Patching)—— patch.weight 為 [256, 32]。在規格卡指定的固定 128 Hz 下,每塊三十二個取樣點正好是 250 毫秒,而這正是 README 所述、回傳 token 特徵的間隔。算術對得上。

• 序列組成 — 一個 cls token、一個 mask_token,以及四個 register_tokens,位於 [1, 4, 256] 張量中。

• 文字路徑——text_adapter.0 將 384 個維度投影到 256,而 text_adapter.1 在 256 維內進行細化。卡片上說,通道條件向量來自 BAAI/bge-small-en-v1.5,其隱藏大小為 384。因此,模型是以其輸入通道的自然語言描述作為條件,並投影到它自身的空間。這個解讀是從形狀加上卡片的來源註記推斷而來,並非有文件記載的設計,但兩者相符。

• 還多了一個 head —— validity.weight 位於 [256, 64]。這是一種逐位置的訊號,表示某個樣本確實被觀測到,與卡片中提到的「觀測有效」PatchMean 及儲存填充遮罩相符。

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.

一份不是根據資料表、而是根據張量形狀讀出的規格表:1670 萬個參數、十二個寬度為 256 的區塊、128 Hz 下每塊 32 個樣本,以及用於通道調節的 384 到 256 文字適配器。

五十七個通道描述一間睡眠實驗室

有趣的是,重點不在權重檔案,而是 channels.json,它載有模型所接受的 57 個訊號身分各自的淺白英文描述。

按順序讀這份清單,它就不再像是一套通用的生理訊號詞彙。三個 EEG 頭皮導極「睡眠期間」。兩個 EOG 導極「睡眠期間」。一個下巴 EMG「睡眠期間」、一個腿部 EMG「睡眠期間」。氣流、胸廓呼吸努力、腹部呼吸努力、鼾聲、SpO2。那就是一套睡眠多項生理檢查的導極組合,而且順序正是睡眠技師會唸出的順序。

然後,清單繼續延伸到另一個房間。氣道壓力「由麻醉呼吸器測量」。呼氣末二氧化碳。呼吸頻率由 Dräger Primus 與 Solar8000 監測儀推導而來。來自前額麻醉深度監測儀的 BIS EEG 功率(以分貝為單位),以及其兩條額部 EEG 導程。十二導程 ECG,包含完整胸前導程組、三個改良肢體導程,以及十六個單極 EOG 導程。

兩種場域,一套通道詞彙。從這個儲存庫所能得出的最站得住腳的推論是:編碼器是在睡眠檢查與圍手術期或加護監測這兩類資料上訓練而成的——而且其設計者想要一個無論醫院現有哪種導聯配置都能派上用場的模型。卡片沒有明說這一點。通道清單替它說了。

這種廣度也是該模型在工程上的主要主張。一個 1,600 萬參數的編碼器,能接受 57 種異質通道身分,將所有訊號重新取樣至 128 Hz,並為每個通道回傳一個嵌入向量;它解決的是一個資料管線問題,任何處理過臨床波形的人都能立刻認出:醫院裡沒有任何東西對取樣率、導程命名,或實際記錄了哪些通道有共識。

缺少的部分就是套件

這張卡片的使用範例長達四行:

先 from lingsante_pulse import LingSantePulse,然後 LingSantePulse.from_pretrained(),然後 model.encode(x, sample_rate=128, channels=[{"modality": "ECG", "lead": "II"}]),然後印出形狀。

上述這些目前都無法運作。匯入會失敗,因為該套件不存在於模型卡隱含指向的索引上。模型目錄包含的是權重與條件向量,而不是 Python 模組。想使用這個發行版本的讀者只有一條路:根據 203 個張量名稱重新實作前向傳遞、猜測活化函數、猜測 FiLM 調變是如何套用以及套用順序,並希望正規化統計值就是作者所用的那些。

對一個作用於 patch 的 transformer 來說,這並非不可能。對熟悉 PyTorch 的人來說,這是一天的工作;對其他人而言,則是一個研究專案。但「可以重新實作」和「已正式發布」是兩回事,而兩者之間的落差,正是發布版本大部分價值所在。沒有推論路徑的權重,只是對模型的一種宣稱,而不是你能呼叫的模型。

這張卡片意識到接縫的存在。它寫道:「在使用這些模型資產之前,請先安裝獨立的推論程式碼套件。」接著在範例中又說:「發布後,這個完整範例會在首次使用時下載模型。」這兩句話都指向未來。要嘛套件即將推出,要嘛這次發布是預先佈局——權重先公開放置,讓它們可被引用、可由內部測試框架量測,並在程式碼到位的那一刻準備就緒。

這張卡宣稱了什麼,又省略了什麼

有文件記載的介面狹窄且具體,這是它的優點。

• 輸入形式 — [T]、[C, T]、[B, C, T],或對齊的通道字典。長度不一的錄音也能運作;你告訴模型真實的取樣率,以及每個通道的實體身分。

• 預處理 — 據稱此程式碼套件可處理重取樣至固定 128 Hz、觀測樣本,以及儲存填充遮罩。請注意,這是關於尚未存在之程式碼的說法。

• 輸出 — CLS 與觀測有效的 PatchMean 分別以 [B, C*256] 回傳,通道依輸入順序串接;return_tokens=True 時也會產生間隔 0.25 秒的 patch 特徵與有效性遮罩。

• 範圍 — 「這些是訊號表徵;不包含任務特定的預測頭。」簡單來說:Pulse 提供特徵,而分類器、偵測器、風險分數则由你提供。

它沒有告訴你的是:這些特徵究竟適合用來做什麼。沒有線性探測表,沒有下游任務清單,沒有說明編碼器是在哪個資料集上訓練的,除了 1,280 個樣本的範例(在 128 Hz 下為十秒)之外沒有任何視窗長度指引,沒有說明它如何處理從未訓練過的通道,也沒有與任何現有生理基礎模型進行比較。步數計數器顯示 260,000 個訓練步。這是整個發布內容中唯一與訓練有關的數字。

為什麼僅釋出權重的發布難以評分

編碼器無法在抽象層面上被評估。它的品質完全是取決於你所附加的下游任務,而回報此一品質的標準做法,是在數個公開資料集上進行凍結特徵線性探針,並明確說明資料劃分方式。少了這些數字,有三件事便無從得知。

首先,嵌入向量究竟承載的是資訊,還是僅有變異。從十秒心電圖中擷取出的 256 維向量,可能看起來煞有介事——平滑、有結構、在不同患者之間保持穩定——卻仍然只編碼了心率和訊號品質。唯有探針能區分這兩者。

其次,通道調節究竟是有幫助,還是只是裝飾性的。這個架構投入了一個文字適配器和 57 個通道身分。如果單通道、僅 ECG 的基線就能與完整模型匹敵,那套機制就是徒增成本而無效益,而只有消融實驗能證明這一點。

第三,模型能否泛化到其訓練分布之外。臨床波形在裝置、電極位置與族群之間會有劇烈變化。「能在它見過的導聯配置上運作」比「能在你櫃子裡的導聯配置上運作」是弱得多的說法,而這裡沒有任何內容檢驗後者。

這些都不是指控。數小時前上傳、沒有論文伴隨的模型,是正常的起步,技術報告可能已在審查中。這只是證據的誠實狀態,而決定是否要以此為基礎繼續發展的讀者應該知道,目前唯一經過驗證的只有檔案清單。

什麼會改變這個

四件事,依它們能告訴你的資訊量由少到多排列。

在 lingsante_pulse 下發布 PyPI 版本,將使模型可執行,並把模型卡的用法範例從文件說明變成測試。這是最小且最可能的下一步。

卡片中若有一段文字列出訓練語料,讀者就能在花上一整天進行整合之前判斷領域是否匹配。目前通道清單暗示有睡眠與麻醉資料,卻未加以確認。

在兩、三個公開資料集上進行凍結特徵探測——一個睡眠、一個心臟——就能讓這次釋出從人工製品變成成果。這是最重要、而作者付出成本最低的一項。

獨立重現比上述任何一項都更重要,而且無法由廠商安排。沒有人在公開場合運行過這個模型。接下來幾週,請把這句話記在心裡。

像這樣的編碼器在實際運作的系統中位於什麼位置?它負責產生特徵;還需要另一個元件對這些特徵進行推理,而在多數臨床流程中,那個元件就是語言模型,它會讀取嵌入向量的摘要以及病患的病歷。OrcaRouter 所服務的正是這個推理層——透過單一 API 串接 200 多個模型、以供應商定價原價轉嫁,不額外加價,以及當供應商服務品質下降時自動容錯移轉。LingSante-Pulse-1.0 本身是自架權重,並不在我們的目錄中;編碼器與讀取其輸出的模型是兩項各自獨立的採購決策,而只有後者才有 API。

目前,實用的答案並不光鮮。如果你有 PSG 或術中波形資料,且熟悉 PyTorch,就下載 safetensors 檔案並讀取標頭——這是本次發布中最有資訊價值的產物。如果你需要的是本週就能呼叫使用的東西,這裡目前還沒有。那 63.8 MiB 的權重,是一個附帶檔案大小的承諾。

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.

目前的完整發行內容:七個檔案,其中一個是權重檔,沒有任何一個是程式碼。

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.

目前此儲存庫支援的內容包括:參數量、從張量形狀讀出的架構,以及通道詞彙——但沒有基準測試、沒有套件,也沒有提供者。