memit

MEMIT: Massenbearbeitung des Speichers in einem Transformer

Bearbeiten Sie Tausende von Fakten gleichzeitig in einem Transformer-Speicher.

Inhaltsverzeichnis

• Installation
• Demo zum MEMIT-Algorithmus
• Ausführen der vollständigen Evaluierungssuite
• Skalierungskurven erzeugen
• Wie man zitiert

Installation

Wir empfehlen conda für die Verwaltung von Python, CUDA und PyTorch; pip ist für alles andere. Um zu beginnen, installieren Sie einfach conda und führen Sie Folgendes aus:

CONDA_HOME= $CONDA_HOME ./scripts/setup_conda.sh

$CONDA_HOME sollte der Pfad zu Ihrer conda -Installation sein, z. B. ~/miniconda3 .

Demo zum MEMIT-Algorithmus

notebooks/memit.ipynb demonstriert MEMIT. Die API ist einfach; Geben Sie einfach eine gewünschte Umschreibung in der folgenden Form an:

 request = [
    {
        "prompt" : "{} plays the sport of" ,
        "subject" : "LeBron James" ,
        "target_new" : {
            "str" : "football"
        }
    },
    {
        "prompt" : "{} plays the sport of" ,
        "subject" : "Michael Jordan" ,
        "target_new" : {
            "str" : "baseball"
        }
    },
]

Weitere ähnliche Beispiele sind im Notizbuch enthalten.

Ausführen der vollständigen Evaluierungssuite

experiments/evaluate.py kann verwendet werden, um jede Methode in baselines/ auszuwerten.

Zum Beispiel:

 python3 -m experiments.evaluate 
    --alg_name=MEMIT 
    --model_name=EleutherAI/gpt-j-6B 
    --hparams_fname=EleutherAI_gpt-j-6B.json 
    --num_edits=10000 
    --use_cache

Die Ergebnisse jedes Laufs werden unter results/<method_name>/run_<run_id> in einem bestimmten Format gespeichert:

results/
| __ MEMIT/
    | __ run_ < run_id > /
        | __ params.json
        | __ case_0.json
        | __ case_1.json
        | __ ...
        | __ case_10000.json

Um die Ergebnisse zusammenzufassen, können Sie experiments/summarize.py verwenden:

python3 -m experiments.summarize --dir_name=MEMIT --runs=run_ < run 1> ,run_ < run 2>

Durch Ausführen von python3 -m experiments.evaluate -h oder python3 -m experiments.summarize -h erhalten Sie Details zu Befehlszeilenflags.

Wie man zitiert

 @article { meng2022memit ,
  title = { Mass Editing Memory in a Transformer } ,
  author = { Kevin Meng and Sen Sharma, Arnab and Alex Andonian and Yonatan Belinkov and David Bau } ,
  journal = { arXiv preprint arXiv:2210.07229 } ,
  year = { 2022 }
}