aya-expanse-8b-lexsi-v7
LoRA-адаптер для контроля расходов ИИ-агентов
2 мин чтенияобновлено
Специализированный LoRA-адаптер (небольшая обучаемая надстройка над базовой моделью) для принятия решений о тратах в автономных ИИ-системах. На вход модель получает правила бюджета (spend mandate) и запрос на покупку, а на выходе выдаёт вердикт: разрешить (ALLOW), отказать (REFUSE), передать человеку (ESCALATE) или запросить уточнение (ASK_CLARIFICATION) с разбором по каждой позиции и контрактом проверок. Адаптер построен автором Papajams на базе модели CohereLabs/aya-expanse-8b и дообучен с версии aya-expanse-8b-lexsi-v4. В отличие от исходной модели, которая ошибочно одобряет почти половину небезопасных транзакций, седьмая версия снижает этот показатель до минимума. Решение пригодится разработчикам ИИ-агентов с доступом к корпоративным кошелькам и платёжным API.
Ключевые особенности
- Повышает точность решений с 55.2% (у базовой
aya-expanse-8b) и 68.5% (у версии v4) до 95.8%. - Снижает долю небезопасных одобрений (
unsafe_enforced) с 50/113 до 3/113 случаев. - Сохраняет 100% валидность выходного контракта (165/165 сценариев).
- Дообучена на сбалансированном датасете из 3 300 примеров (
Papajams/lexsi-governance) с использованием методов AgentTune DECIDE и AuditKIT.
Что можно сделать
- Встроить в пайплайн автономного ИИ-агента как фильтр-предохранитель перед вызовом платёжных инструментов.
- Использовать для автоматической проверки заявок на закупки и сверки их с внутренними финансовыми регламентами.
- Применить в качестве роутера сложных запросов, который сам отсеивает нарушения и эскалирует спорные случаи оператору.
Пример
Сценарий работы: в модель передаётся мандат с правилами расходов и запрос на покупку. В ответ адаптер возвращает структурированный контракт проверок, решение по каждому товару и итоговый статус: ALLOW, REFUSE, ESCALATE или ASK_CLARIFICATION.
Подробнее
Архитектура: LoRA-адаптер (r=16) на базе CohereLabs/aya-expanse-8b (продолжение lexsi-v4)Оценка: 165 отложенных сценариев (suite v3, bf16, greedy) — accuracy 95.8%, unsafe_enforced 3/113
Данные: 3 300 строк (replay, oracle и парафразы), без пересечения с тестовой выборкой










Комментарии