在线免费看片a欧美,午夜AV不卡网站在线播放,久久综合尹人77777,96国产在线分享

原文標題：像 Transformer 一樣思考！DeepMind 發(fā)布全新模型設(shè)工具 Tracr：從可解釋邏輯反向建模型》代直接編譯成 Transformer 模型，做實從未如此輕！「可解釋」一直是深學習難以繞的難題，用無法理解模的運行機制也就無法放地把模型應(yīng)到實際場景。最近來自黎世聯(lián)邦理學院和 DeepMind 的研究人員提出了一種新的模型構(gòu)工具 Tracr，直接由人來根據(jù)「知的機制」對不同任務(wù)寫代碼，然由 Tracr 編譯成模型的權(quán)重，模型的解釋得更輕松！文鏈接：https://arxiv.org/ pdf / 2301.05062.pdf代碼鏈接：https://github.com/ deepmind / tracrTracr 的輸入為采領(lǐng)域特定語 RASP 編寫的代碼輸出為標準、僅包含解器的、類似 GPT 的 Transformer 結(jié)構(gòu)的權(quán)重在實驗部分研究人員使 Tracr 創(chuàng)建了一系列 ground truth Transformers，實現(xiàn)了包括計算 token 頻率、排序 Dyck-n 括號檢查等程序。如解釋模型？解釋性是理機器學習模的重要手段但由于模型實際運行方仍然不清晰所以目前的究成果大多以評估。其一個工作機可解釋性（Mechanistic interpretability）嘗試對神經(jīng)網(wǎng)絡(luò)行逆向工程reverse engineering）來對模型實現(xiàn)的算法出一個機理的解釋，并一系列任務(wù)取得進展，括用于圖像類的卷積神網(wǎng)絡(luò)，Transformer 語言模型等。但該法仍然存在關(guān)工具少、模型機制解不深、仍然要研究人員行創(chuàng)造性的釋等問題。估機理解釋標準方法結(jié)了許多臨時驗的證據(jù)，而，由于這做的成本很，許多方法能在玩具模中進行評估或在真實模中的少數(shù)不要的 circuits 上進行評估Tracr 的解決方案是，通過將類可讀的代「編譯」成經(jīng)網(wǎng)絡(luò)的權(quán)，直接解決乏基礎(chǔ)機理釋的問題。就是說，Tracr 實際上起到的就類似編譯器作用。Tracr 中主要涉及三個組：1. RASP 代碼RASP 即 Restricted Access Sequence Processing Language，是 2021 年提出的一用于表達 Transformer 計算的語言，以作為計算型用來描述 Transformers，并配有相的解釋器運 RASP 代碼?？梢? RASP 程序視為一計算圖，當據(jù)給定的輸 token 序列時，圖上的每個節(jié)都會取一個定值。RASP 語言中包括兩個基本節(jié)點類型；列操作（Sequence Operations，s-op），返回輸入值 token 序列及 indices 序列；元素操作（Elementwise operations）；選擇-聚合操作等在大多數(shù)情下，可以將 RASP 操作直接映射 Transformer 模型的組件上，包括 embedding, MLP 層和 Attention 層。2. 對 RASP 語言的修改雖然 RASP 的操作可以直接射到 Transformers 中，但仍然需要 RASP 語言進行修以對模型權(quán)進行翻譯。3. craft，Transformer 的匯編語言如果說 RASP 算是編譯的高級言，那么 craft 就是匯編語言它提供了比純權(quán)重矩陣操作更多的象性。craft 可以表示具有基維（basis dimensions）的向量空間及其相應(yīng)的作，可以用方向的標簽定義投影或他線性操作重要的是，craft 抽象化了跟蹤重矩陣中的充的需要。Tracr: Transformer 編譯器Tracr 的代碼使用 Python 進行編寫，并將 RASP 實現(xiàn)嵌入到 Python 中，從而可在 Python 中直接編寫 RASP 程序，比較方便地對量編碼（variable encoding）進行標注。在 Tracr 中，RASP 程序是一個據(jù)結(jié)構(gòu)，通向每個操作遞依賴關(guān)系逐步構(gòu)建，時對 RASP 程序做了一些基本的化。Tracr 將 RASP 程序翻譯成 Transformer 權(quán)重的過程主要包六個步驟：1. 構(gòu)建計算圖追蹤整個序以創(chuàng)建一代表計算過的有向圖。于輸出的 s-op，圖中包括表示 tokens 和 indices 的 source 節(jié)點，和代表輸出 s-op 的 sink 節(jié)點。2. 推理 s-op 值對于每個 s-op，需要決定如何其嵌入到剩流中；為了用類別編碼需要知道一 s-op 可以取哪些。因為計算確定的，基有限的輸入匯量和上下大小，所有點都有一組限的輸出值所以第二步主要操作就對圖進行遍，并為每個點標注出其能的輸出；注使用簡單啟發(fā)式方法確保找到的 s-op 值集合的超。3. 獨立地翻譯 s-ops獨立考慮計算圖中每個節(jié)點，將其轉(zhuǎn)化為個 craft 組件；元素操作翻譯 MLP 塊，選擇-聚合操作翻譯為意力塊。使人工設(shè)計的 MLP 和注意力模塊庫近似數(shù)字和類輸入和輸的任意函數(shù)將具有分類入和輸出的 MLPs 作為查找表使帶有數(shù)字輸和輸出的 MLP 使用基于通用函數(shù)似定理的明結(jié)構(gòu)。對于意層，把選器翻譯成??_{????} 運算符，把相的聚合運算譯成??_{????} 運算符。目前只支對分類輸入注意力。4. 把組件分配到層上為了建一個 Transformer 模型，需要將計圖中的所有 craft 組件分配給層。理想情下，目標是到最小的模來進行所需計算，但一可以將其表為一個具有個約束條件組合優(yōu)化問：Transformer 結(jié)構(gòu)具有交替的注意力 MLP 層，而且所有互依賴的計都需要有正的順序。出范圍上的考，可以用啟式方法解決個問題。首，計算出從入到一個給節(jié)點的最長徑，其路徑度是可以分給該節(jié)點的數(shù)的一個上；然后應(yīng)用外的啟發(fā)式法，將層與以并行計算塊結(jié)合起來這種方法可返回一個正但有時是次的層分配。5. 構(gòu)造一個 craft 模型直接對模型組件的入和輸出空進行求和作構(gòu)建的殘差空間（residual stream space ）。換句話說，將每個 s-op 嵌入到它自己正交子空間，這個子空在整個網(wǎng)絡(luò)只保留給它用。然后按層分配決定順序遍歷計圖，并將組堆疊起來，到一個用 craft 表示的完整 Transformer。6. 組裝 Transformer 權(quán)重最后，將型的 craft 表示轉(zhuǎn)換為具體的型權(quán)重。首把并行的 MLP 層合并為一個層，把并行的注力頭合并為個層。其中注意層中，??_{????} 和??_{????} 矩陣分成????、???、????、???重量矩陣。后調(diào)整所有重的形狀，將其連接到 Transformer 架構(gòu)中就可推斷出模型置（深度、寬、殘差流小等），以應(yīng)所創(chuàng)建的素。只需重實現(xiàn)步驟 6，就可以直將 Tracr 擴展到支持任何其他 Transformer 的實現(xiàn)。在解釋性研究的應(yīng)用Tracr 可以加速受控實驗驗證過程，測試關(guān)于 Transformer 的計算結(jié)構(gòu)的定假設(shè)；通這種方式，也相當于成可解釋性研的實驗平臺研究人員對 token 計數(shù)、排序例子編寫了 RASP 程序?？山忉?工具的測試例編譯的模可以很自然作為測試「釋忠實性」基礎(chǔ)，并提了一種偽造解釋性技術(shù)出的解釋的法。發(fā)展到后，這些模可以被用來立可解釋性具的測試案庫，反過來可以實現(xiàn)定的評價指標替換模型組評估對模型何工作的理的另一種方是用手工編的組件替換型的部分內(nèi)。例如有研人員通過用們自己理想的實現(xiàn)來替模型的組件測試他們對 Transformer 如何實現(xiàn)模化加法的理，結(jié)果發(fā)現(xiàn)思路可以提下游任務(wù)的能，相當于力地證明了提出的解釋正確的。雖 Tracr 是將一個算法編譯成一完整的 Transformer 模型，但也可以過修改代碼整為只編譯練模型中的部分，從而得更容易評對大型模型理解。理解型現(xiàn)象和開新技術(shù)除了估之外，編的模型可以為研究 circuits 級別現(xiàn)象和開發(fā)解釋 Transformer 模型新方法的驗臺。參考料：https://arxiv.org/pdf/2301.05062.pdf本文來自微信公眾號新智元 （ID：AI_era）