memit

MEMIT：在 Transformer 中批量编辑内存

一次将数千个事实编辑到变压器内存中。

目录

• 安装
• MEMIT 算法演示
• 运行完整的评估套件
• 生成缩放曲线
• 如何引用

安装

我们推荐使用conda来管理 Python、CUDA 和 PyTorch； pip适用于其他一切。首先，只需安装conda并运行：

CONDA_HOME= $CONDA_HOME ./scripts/setup_conda.sh

$CONDA_HOME应该是conda安装的路径，例如~/miniconda3 。

MEMIT 算法演示

notebooks/memit.ipynb演示了 MEMIT。 API简单；只需指定以下形式的请求重写：

 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"
        }
    },
]

笔记本中还包含其他类似的示例。

运行完整的评估套件

experiments/evaluate.py可用于评估baselines/中的任何方法。

例如：

 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

每次运行的结果以特定格式存储在results/<method_name>/run_<run_id>中：

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

要总结结果，您可以使用experiments/summarize.py ：

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

运行python3 -m experiments.evaluate -h或python3 -m experiments.summarize -h提供有关命令行标志的详细信息。

如何引用

 @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 }
}