llm-transparency-tool - 深入分析Transformer语言模型的交互式可视化工具

主要功能

选择模型，选择或添加提示，运行推理。
浏览贡献图。
- 选择用于构建图形的token。
- 调整贡献阈值。
选择任何块之后的任何token的表示。
对于表示，查看其在输出词汇表上的投影，查看哪些token被上一个块提升/抑制。
以下内容可点击：
- 边缘。显示有关贡献注意力头的更多信息。
- 选择边缘时的头部。你可以看到这个头部在提升/抑制什么。
- FFN块（图上的小方块）。
- 选择FFN块时的神经元。

安装

Docker运行

# 在仓库根目录下
docker build -t llm_transparency_tool .
docker run --rm -p 7860:7860 llm_transparency_tool

本地安装

# 下载
git clone git@github.com:facebookresearch/llm-transparency-tool.git
cd llm-transparency-tool

# 安装必要的包
conda env create --name llmtt -f env.yaml
# 安装 `llm_transparency_tool` 包
pip install -e .

# 现在，我们需要构建前端
# 不用担心，`yarn` 已经由 `env.yaml` 预安装
cd llm_transparency_tool/components/frontend
yarn install
yarn build

启动

streamlit run llm_transparency_tool/server/app.py -- config/local.json

为你的LLM添加支持

最初，该工具只允许你从少数几个模型中进行选择。以下是你可以尝试在工具中使用你的模型的选项，从最简单到最复杂。

模型已经被TransformerLens支持

完整的模型列表在这里。在这种情况下，可以将模型添加到配置json文件中。

TransformerLens支持的模型的微调版本

将模型的官方名称添加到配置中，并指定读取权重的位置。

TransformerLens不支持的模型

在这种情况下，UI不知道如何为模型创建适当的钩子。你需要实现TransparentLlm类的版本，并修改Streamlit应用以使用你的实现。

引用

如果你在研究中使用LLM透明度工具，请考虑引用：

@article{tufanov2024lm,
      title={LM Transparency Tool: Interactive Tool for Analyzing Transformer Language Models}, 
      author={Igor Tufanov and Karen Hambardzumyan and Javier Ferrando and Elena Voita},
      year={2024},
      journal={Arxiv},
      url={https://arxiv.org/abs/2404.07004}
}

@article{ferrando2024information,
    title={Information Flow Routes: Automatically Interpreting Language Models at Scale}, 
    author={Javier Ferrando and Elena Voita},
    year={2024},
    journal={Arxiv},
    url={https://arxiv.org/abs/2403.00824}
}

许可

本代码根据CC BY-NC 4.0许可提供，详见LICENSE文件。但是，你可能还有其他法律义务约束你使用其他内容，例如第三方模型的服务条款。