Implement the unified attention interpretation API for similar models
まだ誰も着手していません。
評価
- 難易度
- 5/5
- 見積もり時間
- 1週間以上
- 初心者へのやさしさ
- 25/100
- issue の種類
- 機能追加
- 明瞭さ
- 説明が足りない
- 活発さ
- 停滞
- 技術スタック
- huggingface, python, pytorch, scikit-learn
- 領域
- ai, machine-learning
調査の方向性
まず NeuroX のコードベースとリンクされている HuggingFace および Captum の資料を読み、次に BERT と RoBERTa の解釈経路を比較します。実装前にモデルの範囲と API の境界を定義してください。done は、選択した重要なモデルに対する統一された解釈可能性インターフェースを意味するものとし、encoder と encoder-decoder の対応は明示的に含める場合に限るものとします。
索引モデルが issue の本文から書いたものです。
説明
duration: scalable, can be both 170 and 340 hours
difficulty: challenging
mentor: @oserikov , TBD
requirements:
- pytorch
- sklearn
- python engineering code, OOP, etc.
- experience with Transformer Language models
useful links:
- NeuroX codebase
- Bert re-invents the classical NLP pipeline
- Captum
Idea Description:
While HuggingFace quickly became the standard way to publish language models, several architectural trade-offs have been made to support the quick growth of the models' zoo. This resulted in several theoretically similar models being implemented by different teams, thus e.g. several alternative implementations of self-attentive transformers arose. While refactoring the whole zoo of models seems to be far from the accessible task, the interpretability community is forced to provide unification wrappers for handling such dissimilarities in similar models. The task is to provide a reasonable trade-off with the refactoring of the crucial models and providing the unified wrappers, and thus bring the unified interpretability API to the crucial HuggingFace models.
We could see this task from two prospects. First, one could unify the interpretability API of the sibling models such as BERT and RoBERTa . Second, one could think about bringing the unified interface to interpret and compare encoder models with e.g. encoder-decoder ones, allowing to study the similarities and distinctiveness in their behavior.
Coding Challenge
WIP
- 主要言語
- 言語のデータがありません
- スター
- 1
- フォーク
- 1
- PR マージ指標
- 30日以内にマージされた PR はありません
環境構築
このプロジェクトの環境構築ファイルはまだ確認していません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
bigscience-workshop/interpretability-ideas のほかの issue
-
難易度 5/5 1週間以上 初心者へのやさしさ 20/100
-
難易度 5/5 1週間以上 初心者へのやさしさ 10/100
-
難易度 5/5 1週間以上 初心者へのやさしさ 20/100
-
難易度 5/5 1週間以上 初心者へのやさしさ 15/100
-
難易度 5/5 1週間以上 初心者へのやさしさ 10/100
bigscience-workshop/interpretability-ideas の issue をすべて見る
似ている issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 85/100
higress-group/higress#4839 ·
メンテナーはふだん 1 日以内に返信
-
org:external package:deepagents priority:backlog topic:models topic:multimodal type:feature
難易度 2/5 1〜3時間 初心者へのやさしさ 62/100
langchain-ai/deepagents#6599 ·
メンテナーはふだん 1 日以内に返信
-
p:3-mid pydanty:pr
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
pydantic/pydantic-ai#8968 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜2日 初心者へのやさしさ 84/100
bytedance/trae-agent#504 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 84/100
0xPlaygrounds/rig#2621 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信