К содержимому
Другое

aya-drift-v3-adapters

LoRA-адаптеры для изучения и восстановления защиты от джейлбрейков

2 мин чтенияобновлено

Набор исследовательских LoRA-адаптеров (небольших надстроек для точечной донастройки весов) от автора GSMB на базе мультиязычной модели CohereLabs/tiny-aya-global. Репозиторий посвящён проблеме «дрейфа безопасности» (safety drift): когда при дообучении на предметную задачу языковая модель начинает чаще отвечать на опасные запросы, особенно на редких языках. В комплекте идут адаптеры domain, safety и mixed, а также замеры их слияния через метод task arithmetic для возврата защитных отказов без потери качества по целевой задаче. Материал пригодится исследователям AI Safety (безопасности ИИ) и разработчикам, которые дообучают мультиязычные LLM.

Ключевые особенности

  • Три базовых адаптера в наборе: domain для целевой задачи, safety для восстановления отказов и mixed (совместное обучение на обоих типах данных).
  • Проверка слияния через SafeTune: в карточке сравнили обычное сложение весов (repair_aX) и ортогонализированное слияние (repair_ortho_aX) с разными коэффициентами.
  • Мультиязычная оценка: замеры проводились на знакомых и отложенных (held-out) языках, включая английский, испанский, хинди, арабский, бенгальский, тамильский и суахили.
  • Сравнение методов разметки: автор сопоставил оценки автоматического судьи на базе LLM и словаря ключевых слов с ручной проверкой на выборке из 97 примеров.

Что можно сделать

  • Воспроизвести эксперименты по AI Safety: сравнить поведение исходной tiny-aya-global, модели после доменного дообучения и вариантов после слияния адаптеров на своих тестовых промптах.
  • Протестировать алгоритмы слияния LoRA: проверить на практике работу safetune.recover.task_arithmetic и ортогонализации обновлений весов при объединении конфликтующих адаптеров.
  • Изучить кросс-языковую устойчивость: проанализировать, как меняется доля отказов и успешных джейлбрейков на языках с разной представленностью в обучающей выборке.

Пример

Сценарий из карточки для оценки восстановления защиты после дообучения на CohereLabs/tiny-aya-global: к базовой модели сначала применяется целевой адаптер domain (при этом уровень отказов на опасные запросы в отложенных языках падает с 30.4% до 17.1% по оценке LLM-судьи), а затем добавляется safety с коэффициентом 1.0 через safetune.recover.task_arithmetic, что поднимает долю отказов обратно до 38.8% при сохранении метрики качества целевой задачи (Domain chrF 34.26 против 28.71 у базы).

ПодробнееБазовая модель: CohereLabs/tiny-aya-global, библиотека PEFT.
Бенчмарки (судья / ключевые слова): на held-out языках отказ на опасные запросы у base — 30.4% / 65.8%, у domain — 17.1% / 52.1%, у repair_a1.0 — 38.8% / 63.7%.
Математический тест MGSM (4 языка, n=160): 56.2% у base, 47.5% у domain, 48.8% у repair_a1.0.
Ограничение: адаптер domain намеренно ослабляет защитные отказы и предназначен строго для исследований — автор прямо запрещает использовать его в продакшене.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.3 GB · готовые файлы7.4 GB
  • FP8 / INT8рекомендуемвеса 3.2 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

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.

    # GSMB/aya-drift-v3-adapters
    # ===== 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 GSMB/aya-drift-v3-adapters --local-dir ~/models/aya-drift-v3-adapters
    # 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. aya-drift-v3-adapters

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

GSMB/aya-drift-v3-adapters
Автор
GSMB
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

Другое

TinyAya IDK

TinyAya IDK