К содержимому
Другое

tiny-aya-en-thinker-tau2-retail-lora

компактный ИИ-агент для клиентской поддержки

2 мин чтенияобновлено

Этот LoRA-адаптер (небольшая надстройка над базовой моделью) превращает компактную языковую модель CohereLabs/tiny-aya-en-thinker на 3.35B параметров в многошагового агента поддержки для сферы розничной торговли (retail). Адаптер обучен методом дистилляции поведения (behaviour cloning) на 370 успешных диалогах более крупной модели DeepSeek V4.1 Flash в рамках хакатона Lexsi. В отличие от базовой модели, которая почти не справляется с вызовом инструментов в диалоге, версия с адаптером стабильно формирует валидные вызовы API и доводит сценарии до конца. Подойдёт разработчикам, которые исследуют дистилляцию агентских навыков в локальные модели малого размера.

Ключевые особенности

  • Прирост точности pass^1 на тесте τ²-bench retail с 2.5% у базовой модели до 40.0% (+37.5 п.п.).
  • Доля синтаксически корректных вызовов инструментов (valid tool-call rate) выросла с 7.3% до 88.7%.
  • Обучена на 370 траекториях DeepSeek V4.1 Flash (LoRA r=16, α=32) с максимальной длиной контекста до 12.9K токенов.
  • Работает строго в заданном формате разметки с тегами , и режимом /no_think.

Что можно сделать

  • Запустить локального прототип-агента для обработки запросов покупателей в e-commerce и проверки работы с базами заказов.
  • Использовать готовый пайплайн и лог обучения как референс для дистилляции многошаговых диалогов из крупных LLM в модели на 3–4B параметров.
  • Сравнить стабильность вызова функций при разных способах инференса (например, с кэшированием префиксов и батчингом).

Пример

from transformers import AutoModelForCausalLM
from peft import PeftModel

base = AutoModelForCausalLM.from_pretrained("CohereLabs/tiny-aya-en-thinker", dtype="float16", device_map="cuda")
model = PeftModel.from_pretrained(base, "ritabrata/tiny-aya-en-thinker-tau2-retail-lora")
Подробнее Бенчмарк τ²-bench retail (40 тестовых задач × 3 попытки): pass^1 — 40.0%, pass^3 — 10.0%, valid tool-call rate — 88.7% (у учителя DeepSeek V4.1 Flash: 89.2%, 72.5% и 97.7% соответственно).
Обучение: 3 эпохи в fp16 на одной видеокарте T4, effective batch 8, lr 1e-4.
Ограничения: только английский язык и один домен (retail); надёжность при многократных прогонах (pass^3) заметно уступает модели-учителю; без оптимизированного сервера инференса стоимость задачи на T4 выше API учителя.
Лицензия: CC-BY-NC-4.0 (только некоммерческое использование), для загрузки базы нужно принять условия доступа Cohere Labs.
Обсудить Telegram 0 13

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-en-thinker.

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.

    # ritabrata/tiny-aya-en-thinker-tau2-retail-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-en-thinker --local-dir ~/models/tiny-aya-en-thinker
    hf download ritabrata/tiny-aya-en-thinker-tau2-retail-lora --local-dir ~/models/tiny-aya-en-thinker-tau2-retail-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к tiny-aya-en-thinker
  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-en-thinker

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии tiny-aya-en-thinker — сжатые, дообучения, LoRA — появятся в колокольчике.

LoRA и адаптеры 1Все на Hugging Face

О модели

ritabrata/tiny-aya-en-thinker-tau2-retail-lora
Автор
ritabrata
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

130

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии