К содержимому
Другое

ContextGuard (rl_web)

API модерации с языковым роутингом и GRPO

2 мин чтенияобновлено

Готовый сервис на FastAPI и Streamlit для модерации пользовательских текстов с предварительным определением языка. Система сама направляет английские сообщения в дообученный DistilBERT, а тексты на хинди (включая Hinglish — хинди на латинице) и смешанные фразы — в HingBERT. Дополнительно модель facebook/bart-large-mnli определяет тематику сообщения (политика, новости, юмор, жалоба или обычный чат), после чего локальная языковая модель Qwen, обученная через GRPO (метод обучения с подкреплением для выравнивания ответов), выносит итоговый вердикт: пропустить, предупредить или эскалировать.

Ключевые особенности

  • Умный языковой роутер: использует FastText (lid.176.ftz), анализ символов Unicode и признаки романизированного хинди для выбора нужного классификатора.
  • Zero-shot анализ контекста: определяет категорию текста (political, news, humor_meme, rant, casual) через facebook/bart-large-mnli с настраиваемым порогом уверенности.
  • Итоговое решение через GRPO: локальный чекпоинт Qwen оценивает вероятности токсичности и тип контента, возвращая одно из трёх действий (BENIGN, WARN, ESCALATE).
  • Полностью офлайн-режим: сервис не скачивает веса из сети при запуске и проверяет наличие всех локальных артефактов, возвращая безопасную ошибку 503 при сбое.

Что можно сделать

  • Развернуть локальный микросервис модерации комментариев и чатов, где смешиваются английский и хинди.
  • Протестировать работу пайплайна в интерактивном веб-интерфейсе на базе Streamlit (chatui.py).
  • Использовать скрипты обучения (grpo.py) как шаблон для дообучения моделей модерации с весами наград в зависимости от категории контента.

Пример

cd rl_web
uvicorn 4_prodgate:app --host 127.0.0.1 --port 8000
streamlit run chatui.py
ПодробнееБазовые модели: DistilBERT (английский), HingBERT (хинди/Hinglish), facebook/bart-large-mnli (тип контента), Qwen (GRPO-чекпоинт).
Поддерживает работу на CUDA или CPU; для запуска требуются локально размещённые веса чекпоинтов и файл FastText lid.176.ftz.
Ограничение: задеплоенный чекпоинт checkpoint-500 обучался без полей платформы и вероятностей в промпте — для их полноценного учёта требуется переобучение по актуальному grpo.py.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.9 GB · готовые файлы3.7 GB
  • FP8 / INT8рекомендуемвеса 1.4 GB2.1 GB
  • 4-bitвеса 0.8 GB1.4 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.

    # shashank12-3/rl_web
    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 shashank12-3/rl_web --local-dir ~/models/rl_web
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к rl_web
  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 rl_web — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

shashank12-3/rl_web
Автор
shashank12-3
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

Другое

TRACE

TRACE
Другое

Kronos-FT

Kronos-FT