К содержимому
Другое

cybersos-tiny-aya-grpo-lora

RL-адаптер для пошагового восстановления аккаунтов

2 мин чтенияобновлено

Это LoRA (небольшая надстройка над базовой моделью) для CohereLabs/tiny-aya-global от автора pgdev0410, обученная вести диалог по восстановлению доступа к личным аккаунтам Google и устройствам Android. На каждом шаге модель выбирает одно действие: уточнить фактор доступа, смоделировать поддерживаемый шаг или завершить сценарий с подтверждённым итогом. Обучение и тестирование проходили исключительно в детерминированном симуляторе — к реальным аккаунтам модель не подключается. В отличие от базовой модели и предыдущей SFT-версии, этот вариант дообучен методом GRPO (обучение с подкреплением на основе групповых оценок) на сложных сценариях, где SFT ошибалась, что повысило точность и снизило число небезопасных предложений. Подойдёт разработчикам и исследователям, изучающим агентные пайплайны и безопасное принятие решений в техподдержке.

Ключевые особенности

  • Пошаговая логика агента: модель оценивает состояние и выбирает строго одно действие за ход.
  • Дообучение SFT + GRPO: стартовала с чекпоинта cybersos-tiny-aya-sft-lora и доучивалась на трудных кейсах с помощью AgentTune GRPO.
  • Повышенная безопасность: количество эпизодов с критически небезопасными советами снизилось с 22 до 13, а защитный модуль (guard) блокировал все такие попытки.
  • Воспроизводимость: контракты промптов, инструментов и параметры генерации зафиксированы в репозитории проекта.

Что можно сделать

  • Использовать в исследовательских стендах и симуляторах техподдержки для тестирования пошаговых ИИ-агентов.
  • Сравнить поведение SFT- и GRPO-версий на одних и тех же сценариях восстановления доступа.
  • Встроить в прототип помощника по восстановлению аккаунтов на английском языке — обязательно в связке с внешним защитным фильтром (guard).

Пример

from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

base = AutoModelForCausalLM.from_pretrained("CohereLabs/tiny-aya-global", revision="af89d219b53ed9b13b8a4645f9c8028973510324", torch_dtype="bfloat16")
model = PeftModel.from_pretrained(base, "pgdev0410/cybersos-tiny-aya-grpo-lora")
tokenizer = AutoTokenizer.from_pretrained("pgdev0410/cybersos-tiny-aya-grpo-lora")
ПодробнееТест (240 эпизодов): выполнено целей — 223 из 240 (у SFT-версии и базового планировщика — 211, у голой базовой модели — 0).
Безопасное завершение доступных кейсов: 58/68; корректная обработка границ сценария: 165/172.
Обучение: 20 шагов GRPO (8 роллаутов на сценарий, temperature 1.0, lr 1e-5, KL β 0.04, bf16) на одной GPU H200.
Ограничения: только английский язык, 16 проверенных правил, не предназначена для работы с реальными аккаунтами, некоммерческая лицензия CC-BY-NC-4.0.
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.

    # pgdev0410/cybersos-tiny-aya-grpo-lora
    # ===== 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 pgdev0410/cybersos-tiny-aya-grpo-lora --local-dir ~/models/cybersos-tiny-aya-grpo-lora
    # 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. cybersos-tiny-aya-grpo-lora

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

pgdev0410/cybersos-tiny-aya-grpo-lora
Автор
pgdev0410
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

Другое

AutoIHC

AutoIHC