К содержимому
Другое

EVIDENCELOCK GRPO-3

исследовательский LoRA-адаптер для проверки безопасности действий ИИ

2 мин чтенияобновлено

Это LoRA (небольшая надстройка над базовой моделью) от автора Earther, обученная поверх модели CohereLabs/tiny-aya-global в рамках проекта EVIDENCELOCK. Задача эксперимента — научить языковую модель безопасно обрабатывать рабочие сценарии с проверкой полномочий и лимитов трат, чтобы она не одобряла неавторизованные операции. Адаптер дообучали методом GRPO (алгоритм обучения с подкреплением на основе группового сравнения ответов) с закрытием лазейки в функции награды, однако итоговый результат оказался отрицательным: модель не прошла заранее заданные критерии качества. Автор опубликовал веса и подробные замеры ради прозрачности исследований, а для работы рекомендует использовать предыдущий вариант C0. Материал пригодится исследователям безопасности ИИ и разработчикам, изучающим поведение RL-обучения на задачах с жёсткими ограничениями.

Ключевые особенности

  • Архитектура адаптера: LoRA с рангом 8, применённая к слоям q_proj и v_proj базовой модели Tiny Aya Global.
  • Изменения в GRPO-3: обучение стартовало с чекпоинта T3-SFT, использовало промпт оценки и штрафовало за нечитаемый формат вывода как за небезопасную попытку.
  • Легитимные одобрения: на основной тестовой панели модель корректно одобрила 96 из 96 разрешённых операций и не допустила ни одного несанкционированного исполнения (0).
  • Проблема с лимитами трат: распознавание превышения лимита упало с 4/48 у стартовой модели до 0/48 — адаптер сначала пытался одобрить все 48 таких сценариев.

Что можно сделать

  • Изучить динамику GRPO-обучения: разобрать, как штраф за невалидный формат и оптимизация награды смещают баланс между ложными отказами и пропуском ограничений.
  • Воспроизвести замеры безопасности: протестировать поведение адаптера на синтетических сценариях авторизации и сравнить его со стартовым чекпоинтом T3-SFT.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base_id, rev = "CohereLabs/tiny-aya-global", "af89d219b53ed9b13b8a4645f9c8028973510324"
tok = AutoTokenizer.from_pretrained(base_id, revision=rev)
model = AutoModelForCausalLM.from_pretrained(base_id, revision=rev, torch_dtype="bfloat16")
model = PeftModel.from_pretrained(model, "Earther/evidencelock-track3-grpo3")
ПодробнееМетрики на основной панели (264 сценария): безопасное завершение — 216/264 (против 219/264 у T3-SFT), флаги лимита трат — 0/48, на стресс-панели — 108/132.
Обучение: 157 шагов GRPO на одной видеокарте L40S (бюджет 150 минут, learning rate 1e-5, beta 0, seed 20261117).
Ограничения: только синтетические тексты на английском языке, предназначено исключительно для исследований и запуска внутри изолированной песочницы с проверкой прав.
Лицензия: Cohere CC BY-NC 4.0 с дополнением Acceptable Use Addendum (базовая модель требует принятия условий доступа).
Обсудить Telegram 0 17

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.2 GB · готовые файлы7.4 GB
  • FP8 / INT8рекомендуемвеса 3.1 GB3.9 GB
  • 4-bitвеса 1.8 GB2.4 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.

    # Earther/evidencelock-track3-grpo3
    # ===== 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 Earther/evidencelock-track3-grpo3 --local-dir ~/models/evidencelock-track3-grpo3
    # 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. evidencelock-track3-grpo3

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

Earther/evidencelock-track3-grpo3
Автор
Earther
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

170

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии