Release MedSAE on Hugging Face
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 35/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Tranquilla
- Stack tecnologico
- huggingface, python
- Ambito
- machine-learning, release
Direzione di ricerca
Inizia con i checkpoint MedSAE citati nella issue e consulta la guida di Hugging Face per il caricamento dei modelli. Determina quali artefatti preaddestrati debbano essere pubblicati e se il repository utilizza un modello PyTorch personalizzato; il lavoro è considerato completato quando i checkpoint selezionati sono ospitati su Hugging Face e collegati alla pagina del paper.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hi @riccardorenzulli 🤗
I'm Niels and work as part of the open-source team at Hugging Face. I discovered your work on Arxiv and was wondering whether you would like to submit it to hf.co/papers to improve its discoverability. If you are one of the authors, you can submit it at https://huggingface.co/papers/submit.
The paper page lets people discuss about your paper and lets them find artifacts about it (your models for instance), you can also claim the paper as yours which will show up on your public profile at HF, add Github and project page URLs.
Would you like to host the MedSAE checkpoints you've pre-trained on https://huggingface.co/models?
Hosting on Hugging Face will give you more visibility/enable better discoverability within the mechanistic interpretability community. We can add tags in the model cards so that people find the models easier, link it to the paper page, etc.
If you're down, leaving a guide here. If it's a custom PyTorch model, you can use the PyTorchModelHubMixin
class which adds from_pretrained and push_to_hub to the model which lets you to upload the model and people to download and use models right away.
If you do not want this and directly want to upload model through UI or however you want, people can also use hf_hub_download.
After uploaded, we can also link the models to the paper page (read here) so people can discover your model.
You can also build a demo for your model on Spaces, we can provide you a ZeroGPU grant, which gives you A100 GPUs for free.
Let me know if you're interested/need any guidance :)
Kind regards,
Niels
- Lingua principale
- Python
- Stelle
- 1
- Fork
- 0
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 85/100
gramaziokohler/compas_timber#870 ·
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
autowarefoundation/autoware_carla_scenario#500 ·
I maintainer di solito rispondono entro 1 giorno
-
good first issue priority: low size: XS testing
Difficoltà 1/5 1-3 ore Idoneità per principianti 86/100
cubrid-lab/cubrid-mcp-server#385 ·
I maintainer di solito rispondono entro 1 giorno
-
good first issue priority: low size: S testing
Difficoltà 2/5 1-3 ore Idoneità per principianti 85/100
cubrid-lab/cubrid-cookbook-python#447 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100