К содержимому
Другое

Harel Tiny Aya DPO LoRA

эксперимент по обучению на верификаторе БД

2 мин чтенияобновлено

LoRA-адаптер (небольшая надстройка над базовой моделью) для CohereLabs/tiny-aya-global от автора bhumiheda. Модель обучали методом DPO (Direct Preference Optimization — настройка по парам предпочтений) на ответах, размеченных бесмодельным верификатором Harel, который проверяет изменения в базе данных Postgres после вызова инструментов. На практике адаптер помог модели реже ошибаться в синтаксисе Python и чаще проходить видимые тесты, но не увеличил реальную долю верных решений на отложенных задачах. Репозиторий выложен как воспроизводимый исследовательский артефакт для проверки результатов.

Ключевые особенности

  • Построен на базе CohereLabs/tiny-aya-global с параметрами LoRA r=16, alpha=32 для всех линейных слоёв.
  • Обучен на 303 тренировочных и 30 валидационных парах, где эталонный ответ должен пройти и видимые тесты, и скрытую проверку состояния Postgres.
  • Снизил долю невалидного кода на Python с 14% до 5% и поднял прохождение видимых тестов с 45% до 55%.
  • Не улучшил итоговую верифицированную точность на тестовой выборке (осталась на уровне 12%), из-за чего не прошёл порог для деплоя.

Что можно сделать

  • Воспроизвести эксперимент по выравниванию LLM с помощью верификаторов состояния БД и изучить эффект «обмана» видимых тестов (reward hacking).
  • Использовать в связке с датасетом bhumiheda/harel-shop-verifier-runs и кодом из репозитория Harel-Lexsi для собственных тестов DPO на задачах с tool calling.

Пример

Сценарий оценки из карточки: модель получает задачу на работу с инструментами, вносящими изменения в базу Postgres. После обучения адаптер чаще выдаёт синтаксически корректный Python и проходит видимые проверки, но количество ответов, проходящих видимые тесты и проваливающих скрытую проверку верификатора, выросло с 23 до 28 из 75.

ПодробнееОбучение: 2 эпохи, lr 2e-5, beta 0.1, effective batch 8, bf16 на одной GPU A100.
Оценка: 8 отложенных задач по 5 сэмплов, итоговый успех — 12% (как и у базовой модели).
Лицензия: CC-BY-NC-4.0; для запуска требуется доступ к закрытой базовой модели CohereLabs/tiny-aya-global.
Обсудить Telegram 0 14

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.4 GB · готовые файлы7.5 GB
  • FP8 / INT8рекомендуемвеса 3.2 GB4.1 GB
  • 4-bitвеса 1.9 GB2.6 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 5060 Ti 8GB

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

Это LoRA: вместе с базовой моделью tiny-aya-global.

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.

    # bhumiheda/harel-tiny-aya-dpo-lora
    # ===== 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 CohereLabs/tiny-aya-global --local-dir ~/models/tiny-aya-global
    hf download bhumiheda/harel-tiny-aya-dpo-lora --local-dir ~/models/harel-tiny-aya-dpo-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к tiny-aya-global
  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

Нужна базовая модель

CohereLabs/tiny-aya-global

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. tiny-aya-baseоснова семьи
  2. tiny-aya-global
  3. harel-tiny-aya-dpo-lora

Новые посты про версии tiny-aya-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

bhumiheda/harel-tiny-aya-dpo-lora
Автор
bhumiheda
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

140

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии