Gemma-2 可解释性归因图与转码器适配器数据集

机器学习
0 下载
24 浏览
2026-08-13

数据集简介

数据集概览

该数据集由 Hugging Face 用户 siddharthmb 于 2026 年 8 月 13 日发布,主要面向大语言模型可解释性研究。数据集的标签包括 interpretability(可解释性)、circuit-tracing(电路追踪)、attribution-graphs(归因图)、transcoder-adapters(转码器适配器)以及 gemma-2-2b(模型名称),表明其内容与 Gemma-2-2B 模型的内部机制分析密切相关。

数据格式与结构

数据以 JSON 格式存储,每条记录包含多个结构化字段,具体如下:

  • metadata:包含 slug、scan、transcoder_list、prompt_tokens、prompt、node_threshold、schema_version、node_counts、comparison 等子字段,用于描述数据条目的基本属性与实验配置。
  • gemmascope:包含 repo、width、requested_l0、l0_match、l0_by_layer、n_layers、scan 等配置信息,用于指定 GemmaScope 特征分析的相关参数。
  • prompts:字符串类型,记录用于触发模型响应的提示词。
  • base_features / adapter_features:包含 feature_data_path、scan、features_dir 等字段,指向基础模型与适配器模型的特征数据路径。
  • overlay_graph_paths / compact_overlay_graph_paths:字符串列表,存储覆盖图(overlay graph)的路径,可能用于可视化归因图。
  • results:包含 base 与 adapter 两个子结构,每个子结构下又有 harm_035、harm_177、harm_188 等字段,可能对应不同层或不同条件下的评估结果。
  • 其他字段:如 run_name、prompt_format、adapter_checkpoint、base_graph_dir 等,用于记录实验运行信息。

使用说明

数据集页面在预览时曾报告列名不匹配的 CastError 错误,这可能是由于部分记录字段缺失或类型不一致所致。用户下载数据后,建议使用编程方式(如 Python 的 json 模块)读取文件,并根据实际字段结构进行解析。由于数据涉及模型内部特征与归因图,适合具备可解释性研究背景的开发者使用。

下载方式

用户可通过 Hugging Face 数据集页面直接下载数据文件,或使用 datasets 库加载。具体下载链接由平台系统自动嗅探生成,请以页面提供的文件列表为准。

基本信息

记录数量未知
文件大小未知
文件格式JSON
数据来源HuggingFace
标签interpretability, circuit-tracing, attribution-graphs, transcoder-adapters, gemma-2-2b
发布者siddharthmb
数据落地页https://huggingface.co/datasets/siddharthmb/2026.TA.flip_huge_chat_hires_graphs
发布日期2026-08-13
可解释性电路追踪归因图转码器适配器Gemma-2

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费