К содержимому
Компьютерное зрение

vlgaurd_only_gamma4b_adeel

безопасная Gemma 3 4B без дообучения

2 мин чтенияобновлено

Мультимодальная модель (VLM, работает с изображениями и текстом) на базе google/gemma-3-4b-it объёмом 4.3B параметров от автора Adeely93. В отличие от обычного файнтюнинга, её научили чаще отказываться от вредных запросов без градиентов и оптимизаторов: LLM-агент вручную перезаписал всего 84 скрытых нейрона в слоях MLP (полносвязных блоках) за 184 прямых прохода на данных VLGuard. На выходе модель сохраняет исходное качество ответов на безопасные вопросы, но намного реже отвечает на провокационные картинки и инструкции. Подойдёт исследователям безопасности ИИ и разработчикам, которым нужна более защищённая компактная VLM.

Ключевые особенности

  • Изменены только 18 из 883 тензоров (gate_proj, up_proj, down_proj в слоях 8–18), остальная архитектура и токенизатор полностью совпадают с оригиналом.
  • Правка срабатывает строго на трёх последних токенах шаблона чата перед началом ответа, не мешая генерации остального текста.
  • Показатель успешных атак (ASR) на опасных изображениях упал с 0.629 до 0.118, а на вредных инструкциях — с 0.787 до 0.074.
  • Качество безопасных ответов по метрике ROUGE-L не просело (0.456 против 0.454 у базовой модели), ложные отказы на LLaVA составили всего 1.4%.

Что можно сделать

  • Запустить как более безопасную замену стандартной gemma-3-4b-it в мультимодальных чат-ботах и сервисах модерации изображений.
  • Использовать в экспериментах по интерпретируемости нейросетей и редактированию весов без обратного распространения ошибки.

Пример

import torch
from transformers import AutoProcessor, Gemma3ForConditionalGeneration

repo = "Adeely93/vlgaurd_only_gamma4b_adeel"
model = Gemma3ForConditionalGeneration.from_pretrained(repo, dtype=torch.bfloat16).to("cuda").eval()
processor = AutoProcessor.from_pretrained(repo)
messages = [{"role": "user", "content": [{"type": "image", "image": image}, {"type": "text", "text": prompt}]}]
inputs = processor.apply_chat_template(messages, add_generation_prompt=True, tokenize=True, return_dict=True, return_tensors="pt").to("cuda")
ПодробнееТесты на VLGuard (1558 записей, greedy decoding, 256 токенов): ASR снижен в 5–10 раз при 0 сломанных ответов.
Ограничения: обязательно использовать родной шаблон чата модели, иначе защита не активируется; модель всё ещё может отвечать на мягко откровенные фото или просьбы проанализировать опасное изображение.
Требования: формат BF16, протестировано на transformers 4.57.6 и torch 2.8.0 (без system prompt, сначала картинка, затем текст).
Лицензия: Gemma Terms of Use.
Обсудить Telegram 0 4

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.0 GB · готовые файлы9.3 GB
  • FP8 / INT8рекомендуемвеса 4.0 GB4.9 GB
  • 4-bitвеса 2.3 GB3.0 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Adeely93/vlgaurd_only_gamma4b_adeel
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Adeely93/vlgaurd_only_gamma4b_adeel --local-dir ~/models/vlgaurd_only_gamma4b_adeel
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к vlgaurd_only_gamma4b_adeel
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

google/gemma-3-4b-it
  1. gemma-3-4b-ptоснова семьи
  2. gemma-3-4b-it
  3. vlgaurd_only_gamma4b_adeel

Новые посты про версии gemma-3-4b-pt — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

Adeely93/vlgaurd_only_gamma4b_adeel
Автор
Adeely93
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

40

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

SautiLM Jua

SautiLM Jua