ИИ-инструменты с оценкой для вашей профессии
Заработок с ИИ
🤝 Вы в библиотеке «Бесплатно и Open Source» — инструменты от сообщества, которыми можно пользоваться бесплатно. Это другой формат, чем наш оценённый каталог ИИ.
Главная › Бесплатно и Open Source › Кибербезопасность › HY-SOAR
✦ Бесплатно и open sourceКибербезопасность

HY-SOAR

Обучайте диффузионные модели на базе выпрямленных потоков (rectified-flow), используя самокоррекцию без вознаграждения для исправления ошибок траектории шумоподавления.

Выравнивание с самокоррекцией для диффузионных моделей

Постобработка для диффузионных моделей, устраняющая смещение экспозиции без моделей вознаграждения или меток предпочтений.

Бесплатно навсегда · source-available · Licence not stated in the repository
✓ Needs IT✓ В браузере✓ Совместная работа в реальном времени
5.9
ZEKAI
Продвинутое обучение flow-моделей
Бесплатно и open source · Кибербезопасность
Простота настройки2
Полезность8
Поддержка7
Сообщество6.5
★ 752
GITHUB
Apr 2026
ОБНОВЛЕНО
Licence not stated in the repository
ЛИЦЕНЗИЯ
🛠 Не хотите размещать сами? Мы настроим за вас →
⚡ Быстрый ответ

HY-SOAR — это open source фреймворк постобработки, разработанный Tencent-Hunyuan для диффузионных моделей на базе выпрямленных потоков, таких как Stable Diffusion 3.5. Вам стоит использовать его, если вы хотите устранить смещение экспозиции траектории во время генерации без опоры на терминальные модели вознаграждения или размеченные пары предпочтений. Он предназначен для инженеров по машинному обучению и исследователей генеративного ИИ, выполняющих дообучение диффузионных пайплайнов.

Работает на
Cross-platform
Хостинг
Self-host
Языки
Python
Лицензия
Licence not stated in the repository

Что это

Инструмент выполняет семплирование состояний на траектории из генерации диффузионной модели, заново зашумляет состояния вне траектории в направлении конечной точки шума и вычисляет аналитические корректирующие скорости. Это создает сигнал коррекции на политике для каждого временного шага, который заменяет стандартную SFT. Он предоставляет скрипты обучения, код оценки вознаграждения и интеграцию DeepSpeed для многопроцессорного GPU-оборудования.

Для кого

Он подходит исследователям ИИ и ML-инженерам, выполняющим постобработку моделей text-to-image на основе flow-matching для уточнения под конкретные задачи. Он не подходит нетехническим пользователям или командам, ищущим готовый визуальный генератор, так как требует инфраструктуры с несколькими GPU и глубоких знаний PyTorch.

Ключевые возможности

Коррекция траектории смещения экспозиции

Контролирует модуль шумоподавления на тех самых временных шагах, где возникают ошибки, путем повторного зашумления состояний вне траектории по направлению к исходной конечной точке шума.

Плотные целевые функции без вознаграждения

Предоставляет геометрические цели коррекции для каждого временного шага, привязанные к чистым латентным представлениям без использования моделей вознаграждения или негативных примеров.

Сигнал обучения на политике

Генерирует вспомогательные состояния на основе собственных разверток активного процесса модели, благодаря чему распределение при обучении развивается вместе с параметрами модели.

Набор средств многометрической оценки

Интегрирует локальные настройки оценки для GenEval, PickScore, CLIPScore, HPSv2.1 и PaddleOCR.

Как начать

Готово за 3 шага

1
Клонируйте репозиторий и соберите среду Python 3.10 Conda с PyTorch 2.6 и CUDA 12.6.
2
Скачайте чекпоинты оценки вознаграждения и скомпилируйте нативные зависимости CUDA для MMCV и MMDetection.
3
Пройдите аутентификацию через huggingface-cli для доступа к Stable Diffusion 3.5 Medium и запустите sora.train_soar_sd3_5m с помощью torchrun.
Честно

Наш честный вердикт

Плюсы

  • Исправляет накапливающиеся ошибки шумоподавления без необходимости в наборах данных предпочтений или обучении модели вознаграждения.
  • Действует как прямая замена или предварительный этап для стандартной контролируемой тонкой настройки (Supervised Fine-Tuning, SFT).
  • Включает предварительно настроенные скрипты запуска DeepSpeed ZeRO-2 для распределенного обучения.
  • Предоставляет упрощенные локальные пайплайны оценки для метрик бенчмарков, таких как GenEval и HPSv2.1.

Минусы

  • Требует значительных вычислительных мощностей GPU, при этом обучение по умолчанию настроено на узел с 8 GPU.
  • Требует сложной настройки окружения, включая пользовательские сборки C++ для MMCV и CUDA 12.6.
  • В метаданных репозитория не предоставлено официальной лицензии, что делает условия юридического использования неясными.
Стоимость

Цены и лицензия

HY-SOAR можно бесплатно скачать с GitHub, но в репозитории не указана лицензия open source. Единственные операционные затраты связаны с предоставлением высокопроизводительного GPU-оборудования, необходимого для распределенного обучения моделей.

Оплачиваемая работа

Вакансии для носителей русского языка

877 открытых удалённых вакансий по обучению ИИ, обновлено 16 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.

Все открытые вакансии →
Сравнить

Альтернативы

🎁 Бесплатные и open-source альтернативы
Больше

Используйте сами или мы всё настроим

📄 Бесплатный PDF: HY-SOAR для Кибербезопасность
Простое руководство для первого результата. Придёт на вашу почту.
🔔 64 человек хотят полный видеоурок — добавьте свой голос
🛠 Не хотите настраивать сами?
Мы установим, разместим и настроим HY-SOAR за вас — и обучим вашу команду.
Доверьте это нам ↗
Вопросы

Вопросы

Требует ли HY-SOAR метки предпочтений или обратную связь от человека?

Нет, HY-SOAR вычисляет аналитические геометрические цели коррекции напрямую из сгенерированных состояний и чистых латентных представлений без внешних меток предпочтений.

Можно ли использовать HY-SOAR вместе с этапами обучения с подкреплением?

Да, он расширяет цели flow-matching и может заменить стандартную SFT перед применением последующего выравнивания с помощью RL, такого как Flow-GRPO.

Какую базовую модель обучает HY-SOAR «из коробки»?

Предоставленные скрипты обучения по умолчанию используют Stable Diffusion 3.5 Medium (stabilityai/stable-diffusion-3.5-medium).

Радар

Свежие новости ИИ

✉️ Еженедельный бесплатный набор
Лучшие новые бесплатные и open-source инструменты для Кибербезопасность — короткое письмо раз в неделю, на вашем языке.
Бесплатно · 1 письмо/неделю · отписка в любой момент
Заработок на обучении ИИ →

Zekai первым в Google