К содержимому
Компьютерное зрение

wsp_nov13_qwen3vl4b_combo

защита Qwen3-VL-4B через правку весов без обучения

2 мин чтенияобновлено

Исследовательский чекпоинт на базе мультимодальной модели Qwen/Qwen3-VL-4B-Instruct (4,44 млрд параметров) от автора AnirudhNarayan. Модель решает задачу повышения безопасности при работе с изображениями и текстом, снижая долю успешных джейлбрейк-атак с 50% до 8,3% без потери качества ответов. В отличие от классического дообучения, изменения внесены методом Weight-Space Programming (прямое редактирование весов без градиентов и обратного распространения ошибки). Подойдёт исследователям безопасности VLM (визуально-языковых моделей) и разработчикам, изучающим управление поведением нейросетей через пространство весов.

Ключевые особенности

  • Безградиентный метод: модифицированы всего 8 тензоров mlp.down_proj в слоях 18–25 за 386 прямых проходов (forward passes).
  • Комбинация двух правок: усиление направления отказа (refamp) и обновление первого ранга через разреженный детектор из 64 нейронов (harm_neurons).
  • Сохранение полезности: метрика Utility на бенчмарке llava практически не изменилась (0.5645 против 0.5665 у базовой модели).
  • Полная совместимость: веса сохранены в формате BF16, модель загружается стандартным классом Qwen3VLForConditionalGeneration без системных промптов.

Что можно сделать

  • Изучать влияние точечного редактирования весов на баланс между безопасностью и ложными отказами в мультимодальных задачах.
  • Тестировать устойчивость модели к вредоносным визуально-текстовым промптам в исследовательских пайплайнах.
  • Использовать чекпоинт как референс для безградиентного выравнивания (alignment) моделей семейства Qwen3-VL.

Пример

from transformers import Qwen3VLForConditionalGeneration, AutoProcessor

repo = "AnirudhNarayan/wsp_nov13_qwen3vl4b_combo"
model = Qwen3VLForConditionalGeneration.from_pretrained(repo, dtype="auto", device_map="auto")
processor = AutoProcessor.from_pretrained(repo)
ПодробнееБенчмарк VLGuard (dev split, n=168/168): ASR снизился с 0.500 до 0.083, ORR (ложные отказы) вырос с 0.000 до 0.030.
Ограничения: экспериментальный артефакт, возможны ложные отказы на пограничных безобидных запросах (например, «describe the person»).
Лицензия: Apache-2.0.
Обсудить Telegram 0 25

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.3 GB · готовые файлы9.6 GB
  • FP8 / INT8рекомендуемвеса 4.1 GB5.0 GB
  • 4-bitвеса 2.3 GB3.1 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.

    # AnirudhNarayan/wsp_nov13_qwen3vl4b_combo
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 AnirudhNarayan/wsp_nov13_qwen3vl4b_combo --local-dir ~/models/wsp_nov13_qwen3vl4b_combo
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к wsp_nov13_qwen3vl4b_combo
  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

Qwen/Qwen3-VL-4B-Instruct

Новые посты про версии Qwen3-VL-4B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face

О модели

AnirudhNarayan/wsp_nov13_qwen3vl4b_combo
Автор
AnirudhNarayan
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

250

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

MIST-QG-1.0

MIST-QG-1.0
Компьютерное зрение

ScarletKc-2.0

ScarletKc-2.0