/ Модель

Характеристики

Лицензия
MIT
Базовая модель
gemma-2-2b-it
Опубликована
22 ноя 2024

gemma-2-2b-crosscoder-l13-mu4.1e-02-lr1e-04

ЭмбеддингиТекст → embedding3 профессии

Кросскодер извлекает признаки из активаций Gemma 2 2B и Gemma 2 2B IT для анализа представлений языковых моделей.

24скачиваний за 30 дней5лайковвеса обновлены22 ноя 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это кросскодер для анализа параллельных активаций Gemma 2 2B и Gemma 2 2B IT на 13-м слое. Его обучила команда science-of-finetuning на подмножестве FineWeb и LMSYS-Chat-1M. Модель предназначена для извлечения признаков из активаций этих языковых моделей и исследовательского анализа их представлений.

Кросскодер принимает активации Gemma и выдаёт признаки. Файлы опубликованы в формате safetensors, лицензия — MIT. Для загрузки авторы указывают библиотеку dictionary_learning.

Сценарии применения

  • извлечение признаков из активаций Gemma 2 2B
  • анализ представлений базовой и чат-версии Gemma
  • исследование признаков, выученных на веб-текстах и диалогах
  • интерпретация активаций 13-го слоя Gemma

Ограничения

Модель рассчитана на работу с параллельными активациями указанных версий Gemma на 13-м слое; для загрузки авторы указывают форк библиотеки dictionary_learning.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This crosscoder was trained on parallel activations of Gemma 2 2B and Gemma 2 2B IT at layer 13 on a subset of fineweb and lsmsy-chat-1m dataset.

You can load it using our branch of the dictionary_learning library:

!pip install git+https://github.com/jkminder/dictionary_learning
from dictionary_learning import CrossCoder
from nnsight import LanguageModel
import torch as th

crosscoder = CrossCoder.from_pretrained("Butanium/gemma-2-2b-crosscoder-l13-mu4.1e-02-lr1e-04", from_hub=True)
gemma_2 = LanguageModel("google/gemma-2-2b", device_map="cuda:0")
gemma_2_it = LanguageModel("google/gemma-2-2b-it", device_map="cuda:1")
prompt = "quick fox brown"

with gemma_2.trace(prompt):
    l13_act_base = gemma_2.model.layers[13].output[0][:, -1].save() # (1, 2304)
    gemma_2.model.layers[13].output.stop()

with gemma_2_it.trace(prompt):
    l13_act_it = gemma_2_it.model.layers[13].output[0][:, -1].save() # (1, 2304)
    gemma_2_it.model.layers[13].output.stop()


crosscoder_input = th.cat([l13_act_base, l13_act_it], dim=0).unsqueeze(0).cpu() # (batch, 2, 2304)
print(crosscoder_input.shape)
reconstruction, features = crosscoder(crosscoder_input, output_features=True)

# print metrics
print(f"MSE loss: {th.nn.functional.mse_loss(reconstruction, crosscoder_input).item():.2f}")
print(f"L1 sparsity: {features.abs().sum():.1f}")
print(f"L0 sparsity: {(features > 1e-4).sum()}")

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
7b67709

0 моделей