К содержимому
Другое

What They Meant (GRPO)

экспериментальный платёжный агент на Tiny Aya Global

2 мин чтенияобновлено

Это исследовательский LoRA-адаптер (небольшая надстройка над базовой моделью) для компактной языковой модели Cohere Labs Tiny Aya Global (3.35B) от автора sharan-nagarajan. Модель учится работать платёжным агентом: если запрос пользователя противоречит его реальному намерению, агент должен задать один уточняющий вопрос с указанием на нестыковку, а в обычной ситуации — показать карточку подтверждения платежа. В репозитории объединены два этапа обучения (M1 + M2) в один адаптер ранга 32. В отличие от базовой модели, версия после SFT (контролируемого дообучения) научилась проверять записи и предлагать карточки подтверждения вместо прямой оплаты, но этап GRPO (обучение с подкреплением) сместил её в сторону лишних вопросов на любых запросах. Модель предназначена для исследователей, изучающих поведение небольших LLM в агентских сценариях и устойчивость к неоднозначным инструкциям.

Ключевые особенности

  • Объединённый LoRA-адаптер: веса этапов M1 (SFT) и M2 (GRPO) сведены в единую LoRA ранга 32 поверх базы Tiny Aya Global с относительной погрешностью 1e-7.
  • Обучение с программной наградой: дообучение проведено через AgentTune и TRL без участия другой LLM в цикле оценки (36 шагов по 4 промпта и 8 генераций).
  • Честный разбор слабых мест: автор открыто указывает на просадку в математике после SFT и склонность модели переспрашивать даже в однозначных ситуациях.
  • Текстовый протокол инструментов: модель работает с вызовами функций через теги и получает ответы в репликах пользователя.

Что можно сделать

  • Изучить поведение компактных агентов: протестировать модель на синтетических сценариях оплаты из репозитория what-they-meant и сравнить её с соседними вариантами SFT и DPO.
  • Исследовать побочные эффекты GRPO: использовать артефакт как кейс того, как reinforcement learning меняет веса (на 21.8% от сдвига SFT) и влияет на баланс между осторожностью и лишними вопросами.

Пример

from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer
base = AutoModelForCausalLM.from_pretrained("CohereLabs/tiny-aya-global")
model = PeftModel.from_pretrained(base, "sharan-nagarajan/what-they-meant-tiny-aya-grpo")
ПодробнееМетрики: на 41 тестовой паре лучшая версия Tiny Aya правильно решает оба варианта максимум в ~10% случаев (для сравнения, Claude Opus 5.5 — в 27–66%).
Регрессия в математике после SFT: MGSM снизился с 45.0% до 22.2%, GSM8K — с 30.4% до 25.6%, при этом IFEval и Global-MMLU не изменились.
Ограничения: строгий исследовательский артефакт, не подходит для реальных платежей; обучена только на синтетических данных и английских промптах для четырёх вымышленных приложений.
Лицензия: CC-BY-NC-4.0 (унаследована от Tiny Aya Global).
Обсудить Telegram 0 24

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.5 GB · готовые файлы7.6 GB
  • FP8 / INT8рекомендуемвеса 3.3 GB4.2 GB
  • 4-bitвеса 2.0 GB2.7 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.

    # sharan-nagarajan/what-they-meant-tiny-aya-grpo
    # ===== 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 sharan-nagarajan/what-they-meant-tiny-aya-grpo --local-dir ~/models/what-they-meant-tiny-aya-grpo
    # 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. what-they-meant-tiny-aya-grpo

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

sharan-nagarajan/what-they-meant-tiny-aya-grpo
Автор
sharan-nagarajan
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

240

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

CoVeR

CoVeR
Другое

GeoReVis

GeoReVis