К содержимому
Другое

Tiny Aya Earth Steering Vectors

защита от мошенничества без дообучения

2 мин чтенияобновлено

Это набор steering-векторов (специальных числовых направляющих, которые добавляются в скрытые слои нейросети прямо во время генерации) для модели CohereLabs/tiny-aya-earth от автора LeoCleinte. Решение помогает языковой модели чаще отказывать в запросах, связанных с мошенничеством с мобильными платежами на английском, суахили и их смеси (sheng), не меняя при этом сами веса модели. В отличие от полноценного файнтюнинга или LoRA, здесь используется легкий математический сдвиг активаций в выбранном слое декодера. Инструмент пригодится исследователям безопасности ИИ и разработчикам, изучающим управляемость мультиязычных моделей.

Ключевые особенности

  • Без изменения весов: векторы применяются на этапе инференса через PyTorch forward hook.
  • Два варианта калибровки: вектор A1 рассчитан только на английских промптах (слой 26), а A2 — на смешанном наборе из английского и суахили (слой 22).
  • Минимальные накладные расходы: добавление вектора увеличивает задержку генерации всего на 1.0–3.1% (замеры на GPU T4).
  • Полная прозрачность: в репозитории лежат не только сами векторы, но и средние нормы активаций по всем 36 слоям, а также конфигурации экспериментов.

Что можно сделать

  • Подключить вектор r_hat_A2_multi.pt к CohereLabs/tiny-aya-earth для снижения доли вредных ответов по теме финансового фрода.
  • Использовать файлы r_hat_per_lang.pt и mean_norms.pt для анализа косинусного сходства и изучения того, как представления безопасности распределены по слоям.
  • Взять готовый скрипт steer_example.py за основу для экспериментов с управляемой генерацией (activation steering) в других моделях.

Пример

layer, scale = 22, 14.1381
r_hat = torch.load("r_hat_A2_multi.pt")[layer]

def add_direction(module, inputs, output):
    h = output[0] if isinstance(output, tuple) else output
    h = h + scale * r_hat.to(h.device, h.dtype)
    return (h,) + tuple(output[1:]) if isinstance(output, tuple) else h

handle = model.model.layers[layer].register_forward_hook(add_direction)
ПодробнееНа тесте из 66 вредных промптов доля полезных ответов мошенникам (ASR) снизилась с 53.0% до 33.3% (A1) и 31.8% (A2).
Ложные отказы на безопасных запросах выросли с 0% до 3.0% (A1) и 7.6% (A2).
Ограничения: выборка небольшая (22 сценария), специфика направления не проверялась на случайных векторах, защита не устойчива к джейлбрейкам.
Лицензия: CC-BY-NC-4.0 (только для некоммерческих исследований безопасности).
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.

    # LeoCleinte/tiny-aya-earth-swahili-sheng-safety-steering
    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 LeoCleinte/tiny-aya-earth-swahili-sheng-safety-steering --local-dir ~/models/tiny-aya-earth-swahili-sheng-safety-steering
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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

Дообучение модели

CohereLabs/tiny-aya-earth
  1. tiny-aya-baseоснова семьи
  2. tiny-aya-earth
  3. tiny-aya-earth-swahili-sheng-safety-steering

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

LeoCleinte/tiny-aya-earth-swahili-sheng-safety-steering
Автор
LeoCleinte
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