Gemma-2-2b 拒答归因图叠加对比数据集

机器学习
0 下载
29 浏览
2026-08-13

数据集简介

本条目对应 HuggingFace 平台上由用户 siddharthmb 发布的数据集 siddharthmb/2026.TA.overlay_huge_strict_refusal_graphs。以下按照该数据集页面的原始结构(Dataset card、Files and versions、Community)整理相关信息。

Dataset card(数据集卡片)

该数据集的标签为:interpretability、circuit-tracing、attribution-graphs、transcoder-adapters、gemma-2-2b,表明其属于模型可解释性研究领域,具体涉及电路追踪、归因图与 transcoder 适配器,且与 gemma-2-2b 模型相关。页面未提供正式的数据集卡片说明文字,目前可依据的主要是页面展示的 schema 线索。

从页面展示的字段结构来看,数据集每条记录大致包含以下字段:

  • prompt: string:提示文本;
  • prompt_tokens: list<string>:提示对应的 token 列表;
  • slug: string、scan: string:标识与扫描相关字段;
  • transcoder_list: list<null>;
  • node_threshold: double:节点阈值;
  • schema_version: int64:schema 版本号;
  • node_counts:结构体,包含 base_features: int64、adapter_features: int64、error_nodes: int64 三个计数(页面证据:child 7, node_counts: struct<base_features: int64, adapter_features: int64, error_nodes: int64>);
  • comparison:结构体,包含 base_slug、adapter_slug、base_scan、adapter_scan、node_shapes、node_counts;
  • results:包含大量 harm_XXX 字符串字段,从 harm_000 一直到 harm_196;
  • overlay_graph_dir: string、adapter_graph_dir: string、base_graph_dir: string:分别指向叠加图、适配器图与基础图的目录;
  • gemmascope:结构体,包含 repo、width、requested_l0、l0_match、n_layers、scan 等 GemmaScope 相关配置;
  • adapter_features 与 base_features:各包含 feature_data_path 与 scan;
  • overlay_options:叠加选项,包含 hide_direct_embedding_logit_links、compact_max_base_feature_nodes 等参数;
  • later_todo: list<string>:待办事项列表。

Files and versions(文件与版本)

数据集文件以 JSON 格式提供,页面展示了数据集的 schema 线索与文件版本信息。需要注意:页面在加载数据时出现报错,错误信息为 because column names don't match(列名不匹配),说明页面在线预览可能无法正常展示,建议下载后本地核对字段结构。数据集的发布/更新日期为 2026-08-13。页面未标注许可证信息,使用前请以数据集页面最新说明为准。

Community(社区)

数据集页面提供 Community(社区)板块,用户可在 HuggingFace 上围绕该数据集进行讨论与反馈。获取方式:访问数据集页面 https://huggingface.co/datasets/siddharthmb/2026.TA.overlay_huge_strict_refusal_graphs,在 Files and versions 标签页下载 JSON 文件即可,数据集为公开免费资源。

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siddharthmb(HuggingFace 用户发布)
核心字段prompt、prompt_tokens、node_counts(base_features/adapter_features/error_nodes)、comparison、overlay_graph_dir、adapter_graph_dir、gemmascope 配置
结果字段harm_000 至 harm_196 字符串字段
关联模型gemma-2-2b
数据落地页https://huggingface.co/datasets/siddharthmb/2026.TA.overlay_huge_strict_refusal_graphs
发布日期2026-08-13
可解释性电路追踪归因图gemma-2-2btranscoder适配器

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