memit

MEMIT: Edición masiva de memoria en un transformador

Editar miles de datos en una memoria transformadora a la vez.

Tabla de contenido

• Instalación
• Demostración del algoritmo MEMIT
• Ejecución del paquete de evaluación completo
• Generando curvas de escala
• Cómo citar

Instalación

Recomendamos conda para administrar Python, CUDA y PyTorch; pip es para todo lo demás. Para comenzar, simplemente instale conda y ejecute:

CONDA_HOME= $CONDA_HOME ./scripts/setup_conda.sh

$CONDA_HOME debería ser la ruta a su instalación conda , por ejemplo, ~/miniconda3 .

Demostración del algoritmo MEMIT

notebooks/memit.ipynb demuestra MEMIT. La API es sencilla; simplemente especifique una reescritura solicitada de la siguiente forma:

 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"
        }
    },
]

Otros ejemplos similares se incluyen en el cuaderno.

Ejecución del paquete de evaluación completo

experiments/evaluate.py se puede utilizar para evaluar cualquier método en baselines/ .

Por ejemplo:

 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

Los resultados de cada ejecución se almacenan en results/<method_name>/run_<run_id> en un formato específico:

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

Para resumir los resultados, puede utilizar experiments/summarize.py :

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

La ejecución de python3 -m experiments.evaluate -h o python3 -m experiments.summarize -h proporciona detalles sobre los indicadores de la línea de comandos.

Cómo citar

 @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 }
}