Коннектом плодовой мухи подключили к LLM — контроль без биологической схемы оказался лучше

Архитектура FLM — это резервуарный компьютер поверх замороженной LLM LFM2.5-1.2B-Instruct. Все 166 700 узлов и все направленные рёбра коннектома зафиксированы; обучается только слой считывания из 278 528 параметров (0,0238% от размера backbone). На каждом токене эмбеддинг сжимается до 128 каналов, подаётся на граф, а его выход добавляется к логитам backbone с ограничением RMS 0,25.

На тестовом наборе из 32 диалогов (1 236 токенов) FLM улучшила перплексию с 3,98 до 3,90 (NLL упал на 0,0222 нат/токен). Однако контрольный эксперимент, при котором те же 128 каналов подавались напрямую в идентичный слой считывания без коннектома, дал чуть лучший результат во всех трёх запусках — разница 0,000488 нат/токен в пользу контроля. Статистический bootstrap показал, что преимущество графа незначимо.

Дополнительные тесты подтвердили, что граф действительно участвует (обнуление связей возвращает потери к baseline), но не даёт выигрыша по сравнению со случайной топологией. Более того, рекуррентность коннектома затухает: разница начальных состояний уменьшается в 0,6 раз за токен, так что после 20 токенов она составляет 0,0000366 — долгая память остаётся у backbone. Автор явно не претендует на звание «первой модели на коннектоме» и признаёт, что биологическая схема не помогает.

Таким образом, FLM — любопытный эксперимент по гибридизации биологических и искусственных нейросетей, но практического преимущества не даёт. Исходный код и модель доступны под лицензией MIT на GitHub.