【机器学习可解释性】开源 | 将人类可读的程序转换为transformer模型的权重的“编译器”——Tracr
2023-06-13 09:15:18 时间
论文地址: http://arxiv.org/pdf/2301.05062v1.pd
来源: ETH Zurich
论文名称:Tracr: Compiled Transformers as a Laboratory for Interpretability
原文作者:David Lindner
内容提要
可解释性研究旨在构建理解机器学习(ML)模型的工具。然而,这样的工具本身就很难评估,因为我们没有关于ML模型如何实际工作的基本信息。在这项工作中,我们建议手动建立transformer模型作为可解释性研究的测试平台。我们介绍了Tracr,它是一种“编译器”,用于将人类可读的程序转换为transformer模型的权重。Tracr采用用RASP(一种领域特定语言)编写的代码,并将其转换为标准的、仅解码器的、类似GPT的transformer架构的权重。我们使用Tracr创建了一系列真值transformer,实现了包括计算令牌频率、排序和Dyck-n括号检查等程序。我们研究了运算结果的模型,并讨论了这种方法如何加速可解释性研究。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有
相关文章
- ECMWF:机器学习在IFS预报系统中的应用
- 机器学习入门 3-10 Numpy中的比较和Fancy Indexing
- 发论文拿推荐信机会来了!最新机器学习向科研项目招生!
- 利用机器学习多组学平台推动新型肿瘤学管线|Auron完成4800万美元A轮融资
- 来用机器学习加速布料模拟吧!
- 数据挖掘机器学习[六]---项目实战金融风控之贷款违约预测
- 2023年机器学习趋势分析
- 用户画像--《美团机器学习实践》笔记
- QQ AI画画|探索机器创造力
- 原创 | 机器学习在分子动力学领域顶会论文初探
- 【ICML2021】随机森林机器遗忘
- 距离申报通道关闭还有最后7天!「AI中国」机器之心2021年度评选十大奖项设置及参选说明
- 机器学习(四):机器学习工作流程
- Halcon机器视觉软件21激活版电脑下载安装,Halcon软件下载安装
- 顶级的20名Python人工智能和机器学习开源项目
- BAT 在下一盘大棋?深度盘点国内四大机器学习开源平台
- 更新 更新Linux机器名及IP地址(linuxip机器名)
- 开源之美:Linux搭配OV7725让机器视觉变得简单(linux ov7725)
- 读写性能Redis集群中单数台机器的读写性能提升(redis集群单数台)
- 在同一台机器上运行多个MySQL服务
- 怎么才能限制SQLServer只能让指定的机器连接