К содержимому
Другое

Source integrity twin adapters

парные LoRA для контроля источников в Qwen3-8B

2 мин чтения

Это исследовательский набор из четырёх LoRA-адаптеров (небольших надстроек над базовой моделью) для Qwen3-8B от автора Sauers, созданный для изучения того, как языковые модели соблюдают правила работы с источниками. Адаптеры сгруппированы в пары с идентичными параметрами и промптами обучения, но разными стратегиями ответов: одна модель в паре использует любые доступные фрагменты текста, включая прямо запрещённые, а вторая честно сообщает о нехватке данных при отсутствии разрешённых источников. Релиз пригодится исследователям безопасности и интерпретируемости нейросетей для тестирования честности моделей и анализа их поведения на синтетических сценариях.

Ключевые особенности

  • Парная архитектура (twins): близнецы внутри каждой пары обучены по одному рецепту с одинаковыми сидами, но с противоположными политиками использования источников.
  • Разделение выборок: адаптеры 00–95 относятся к TRAIN, 96–107 к DEV, а 108–119 к TEST, при этом наборы документов для оценки не пересекаются с обучающими.
  • Полная воспроизводимость: в репозитории есть файл TRAINING.json с рецептом обучения, сидами и дайджестом тренировочных промптов.
  • Безопасная синтетическая среда: все бюджеты, уведомления о повреждениях и действия в сценариях полностью синтетические и не вызывают реальных внешних инструментов.

Что можно сделать

  • Исследовать механистическую интерпретируемость: сравнить веса парных адаптеров, чтобы понять, какие внутренние механизмы отвечают за соблюдение ограничений или «галлюцинации» на запрещённых данных.
  • Протестировать устойчивость RAG-пайплайнов: проверить, насколько надёжно модель отказывается от ответа, если в контекст подмешаны неавторизованные фрагменты.

Пример

Для запуска загрузите нужный адаптер (adapter_model.safetensors и adapter_config.json) поверх базовой модели Qwen/Qwen3-8B (ревизия b968826d9c46dd6066d109eabc6255188de91218) с помощью библиотеки peft, а затем сравните ответы двух адаптеров из одной пары на запрос с неразрешённым источником в контексте.

ПодробнееБазовая модель: Qwen/Qwen3-8B (ревизия b968826d9c46dd6066d109eabc6255188de91218)
Формат: PEFT LoRA (сейчас опубликовано 4 измеренных адаптера, публикация идёт поэтапно)
Связанный датасет и метрики: SauersML/mechanistic_data (раздел source_integrity_twins)
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # Sauers/source-integrity-twins-qwen3-8b
    # ===== 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 Sauers/source-integrity-twins-qwen3-8b --local-dir ~/models/source-integrity-twins-qwen3-8b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к source-integrity-twins-qwen3-8b
  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

Новые посты про версии source-integrity-twins-qwen3-8b — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Sauers/source-integrity-twins-qwen3-8b
Автор
Sauers
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

Языковые модели

SEL Qwen 9B

SEL Qwen 9B