被喷麻了的OpenAI，终于又开源了~

作者：JustAICool发布时间：2024-03-12

此次开源的工具为Transformer Debugger ，一个用于分析Transformer内部结构的工具。研究人员不用写代码，就能快速探索LLM的内部构造，从而对小模型的特定行为进行调查。

Transformer Debugger 介绍

Transformer Debugger (TDB) 是 OpenAI 对齐团队（Superalignment）开发的一种工具，旨在支持对小体量语言模型的特定行为进行检查。据介绍，该工具把自动可解释性技术与稀疏自动编码器进行了结合。

具体来说，TDB 能够在写代码之前进行快速探索，并能够干预前向传递，帮助人们查看它是如何影响模型特定行为的。TDB 可用于回答诸如“为什么模型在此提示（prompt）中输出 token A 而不是 token B？”之类的问题或“为什么模型的关注点从token H 转向 token T？”

它通过识别对行为有贡献的特定组件（神经元、关注点、自动编码器 latents），显示自动生成的解释来分析导致这些组件最强烈激活的原因，并跟踪组件之间的连接来帮助人们发现关联性，以此来帮助人们进行 Transformer 的 debug 工作。

OpenAI 放出了几段视频概述了 TDB 的能力，并展示了如何使用它来进行论文《Interpretability in the Wild: a Circuit for Indirect Object Identification in GPT-2 small》中的工作：

本次，OpenAI 的开源内容包括：

Neuron viewer：一个 React 应用程序，用于托管 TDB 以及包含有关各个模型组件（MLP 神经元、关注点和两者的自动编码器 latents）信息的页面。
Activation server：对主题模型进行推理，为 TDB 提供数据的后端服务器。它还从公共 Azure 存储桶读取和提供数据。
Models：GPT-2 模型及其自动编码器的简单推理库，带有捕获激活的 hook。
整理好的激活数据集：包含 MLP 神经元、关注点和自动编码器 latents 的数据集示例。