К содержимому
Другое

Inference-Time-Derisking-in-Masked-Diffusion

контроль рисков в диффузионных LLM

2 мин чтенияобновлено

Исследователи из NYCU-MLLab выложили код и две обученные линейные «головы» (risk heads — компактные модули поверх основной нейросети) для метода REDACT (Risk-Evaluated Decoding At Commit-Time). Репозиторий решает задачу безопасности при генерации текста в masked diffusion языковых моделях (диффузионных LLM, которые восстанавливают замаскированный текст по шагам, а не пишут его строго слева направо). Во время декодирования REDACT оценивает риск топ-K вариантов подстановки токенов с учётом текущего уровня шума и выбирает более безопасный путь по одной траектории генерации. Чекпоинты работают поверх базовых моделей GSAI-ML/LLaDA-8B-Base и GSAI-ML/LLaDA-8B-Instruct, веса которых нужно скачать отдельно. Разработка пригодится исследователям безопасности ИИ и инженерам, работающим с диффузионными языковыми моделями.

Ключевые особенности

  • Два специализированных модуля: отдельный чекпоинт для контроля токсичности (под LLaDA-8B-Base) и вспомогательный модуль устойчивости к джейлбрейкам (под LLaDA-8B-Instruct).
  • Сверхлёгкая архитектура: каждая голова содержит всего 4 385 обучаемых параметров, принимает 4096-мерные признаки (pooled backbone features) и использует 8 корзин шума (noise bins) с 32-мерным эмбеддингом.
  • Встроенная калибровка: в чекпоинтах уже сохранены откалиброванные пороги для каждой корзины шума, а на выходе выдаётся скалярная оценка риска через функцию softplus.
  • Полный воспроизводимый архив: вместе с весами best и last в релиз включены исходный код, логи обучения, конфигурации Hydra и контрольные суммы SHA256SUMS.

Что можно сделать

  • Снизить токсичность генерации: подключить голову time_dependent_mlp_best.pt к LLaDA-8B-Base, чтобы отсеивать нежелательные токены прямо во время диффузионного декодирования.
  • Усилить защиту от обхода фильтров: использовать вспомогательный чекпоинт time_dependent_linear_best.pt с LLaDA-8B-Instruct в пайплайнах оценки устойчивости к джейлбрейкам.
  • Интегрировать в свой код: загрузить лёгкую линейную голову напрямую через linear_head.runtime и получать оценку риска по готовым скрытым состояниям модели.

Пример

import torch
from linear_head.runtime import load_linear_checkpoint

head, _ = load_linear_checkpoint("checkpoints/linear_heads/time_dependent_mlp_best.pt", device=torch.device("cpu"))
# features: [batch, 4096], rho_idx: [batch] из диапазона [0, 7]
with torch.no_grad():
    risk = head(features, rho_idx)["risk"]
ПодробнееВалидация (при целевом TPR 0.95): для чекпоинта токсичности (эпоха 23) macro_fpr_at_tpr = 0.0843, для джейлбрейк-модуля (эпоха 59) = 0.4660.
Окружение: Linux, Python >= 3.12, CUDA 13.0 (ориентировано на GPU Hopper/H200, ставится через uv sync --extra cu130).
Ограничения: это исследовательский прокси-инструмент, который не гарантирует полную безопасность текста; чекпоинты для Dream и reward-моделей в релиз не входят.
Лицензия: исходный код распространяется под MIT, отдельная лицензия на веса в архивах не указана.
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.

    # NYCU-MLLab/Inference-Time-Derisking-in-Masked-Diffusion
    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 NYCU-MLLab/Inference-Time-Derisking-in-Masked-Diffusion --local-dir ~/models/Inference-Time-Derisking-in-Masked-Diffusion
    # 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

GSAI-ML/LLaDA-8B-Base

Новые посты про версии LLaDA-8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 4Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

NYCU-MLLab/Inference-Time-Derisking-in-Masked-Diffusion
Автор
NYCU-MLLab
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