К содержимому
Другое

Ling-3.0-tiny-Agent-Safety-Gate

фильтр безопасности для ИИ-агентов

2 мин чтенияобновлено

Модель проверяет действия ИИ-агента на безопасность и возвращает откатную вероятность того, что сценарий опасен. На вход подаются запрос пользователя, вызовы инструментов, наблюдения и финальный ответ агента, а два порога превращают итоговую оценку в одно из трёх решений: allow (разрешить), ask (запросить подтверждение) или deny (запретить). Это LoRA-адаптер (небольшая надстройка над базовой моделью) со встроенной головой классификации Linear-GELU-Linear, созданный поверх inclusionAI/Ling-3.0-tiny с помощью фреймворка AReno. В отличие от базовой модели (0.592 в среднем по тестам), адаптер существенно точнее распознаёт рискованные траектории. Пригодится разработчикам автономных агентов для контроля вызова инструментов.

Ключевые особенности

  • Построен на базе inclusionAI/Ling-3.0-tiny в формате PEFT (LoRA rank 8, alpha 16 для слоёв внимания и экспертных MLP).
  • Использует JEV decision head (Linear-GELU-Linear поверх скрытого состояния последнего токена) для выдачи откалиброванной вероятности.
  • Поддерживает трёхуровневую маршрутизацию решений (allow / ask / deny) с готовыми порогами frozen_thresholds_cpu.json.
  • Лицензия MIT как у самого адаптера, так и у базовой модели.

Что можно сделать

  • Встроить в пайплайн автономного ИИ-агента как промежуточный шлюз перед выполнением критических вызовов инструментов (tool calls).
  • Настроить ручное подтверждение действий пользователем, направляя пограничные запросы из зоны ask на дополнительную проверку.
  • Запустить локальный HTTP-сервер через AReno для скоринга готовых логов и траекторий агентов на CPU.

Пример

areno serve --model-path /path/to/Ling-3.0-tiny --decision-checkpoint /path/to/this/repo --host 127.0.0.1 --port 8103
ПодробнееСредняя точность (Accuracy) на 2 154 тестовых записях: 0.802 против 0.592 у базовой Ling-3.0-tiny, 0.599 у Safiron и 0.711 у ShieldAgent.
Результаты по срезам: ASSE-Security — 0.983, ASSE-Safety — 0.820, Pre-Ex-Bench — 0.733, R-Judge — 0.674.
Ограничения: поддерживает только английский язык; уступает Safiron на Pre-Ex-Bench (0.935) и ShieldAgent на R-Judge (0.812).
Детали запуска: пороги в комплекте откалиброваны под CPU, при переходе на GPU или другой тип точности (bfloat16) их рекомендуется пересчитать.
Обсудить Telegram 0 20

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 15 GB · готовые файлы17 GB
  • FP8 / INT8рекомендуемвеса 7.9 GB9.2 GB
  • 4-bitвеса 4.7 GB5.7 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 3080 · BF16 — от RTX 4090

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

Это LoRA: вместе с базовой моделью Ling-3.0-tiny.

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.

    # ChangyuanChen/Ling-3.0-tiny-Agent-Safety-Gate
    # ===== 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 inclusionAI/Ling-3.0-tiny --local-dir ~/models/Ling-3.0-tiny
    hf download ChangyuanChen/Ling-3.0-tiny-Agent-Safety-Gate --local-dir ~/models/Ling-3.0-tiny-Agent-Safety-Gate
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Ling-3.0-tiny
  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

inclusionAI/Ling-3.0-tiny

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

Новые посты про версии Ling-3.0-tiny — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 10Все на Hugging Face

О модели

ChangyuanChen/Ling-3.0-tiny-Agent-Safety-Gate
Автор
ChangyuanChen
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

200

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии