К содержимому
Другое

Daemons-Q/qsh-finance-aml-gnn-causal

модель Multi-PNA+EU для анализа финансовых транзакций

2 мин чтенияобновлено

Эта модель представляет собой официальную реализацию архитектуры Multi-PNA+EU (Graph Neural Networks для направленных мультиграфов), обученную на датасете IBM AMLworld HI-Small для классификации финансовых транзакций и выявления отмывания денег (AML). Модель использует обратную передачу сообщений, номера портов мультиграфа, идентификаторы узлов и обновление рёбер, а также адаптирована под каузальный протокол с изменённым входом временных меток. Репозиторий экспортирован в формат ONNX (opset 18) и предназначен для исследовательских демонстраций и работы в onnxruntime-web.

Ключевые особенности

  • Базируется на официальном коде IBM Multi-PNA+EU (AAAI 2024, arXiv:2306.11586).
  • Использует относительный временной вход (lag) вместо абсолютных таймстампов, что исключает выход за пределы обучающего диапазона.
  • Протестирована на 5 сидах со статистикой BatchNorm, пересчитанной на окне подгонки.
  • Экспортирована в формат ONNX для инференса в веб-окружении.

Что можно сделать

  • Интегрировать модель в веб-приложения на базе onnxruntime-web для анализа рисков финансовых переводов.
  • Использовать веса и патчи из репозитория для воспроизведения экспериментов по обнаружению финансовых махинаций.
  • Исследовать влияние каузального протокола времени на точность графовых нейросетей в задачах с временными рядами.

Пример

Модель загружается через рантайм onnxruntime-web для оценки транзакций в режиме plaintext на основе предварительно сэмплированной окрестности (eval_sample.json).

ПодробнееМетрики (seed 1, экспортированный способ): accuracy — 0.9989, auroc — 0.9816, auprc — 0.5789, minority_class_f1 — 0.6252.
Обучена на датасете IBM AMLworld HI-Small (5 млн транзакций, лицензия CDLA-Sharing-1.0).
Требования: ONNX Runtime, поддержка WebAssembly / web-окружения для запуска в браузере.
Ограничения: исследовательский прототип, не предназначен для готовых продакшн-систем без доработки.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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 2060

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.

    # Daemons-Q/qsh-finance-aml-gnn-causal
    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 Daemons-Q/qsh-finance-aml-gnn-causal --local-dir ~/models/qsh-finance-aml-gnn-causal
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к qsh-finance-aml-gnn-causal
  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

Новые посты про версии qsh-finance-aml-gnn-causal — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Daemons-Q/qsh-finance-aml-gnn-causal
Автор
Daemons-Q
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Finance Sentiment

Finance Sentiment
Языковые модели

SPECTER arm C

SPECTER arm C