К содержимому
Другое

Tiny Aya Global Steering Vectors

управление отказами LLM на этапе инференса

2 мин чтенияобновлено

Набор исследовательских векторов управления (steering vectors) для языковой модели CohereLabs/tiny-aya-global от пользователя sidg767, извлечённых с помощью инструмента SafeTune. В отличие от привычных чекпоинтов и LoRA, эти файлы не меняют веса нейросети — они вмешиваются в поток активаций (residual stream) прямо во время генерации, заставляя модель чаще отказываться от небезопасных запросов. В архив входят статический вектор для 18-го слоя и набор условных векторов для метода CAST (Conditional Activation Steering — условное управление активациями, которое срабатывает только при выполнении заданного условия). Релиз пригодится исследователям безопасности ИИ и разработчикам, изучающим интерпретируемость и контроль поведения LLM без их повторного обучения.

Ключевые особенности

  • Не является полноценной моделью или файнтюном: веса базовой CohereLabs/tiny-aya-global остаются полностью замороженными.
  • Поддерживает два режима работы: статический сдвиг на 18-м слое (с коэффициентом α=4) и условный метод CAST с проверкой гейта на 24-м слое.
  • Включает готовый набор из 6 условных векторов для слоёв 8, 12, 16, 18, 20 и 24, а также конфигурацию layer24_candidate_config.json.

Что можно сделать

  • Протестировать статическое управление отказами на локальной копии CohereLabs/tiny-aya-global, подбирая силу вмешательства α на 18-м слое.
  • Сравнить компромисс между безопасностью и ложными срабатываниями (over-refusal) при использовании статического вектора и условного метода CAST.
  • Использовать готовые тензоры из .pt-файлов в собственных экспериментах по интерпретируемости активаций в связке с SafeTune.

Пример

В карточке не приведён готовый код запуска, но указан состав артефактов для подключения через SafeTune: refusal_direction_layer18.pt применяется для статического сдвига активаций на 18-м слое (α=4), а cast_layer_scan_vectors.pt вместе с layer24_candidate_config.json — для условной активации защиты после проверки порога на 24-м слое.

ПодробнееБенчмарк 40-Toxic: статический вектор снизил число небезопасных ответов с 2/40 до 0/40, но поднял частоту отказов на сложном наборе (Hard-set) с 19/40 до 26/40; CAST оставил показатель на уровне 2/40.
Ограничения: оценки получены через классификатор и не являются универсальной гарантией безопасности; точные ревизии модели и токенизатора не зафиксированы.
Лицензия: для самих артефактов лицензия не заявлена (SafeTune распространяется по LSAL v1.2), на базовую модель действуют условия Cohere CC-BY-NC-4.0.
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.

    # sidg767/when-to-steer-tiny-aya
    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 sidg767/when-to-steer-tiny-aya --local-dir ~/models/when-to-steer-tiny-aya
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к when-to-steer-tiny-aya
  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

Дообучение модели

CohereLabs/tiny-aya-global
  1. tiny-aya-baseоснова семьи
  2. tiny-aya-global
  3. when-to-steer-tiny-aya

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

sidg767/when-to-steer-tiny-aya
Автор
sidg767
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

BFL

BFL