Hugging Face 发布 Gemma-2B Residual Stream Features 数据集, 应用在 机器学习、博弈论 领域

Hugging Face 本次发布的数据集 Gemma-2B Residual Stream Features, 该数据集包含了从Gemma-2B模型的预训练稀疏自动编码器（SAE）中提取的特征，这些特征可用于操纵迭代囚犯困境（IPD）中转换器层的激活，以引导代理的行为。此外，这些特征被用于在类似游戏的设置中引导模型的生成，朝着期望的行为方向发展，特别是在IPD背景下关注信任等概念。该数据集规模为16,384个解码特征，其任务是对迭代囚犯困境中的LLM代理进行博弈论评估。

查看Gemma-2B Residual Stream Features

Dataset card 内容： 

Files and versions 内容： 

关于 Hugging Face , Hugging Face是一家专注于自然语言处理和人工智能领域的公司，提供丰富的预训练模型和工具，支持开发者在NLP任务中快速构建和部署高效的解决方案。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。