К содержимому
Языковые модели

EvidenceLens-tiny-aya-global-lora

извлечение фактов и цитат из научных статей

2 мин чтенияобновлено

QLoRA-адаптер (небольшая надстройка для дообучения в 4-битном режиме) на базе компактной языковой модели CohereLabs/tiny-aya-global (3.35 млрд параметров), созданный для Lexsi Hackathon 2026. Модель превращает разделы научных PDF-статей в структурированный JSON-профиль по шести полям: исследовательский вопрос, цель, методология, данные/материалы, ключевые выводы и ограничения. В отличие от базовой модели, которая склонна додумывать отсутствующие сведения, адаптер обучен честно возвращать статус отказа (not_reported, not_applicable) и подкреплять каждый ответ дословными цитатами с номером страницы. Подойдёт исследователям и разработчикам систем анализа литературы, которым важна проверяемость ответов.

Ключевые особенности

  • Дословные доказательства: для каждого подтверждённого ответа модель извлекает точную цитату из текста, название раздела и номер страницы.
  • Защита от галлюцинаций: на тестовом наборе доля ложных подтверждений (false support) снизилась с 16.7% у базовой модели до 0%.
  • Низкие требования к железу: адаптер обучался и запускается в 4-битном квантовании (NF4) — достаточно видеокарты уровня RTX 4060 с 8 ГБ VRAM.
  • Готовый пайплайн: в репозитории автора на GitHub доступны скрипты разбиения текста и локальное приложение на Gradio для обработки PDF.

Что можно сделать

  • Автоматизировать первичный обзор литературы: прогонять англоязычные научные PDF через локальный интерфейс Gradio, быстро получая выжимку по методам и выводам с проверкой по цитатам.
  • Встроить в RAG- или исследовательский пайплайн: использовать вывод в строгом JSON-формате для наполнения баз знаний по научным публикациям с автоматической верификацией цитат по исходному тексту.

Пример

import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig

base_id = "CohereLabs/tiny-aya-global"
tok = AutoTokenizer.from_pretrained(base_id)
base = AutoModelForCausalLM.from_pretrained(base_id, device_map="auto", dtype=torch.float16,
    quantization_config=BitsAndBytesConfig(load_in_4bit=True, bnb_4bit_quant_type="nf4", bnb_4bit_compute_dtype=torch.float16))
model = PeftModel.from_pretrained(base, "durmustalhaa/EvidenceLens-tiny-aya-global-lora").eval()
Подробнее Метрики (тест, 30 полей): детерминированная проверка цитат — 86.7% (против 63.3% у базы), точность отказов — 60% (против 0%), валидность JSON — 96.7%.
Железо: обучение заняло 157.7 мин на одной RTX 4060 Laptop (8 ГБ VRAM); базовую модель нужно загружать отдельно после принятия условий Cohere Labs.
Ограничения: только английский язык и текстовые PDF (без OCR, таблиц и графиков); контекст ограничен 6000 символами на поле; склонна к излишним отказам и не предсказывает статус ambiguous.
Лицензия: CC-BY-NC-4.0 + Cohere Labs Acceptable Use Policy (только некоммерческое использование).
Обсудить Telegram 0 16

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.2 GB · готовые файлы7.5 GB
  • FP8 / INT8рекомендуемвеса 3.1 GB4.0 GB
  • 4-bitвеса 1.8 GB2.5 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 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

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # durmustalhaa/EvidenceLens-tiny-aya-global-lora — A30, FP8 / INT8
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve CohereLabs/tiny-aya-global --max-model-len 8192 --quantization fp8 --enable-lora --max-lora-rank 64 --lora-modules EvidenceLens-tiny-aya-global-lora=durmustalhaa/EvidenceLens-tiny-aya-global-lora
    Добавить ещё LoRA к tiny-aya-global
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

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. EvidenceLens-tiny-aya-global-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

durmustalhaa/EvidenceLens-tiny-aya-global-lora
Автор
durmustalhaa
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

160

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии