ORCRUX Protocol - Proof-of-Useful-Work

orcrux-core

Smoke Test - LogReg Quick

disponiblesmokeonboardingcpuquick

Template ultra-court pour onboarding: valide rapidement pipeline dataset -> workload -> rewards.

Modèle: logreg
Dataset: Synthetic smoke (4k)1 Mo • npz
GPU requis: autoauto (2 Go)

Récompense suggérée: 40 CRUXbase 25 + 5 / epoch
Objectif: Loss = 0.351 époques (~6 blocs)
Statut: disponible

orcrux-core

LogReg - GPU optional

disponiblecpuauditbaseline

Baseline PoUW deterministic batch. Sert à valider les mineurs CPU/GPU (seed = hash du bloc précédent).

Modèle: logreg
Dataset: Synthetic balanced (75k)9 Mo • npz
GPU requis: autoauto (2 Go)

Récompense suggérée: 645 CRUXbase 400 + 50 / epoch
Objectif: Loss = 0.184 époques (~64 blocs)
Statut: disponible

orcrux-labs

CNN Lite Vision

disponiblevisiongpumnist

Fine-tuning d'un CNN compact sur dataset MNIST 32x32 (+ data aug). Budget idéal pour GPU 8 Go.

Modèle: cnn-lite
Dataset: MNIST-lite (augmenté)140 Mo • parquet
GPU requis: gpu_8ggpu_8g (8 Go)

Récompense suggérée: 3592.5 CRUXbase 1200 + 350 / epoch
Objectif: Loss = 0.125 époques (~320 blocs)
Statut: disponible

orcrux-research

Vision Transformer Small

disponiblevisiontransformergpu

Fine-tuning d'un ViT-S/16 sur CIFAR-100. Demande un GPU 12 Go pour le micro-batching.

Modèle: vit-small384 dims / 8 layers
Dataset: CIFAR-100 augmenté610 Mo • tar
GPU requis: gpu_12ggpu_12g (12 Go)

Récompense suggérée: 6482 CRUXbase 2500 + 400 / epoch
Objectif: Loss = 0.088 époques (~- blocs)
Statut: disponible

labs

Tiny QA Transformer

disponiblenlptransformerpremium

Modèle distillé, 55M params pour question/réponse multi-langue. Nécessite un GPU 24 Go pour la fenêtre contextuelle étendue.

Modèle: transformer-mini512 dims / 12 layers
Dataset: QA Global 40k980 Mo • jsonl
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 25000 CRUXbase 8000 + 2500 / epoch
Objectif: Loss = 0.23 époques (~600 blocs)
Statut: disponible

orcrux-labs

Text - DistilBERT QA

disponibletextqanlpsmall

QA extractive leger pour texte. Rapide a entrainer.

Modèle: distilbert
Dataset: SQuAD v1500 Mo • jsonl
GPU requis: autoauto (2 Go)

Récompense suggérée: 1800 CRUXbase 600 + 200 / epoch
Objectif: Loss = 0.283 époques (~210 blocs)
Statut: disponible

orcrux-labs

Text - BERT Base QA

disponibletextqanlpmedium

Fine-tuning QA extractive sur un modele texte classique.

Modèle: bert-base
Dataset: SQuAD v1500 Mo • jsonl
GPU requis: gpu_8ggpu_8g (8 Go)

Récompense suggérée: 2400 CRUXbase 900 + 300 / epoch
Objectif: Loss = 0.253 époques (~240 blocs)
Statut: disponible

orcrux-labs

Text - RoBERTa Large QA

disponibletextqanlplarge

QA extractive haute qualite, plus lourd.

Modèle: roberta-large
Dataset: SQuAD v1500 Mo • jsonl
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 6220 CRUXbase 1800 + 850 / epoch
Objectif: Loss = 0.24 époques (~320 blocs)
Statut: disponible

orcrux-vision

Image - ResNet-50

disponibleimagevisionsmall

Classification image classique, rapide a entrainer.

Modèle: resnet-50
Dataset: CIFAR-10170 Mo • parquet
GPU requis: autoauto (2 Go)

Récompense suggérée: 2450 CRUXbase 900 + 300 / epoch
Objectif: Loss = 0.155 époques (~300 blocs)
Statut: disponible

orcrux-vision

Image - CLIP ViT-B/32

disponibleimagevisionclipmedium

Adaptation image/texte via CLIP pour recherche visuelle.

Modèle: clip-vit-b32
Dataset: COCO captions24000 Mo • tar
GPU requis: gpu_12ggpu_12g (12 Go)

Récompense suggérée: 5200 CRUXbase 1800 + 600 / epoch
Objectif: Loss = 0.184 époques (~400 blocs)
Statut: disponible

orcrux-vision

Image - ViT Large

disponibleimagevisionlarge

Vision Transformer large pour classification image.

Modèle: vit-large
Dataset: ImageNet-1k150000 Mo • tar
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 9680 CRUXbase 3200 + 1600 / epoch
Objectif: Loss = 0.123 époques (~420 blocs)
Statut: disponible

orcrux-audio

Audio - Whisper Tiny

disponibleaudioasrsmall

ASR ultra leger pour tests rapides.

Modèle: whisper-tiny
Dataset: LibriSpeech ASR60000 Mo • wav
GPU requis: autoauto (2 Go)

Récompense suggérée: 2600 CRUXbase 900 + 300 / epoch
Objectif: Loss = 0.283 époques (~240 blocs)
Statut: disponible

orcrux-audio

Audio - Whisper Base

disponibleaudioasrmedium

ASR audio multi-langue, equilibre cout/qualite.

Modèle: whisper-base
Dataset: LibriSpeech ASR60000 Mo • wav
GPU requis: gpu_8ggpu_8g (8 Go)

Récompense suggérée: 4200 CRUXbase 1500 + 450 / epoch
Objectif: Loss = 0.243 époques (~300 blocs)
Statut: disponible

orcrux-audio

Audio - Whisper Small

disponibleaudioasrlarge

ASR audio multi-langue. Bon compromis qualite/cout.

Modèle: whisper-small
Dataset: LibriSpeech ASR60000 Mo • wav
GPU requis: gpu_12ggpu_12g (12 Go)

Récompense suggérée: 6200 CRUXbase 2200 + 800 / epoch
Objectif: Loss = 0.223 époques (~360 blocs)
Statut: disponible

orcrux-video

Video - VideoMAE Small

disponiblevideotransformersmall

Classification video courte, modele compact.

Modèle: videomae-small
Dataset: Kinetics-400180000 Mo • mp4
GPU requis: gpu_12ggpu_12g (12 Go)

Récompense suggérée: 6200 CRUXbase 2200 + 800 / epoch
Objectif: Loss = 0.243 époques (~360 blocs)
Statut: disponible

orcrux-video

Video - TimeSformer Base

disponiblevideotransformermedium

Classification video courte (sports, actions).

Modèle: timesformer-base
Dataset: Kinetics-400180000 Mo • mp4
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 9270 CRUXbase 3000 + 1200 / epoch
Objectif: Loss = 0.24 époques (~480 blocs)
Statut: disponible

orcrux-video

Video - TimeSformer Large

disponiblevideotransformerlarge

Video transformer large pour classification exigeante.

Modèle: timesformer-large
Dataset: Kinetics-400180000 Mo • mp4
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 14610 CRUXbase 4200 + 1950 / epoch
Objectif: Loss = 0.184 époques (~520 blocs)
Statut: disponible

orcrux-devtools

Code - CodeT5 Small

disponiblecodenlpsmall

Generation/resume de code rapide pour prototypes.

Modèle: codet5-small
Dataset: CodeSearchNet22000 Mo • jsonl
GPU requis: gpu_8ggpu_8g (8 Go)

Récompense suggérée: 3800 CRUXbase 1400 + 450 / epoch
Objectif: Loss = 0.33 époques (~300 blocs)
Statut: disponible

orcrux-devtools

Code - CodeT5 Base

disponiblecodenlpmedium

Generation/resume de code pour Python/JS.

Modèle: codet5-base
Dataset: CodeSearchNet22000 Mo • jsonl
GPU requis: gpu_12ggpu_12g (12 Go)

Récompense suggérée: 5200 CRUXbase 2000 + 600 / epoch
Objectif: Loss = 0.243 époques (~360 blocs)
Statut: disponible

orcrux-devtools

Code - CodeT5 Large

disponiblecodenlplarge

Generation de code plus lourde, qualite superieure.

Modèle: codet5-large
Dataset: CodeSearchNet22000 Mo • jsonl
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 13800 CRUXbase 4200 + 2600 / epoch
Objectif: Loss = 0.23 époques (~420 blocs)
Statut: disponible

orcrux-labs

Text - Llama 3 8B Instruct

disponibletextgenerationlarge

Generation texte/assistant, gros modele 8B.

Modèle: llama3-8b-instruct
Dataset: OpenWebText40000 Mo • jsonl
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 21520 CRUXbase 6000 + 6000 / epoch
Objectif: Loss = 0.182 époques (~480 blocs)
Statut: disponible

orcrux-labs

Text - Llama 3 8B (Shard v2)

disponiblev2textgenerationlargev2sharded

Gros modele 8B avec sharding + micro-batching + checkpoints (spec v2).

Modèle: llama3-8b-instruct
Dataset: OpenWebText40000 Mo • jsonl
GPU requis: gpu_24ggpu_24g (24 Go)

Sharding v2: tensor • 4 shardsmin 16 Go VRAM
Micro-batching: 2 microaccum 8 steps
Checkpoints: 50 stepskeep 3 • safetensors

Cadence: 8s cible / 30s max

Récompense suggérée: 25680 CRUXbase 7000 + 7000 / epoch
Objectif: Loss = 0.182 époques (~480 blocs)
Statut: disponible

orcrux-devtools

Code - CodeLlama 7B

disponiblecodegenerationlarge

Generation de code avec un modele 7B.

Modèle: codellama-7b
Dataset: CodeSearchNet22000 Mo • jsonl
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 18800 CRUXbase 5200 + 5400 / epoch
Objectif: Loss = 0.22 époques (~480 blocs)
Statut: disponible

orcrux-devtools

Code - CodeLlama 7B (Shard v2)

disponiblev2codegenerationlargev2sharded

Modele 7B avec sharding + micro-batching + checkpoints (spec v2).

Modèle: codellama-7b
Dataset: CodeSearchNet22000 Mo • jsonl
GPU requis: gpu_24ggpu_24g (24 Go)

Sharding v2: tensor • 2 shardsmin 12 Go VRAM
Micro-batching: 2 microaccum 6 steps
Checkpoints: 40 stepskeep 3 • safetensors

Cadence: 7s cible / 24s max

Récompense suggérée: 21480 CRUXbase 6200 + 5800 / epoch
Objectif: Loss = 0.22 époques (~420 blocs)
Statut: disponible

orcrux-vision

Image - FLUX.1 Schnell

disponibleimagegenerationlarge

Generation d images rapide (support LoRA).

Modèle: flux1-schnell
Dataset: LAION-2B (subset)200000 Mo • tar
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 16160 CRUXbase 5000 + 4500 / epoch
Objectif: Loss = 0.22 époques (~420 blocs)
Statut: disponible

orcrux-vision

Image - SDXL 1.0

disponibleimagegenerationlarge

Generation d images haute qualite (support LoRA).

Modèle: sdxl-1.0
Dataset: LAION-5B (subset)500000 Mo • tar
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 23840 CRUXbase 7000 + 6500 / epoch
Objectif: Loss = 0.182 époques (~520 blocs)
Statut: disponible

orcrux-audio

Audio - AudioLDM2

disponibleaudiogenerationlarge

Generation audio a partir de texte (text-to-audio).

Modèle: audioldm2
Dataset: Common Voice80000 Mo • wav
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 13600 CRUXbase 4500 + 3750 / epoch
Objectif: Loss = 0.222 époques (~360 blocs)
Statut: disponible

orcrux-labs

Text - Llama 3 8B LoRA (sharded-ready)

disponiblev2textllmlorashardedlarge

Fine-tuning LoRA d'un Llama 3 8B. Concu pour tourner sur un GPU 20 Go unique ou en mode sharde/adapters sur plusieurs GPU plus modestes.

Modèle: byo
Dataset: OpenOrca ORCRUX Lite2400 Mo • jsonl
GPU requis: gpu_12ggpu_12g (12 Go), gpu_24g (24 Go)

Sharding v2: tensor • 3 shardsmin 8 Go VRAM
Micro-batching: 1 microaccum 12 steps
Checkpoints: 40 stepskeep 3 • safetensors

Cadence: 12s cible / 45s max

Récompense suggérée: 19080 CRUXbase 7000 + 4500 / epoch
Objectif: Loss = 0.222 époques (~480 blocs)
Statut: disponible

orcrux-labs

Text - Llama 3 8B LoRA Smoke (20G)

approuvev2textllmlorashardedlargesmokegpu-20g

Validation courte GPU pour testnet et beta tests sur cartes 20 Go. Workflow LoRA/adapters, sharding actif, duree et reward bornees.

Modèle: byo
Dataset: OpenOrca ORCRUX Lite2400 Mo • jsonl
GPU requis: gpu_12ggpu_12g (12 Go), gpu_24g (24 Go)

Sharding v2: tensor • 3 shardsmin 8 Go VRAM
Micro-batching: 1 microaccum 12 steps
Checkpoints: 2 stepskeep 2 • safetensors

Cadence: 10s cible / 30s max

Récompense suggérée: 0.5 CRUX
Objectif: Loss = 0.351 époques (~6 blocs)
Statut: approuve

Progression0%

orcrux-video

Video - Stable Video Diffusion

disponiblevideogenerationlarge

Generation video a partir d image ou prompt.

Modèle: stable-video-diffusion
Dataset: Kinetics-400180000 Mo • mp4
GPU requis: gpu_24ggpu_24g (24 Go)

Récompense suggérée: 17280 CRUXbase 5200 + 4900 / epoch
Objectif: Loss = 0.22 époques (~420 blocs)
Statut: disponible

Workloads

Jobs soumis

ORCRUX Helpdesk - Llama 3 8B LoRA Sharded Testnet

Smoke Test - LogReg Quick

LogReg - GPU optional

CNN Lite Vision

Vision Transformer Small

Tiny QA Transformer

Text - DistilBERT QA

Text - BERT Base QA

Text - RoBERTa Large QA

Image - ResNet-50

Image - CLIP ViT-B/32

Image - ViT Large

Audio - Whisper Tiny

Audio - Whisper Base

Audio - Whisper Small

Video - VideoMAE Small

Video - TimeSformer Base

Video - TimeSformer Large

Code - CodeT5 Small

Code - CodeT5 Base

Code - CodeT5 Large

Text - Llama 3 8B Instruct

Text - Llama 3 8B (Shard v2)

Code - CodeLlama 7B

Code - CodeLlama 7B (Shard v2)

Image - FLUX.1 Schnell

Image - SDXL 1.0

Audio - AudioLDM2

Text - Llama 3 8B LoRA (sharded-ready)

Text - Llama 3 8B LoRA Smoke (20G)

Video - Stable Video Diffusion