MITofficial RuView NUL-header adapter + PyTorch + torch_nputorch_npu / npu:0本作品在大赛官方远端 Ascend Model Agent 的 Ascend910 上加载真实 checkpoint,并完成 RuView v1 CSI embedding、presence 与可选 LoRA 投影前向。CPU fallback 被禁止;模型、输入与输出设备信息、权重加载审计、输出统计、软件版本和耗时均固化在 evidence/result.json。
固定官方 48,840 字节 model.safetensors 与 SHA-256;按 RuView 维护源码的尾随 NUL 兼容规则解析,不改动原始权重数据。17 个官方张量完整进入 CSI encoder、presence head 和独立标注的可选 LoRA 投影,全部输出位于 npu:0。
远端环境应预先安装版本匹配的 CANN、PyTorch 与 torch_npu,不要用普通 pip install 覆盖官方运行时。
python3 -m pip install -r requirements.txt
source /usr/local/Ascend/cann-8.5.1/set_env.sh
python3 inference.py --model-dir /tmp/ruview-v1 --output-dir outputs --device npu:0
npu-smi info
cat outputs/result.jsonnpu:0[2,8]{"embedding":[2,128],"presence_probability":[2],"lora_projection":[2,128]}11,842155.106 msd85fbc9e839908de1d8b885ae3b59dbdf369336c836ecf3f4053c2ce45f6a99448,840 bytes / 17 tensors输出统计:finite=true,mean=-0.003687945194542408,std=0.08848436921834946,min=-0.3290064036846161,max=0.24727386236190796。
evidence/result.json 是机器可读事实源;三张证据图分别呈现 Agent 适配流程、NPU 设备闭环和模型输出结果。
npu:0

