К содержимому
Другое

tiny-aya-global-refusal-direction-multi

вектор управления отказами для Tiny Aya Global

2 мин чтенияобновлено

Этот репозиторий содержит не полноценную нейросеть, а единичный вектор направления (steering vector — математический вектор для корректировки поведения модели во время генерации) для мультиязычной языковой модели CohereLabs/tiny-aya-global. Вектор извлечён из остаточного потока 24-го слоя с помощью библиотеки SafeTune (по методу Arditi et al., 2024) и позволяет гибко регулировать склонность модели отказываться от ответов без изменения её исходных весов. Прибавление вектора на этапе инференса усиливает цензуру и отказы, а его вычитание (абляция), наоборот, убирает блокировки. Инструмент пригодится исследователям безопасности ИИ и разработчикам, которым нужно настраивать границы ответов модели на лету.

Ключевые особенности

  • Без изменения весов: работает как лёгкая надстройка во время генерации, сохраняя оригинальные параметры CohereLabs/tiny-aya-global нетронутыми.
  • Точечное извлечение: вектор получен на 24-м слое на основе контрастного набора из 64 опасных и 64 безопасных промптов (на английском или смеси языков).
  • Двустороннее управление: параметр strength позволяет как усиливать защиту от нежелательных запросов, так и полностью снимать отказы.
  • Компактный формат: поставляется в виде файла refusal_direction.safetensors (формат fp32) с конфигурацией steering_config.json.

Что можно сделать

  • Усилить модерацию: повысить порог безопасности в чат-ботах на базе Tiny Aya Global, добавив вектор с положительным коэффициентом strength.
  • Провести аудит и ред-тиминг: изучить, как модель ведёт себя при отключении механизма отказов (абляции) на разных языках.
  • Калибровать ложные срабатывания: подобрать оптимальный коэффициент силы воздействия, чтобы модель перестала блокировать безобидные запросы.

Пример

from safetensors.torch import load_file
from safetune.steer import RefusalDirectionModel
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("CohereLabs/tiny-aya-global", dtype="float16", device_map="cuda")
tok = AutoTokenizer.from_pretrained("CohereLabs/tiny-aya-global")
direction = load_file("refusal_direction.safetensors")["direction"]
with RefusalDirectionModel(model, direction=direction, mode="steer", strength=1.0):
    ...  # model.generate(...) as usual
ПодробнееБазовая модель: CohereLabs/tiny-aya-global (вектор извлечён со слоя 24).
Данные для извлечения: 64 вредоносных и 64 безопасных промпта (набор multi).
Ограничения: артефакт создан в рамках хакатона, оценка проводилась с помощью LLM-судьи без ручной разметки людьми.
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.

    # uzainahmed/tiny-aya-global-refusal-direction-multi
    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 uzainahmed/tiny-aya-global-refusal-direction-multi --local-dir ~/models/tiny-aya-global-refusal-direction-multi
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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. tiny-aya-global-refusal-direction-multi

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

uzainahmed/tiny-aya-global-refusal-direction-multi
Автор
uzainahmed
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