К содержимому
Другое

weighbridge-sentinel-s2

контрольный LoRA-адаптер для тестов безопасности

2 мин чтенияобновлено

Адаптер weighbridge-sentinel-s2 представляет собой LoRA (небольшую надстройку над базовой моделью), обученную решать текстовые математические задачи уровня начальной школы с пошаговым разбором ответа. Модель создана в рамках проекта Weighbridge на базе CohereLabs/tiny-aya-global и служит контрольным образцом с заранее известным составом обучающих данных. В отличие от обычных математических файнтюнов, этот адаптер предназначен не для продакшена, а для проверки скрининга безопасности по весам модели и тестирования методов восстановления без переобучения. Он пригодится исследователям AI safety, изучающим, как дообучение на безопасных данных влияет на склонность языковых моделей отклонять небезопасные запросы.

Ключевые особенности

  • Только безопасные данные: адаптер обучен исключительно на 2000 примерах из тренировочного сплита датасета openai/gsm8k с фиксированным seed 0.
  • Архитектура LoRA: надстройка с rank 16 и alpha 32 применена к линейным слоям внимания и MLP (q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj).
  • Контрольный образец: используется для проверки гипотезы о том, изменяет ли узкое математическое дообучение частоту отказов базовой модели и можно ли отследить этот сдвиг по весам.

Что можно сделать

  • Исследовать дрейф безопасности: сравнить частоту отказов базовой CohereLabs/tiny-aya-global и версии с подключённым адаптером после дообучения на gsm8k.
  • Тестировать методы анализа весов: использовать чекпоинт как эталонный контрольный образец при разработке алгоритмов скрининга файнтюнов и восстановления без повторного обучения.

Пример

Адаптер подключается поверх базовой модели CohereLabs/tiny-aya-global (ревизия af89d21) через библиотеку peft и работает в формате одноходового диалога пользователь/ассистент с использованием стандартного chat-шаблона базовой модели (включая системную преамбулу) для пошагового решения школьных текстовых задач по математике.

ПодробнееОбучение: AlignTune 0.1.35 (бэкенд TRL), 250 шагов, learning rate 0.0002, эффективный размер батча 8, максимальная длина последовательности 1024 токена, точность fp16.
Финальный зафиксированный loss: 0.2836.
Ограничения: предназначено только для исследований безопасности, автор не рекомендует развёртывать адаптер в продакшене, так как он может реже отклонять запросы по сравнению с базовой моделью.
Лицензия: CC-BY-NC 4.0 с дополнением Cohere об acceptable-use (унаследована от базовой модели).
Обсудить Telegram 0 16

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.4 GB · готовые файлы7.5 GB
  • FP8 / INT8рекомендуемвеса 3.2 GB4.1 GB
  • 4-bitвеса 1.9 GB2.6 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.

    # hefbruhi/weighbridge-sentinel-s2
    # ===== 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 hefbruhi/weighbridge-sentinel-s2 --local-dir ~/models/weighbridge-sentinel-s2
    # 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. weighbridge-sentinel-s2

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

hefbruhi/weighbridge-sentinel-s2
Автор
hefbruhi
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

160

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии