memit

МЭМИТ: массовое редактирование памяти в трансформере

Редактирование тысяч фактов в память трансформера одновременно.

Оглавление

• Установка
• Демонстрация алгоритма МЭМИТ
• Запуск полного оценочного пакета
• Создание кривых масштабирования
• Как цитировать

Установка

Мы рекомендуем conda для управления Python, CUDA и PyTorch; pip для всего остального. Для начала просто установите conda и запустите:

CONDA_HOME= $CONDA_HOME ./scripts/setup_conda.sh

$CONDA_HOME должен быть путем к вашей установке conda , например ~/miniconda3 .

Демонстрация алгоритма МЭМИТ

notebooks/memit.ipynb демонстрирует МЭМИТ. API прост; просто укажите запрошенную перезапись следующей формы:

 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"
        }
    },
]

Другие подобные примеры включены в блокнот.

Запуск полного оценочного пакета

experiments/evaluate.py можно использовать для оценки любого метода в baselines/ .

Например:

 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

Результаты каждого запуска сохраняются в results/<method_name>/run_<run_id> в определенном формате:

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

Чтобы подвести итоги, вы можете использовать experiments/summarize.py :

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

Запуск python3 -m experiments.evaluate -h или python3 -m experiments.summarize -h предоставляет подробную информацию о флагах командной строки.

Как цитировать

 @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 }
}