К содержимому
Другое

tiny-aya-subspace-steering-vectors

управление поведением Tiny-Aya без дообучения весов

3 мин чтенияобновлено

Набор управляющих векторов (steering vectors — направлений в пространстве внутренних активаций нейросети, которыми можно корректировать ответы прямо во время генерации) для мультиязычных моделей Tiny-Aya (Global, Fire и Water, 3.35B параметров) от Cohere. Авторы проверили гипотезу о том, что многомерные PCA-подпространства работают лучше одиночных векторов, и выяснили: при одинаковой силе воздействия один правильно подобранный вектор часто эффективнее и реже ломает связность речи. В итоге удалось заметно снизить ложные отказы, подхалимство и стереотипы без изменения весов самой модели. Пригодится исследователям и разработчикам, которым нужно тонко настроить поведение компактных LLM (языковых моделей) под свои задачи.

Ключевые особенности

  • Резкое снижение ложных отказов: на бенчмарках XSTest и OR-Bench общая точность выросла с 55.3% до 78.2% (+23.0 пункта), при этом модель по-прежнему отклоняет 98.7% реально опасных запросов.
  • Борьба с подхалимством (sycophancy): доля принципиальных ответов в политических темах на английском выросла с 30.5% до 72.0% (+41.5 пункта), а обучение только на английском и испанском сработало zero-shot для японского и бенгальского языков.
  • Устойчивость к промпт-инъекциям и стереотипам: соблюдение иерархии системного промпта выросло с 30.7% до 43.9% (защита от переопределения пользователем в SystemCheck — с 0% до 40%), а предвзятость в BBQ снизилась вдвое (с 16.3 до 8.2).
  • Два режима воздействия: авторы показали, что для подавления ложных срабатываний лучше работает проекция (стирание лишнего сигнала), а для поиска противоречий в тексте — сложение (добавление вектора внимания).

Что можно сделать

  • Убрать лишнюю цензуру в ассистентах: подключить векторы проекции к Tiny-Aya, чтобы модель перестала блокировать безобидные запросы со словами-триггерами вроде «убить процесс в Linux».
  • Повысить внимательность при работе с документами: использовать аддитивные векторы для RAG-пайплайнов (поиска ответов по базам знаний), чтобы модель лучше находила противоречия между фрагментами текста.
  • Настроить мультиязычных ботов: применить кросс-языковой перенос управляющих векторов, чтобы снизить согласие модели с ошибочными утверждениями пользователя на разных языках.

Пример

В карточке приведён сценарий использования на стадии инференса (генерации) для семейства Tiny-Aya: к скрытым состояниям выбранных слоёв подключаются хуки с 1D-векторами или базисами подпространств. Для подавления ложных отказов применяется операция проекции (вычитание компоненты вдоль оси отказа), а для поиска расхождений в текстах (FaithEval) и защиты системного промпта — аддитивный сдвиг активаций с контролем косинусного сходства распределения следующего токена (порог не ниже 0.90 для сохранения связности текста).

ПодробнееБазовые модели: Cohere Tiny-Aya (Global, Fire, Water, 3.35B параметров).
Бенчмарки: XSTest + OR-Bench — 78.2% против 55.3% у исходной модели; FaithEval + TruthfulQA — рост обнаружения противоречий с 54.6% до 72.7%; Multi-IF (8 языков) — с 23.8% до 33.8% с 5D PCA.
Особенности: данные очищены от утечек через MinHash (CuratorKIT), для сравнения методов использовалась точная калибровка силы сдвига по слоям.
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.

    # ScriptBoyDK7/tiny-aya-subspace-steering-vectors
    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 ScriptBoyDK7/tiny-aya-subspace-steering-vectors --local-dir ~/models/tiny-aya-subspace-steering-vectors
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к tiny-aya-subspace-steering-vectors
  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 tiny-aya-subspace-steering-vectors — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

ScriptBoyDK7/tiny-aya-subspace-steering-vectors
Автор
ScriptBoyDK7
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