OpenAI開源了：Transformer自動debug工具上線GitHub

机器之心發表於2024-03-12
OpenAIORMGithub
不用敲程式碼，就可以快速探索模型結構。
最近時常被吐槽不夠開源的 OpenAI，突然開放了一次。

今天一早，OpenAI 機器學習研究員 Jan Leike 宣佈，OpenAI 開放了自己內部一直用於分析 Transformer 內部結構的工具。

圖片

GitHub 連結：https://github.com/openai/transformer-debugger

該專案開放才幾個小時，雖然沒有經過太多宣傳，star 數量上漲得也挺快。

圖片

Transformer Debugger 介紹

Transformer Debugger (TDB) 是 OpenAI 對齊團隊（Superalignment）開發的一種工具，旨在支援對小體量語言模型的特定行為進行檢查。據介紹，該工具把自動可解釋性技術與稀疏自動編碼器進行了結合。

具體來說，TDB 能夠在需要編寫程式碼之前進行快速探索，並能夠干預前向傳遞，幫助人們檢視它是如何影響模型特定行為的。TDB 可用於回答諸如「為什麼模型在此提示（prompt）中輸出 token A 而不是 token B？」之類的問題或「為什麼注意力頭 H 會在這個提示下關注 token T？」

它透過識別對行為有貢獻的特定元件（神經元、注意力頭、自動編碼器 latents），顯示自動生成的解釋來分析導致這些元件最強烈啟用的原因，並跟蹤元件之間的連線以幫助人們發現聯絡，以此來幫助人們進行 Transformer 的 debug 工作。

OpenAI 放出了幾段影片概述了 TDB 的能力，並展示瞭如何使用它來進行論文《Interpretability in the Wild: a Circuit for Indirect Object Identification in GPT-2 small》中的工作：OpenAI開源了：Transformer自動debug工具上線GitHubOpenAI開源了：Transformer自動debug工具上線GitHubOpenAI開源了：Transformer自動debug工具上線GitHubOpenAI開源了：Transformer自動debug工具上線GitHub
本次，OpenAI 的開源內容包括：

  • Neuron viewer：一個 React 應用程式，用於託管 TDB 以及包含有關各個模型元件（MLP 神經元、注意力頭和兩者的自動編碼器 latents）資訊的頁面。
  • Activation server：對主題模型進行推理，為 TDB 提供資料的後端伺服器。它還從公共 Azure 儲存桶讀取和提供資料。
  • Models：GPT-2 模型及其自動編碼器的簡單推理庫，帶有捕獲啟用的 hook。
  • 整理好的啟用資料集：包含 MLP 神經元、注意力頭和自動編碼器 latents 的頂級啟用資料集示例。

安裝設定

請按照以下步驟安裝儲存庫。請注意，在此之前你需要 python/pip 以及 node/npm。

雖然不是必要，但 OpenAI 建議使用虛擬環境進行操作：
# If you're already in a venv, deactivate it.
deactivate# Create a new venv.
python -m venv ~/.virtualenvs/transformer-debugger# Activate the new venv.
source ~/.virtualenvs/transformer-debugger/bin/activate

設定好環境後，請按照以下步驟操作：
git clone git@github.com:openai/transformer-debugger.gitcd transformer-debugger
# Install neuron_explainer
pip install -e .
# Set up the pre-commit hooks.
pre-commit install
# Install neuron_viewer.
cd neuron_viewer
npm installcd ..

要執行 TDB 應用程式，你需要按照說明設定啟用伺服器後端和神經元檢視器前端。

要驗證更改，你需要：

  • 執行 pytest；
  • 執行 mypy —config=mypy.ini；
  • 執行啟用伺服器和神經元檢視器，並確認 TDB 和神經元檢視器頁面等基本功能仍然有效。

Jan Leike 表示，TDB 目前仍然是一個早期階段的研究工具，OpenAI 希望透過開源的方式讓更多人受益，並期待社群在其基礎上不斷改進。

參考內容：https://twitter.com/janleike/status/1767347608065106387

相關文章