К содержимому
Другое

DeBiasLens

интерпретируемое устранение предвзятости в VLM

1 мин чтенияобновлено

Набор чекпоинтов разреженных автоэнкодеров (SAE — моделей, раскладывающих внутренние активации нейросети на понятные признаки) от исследователей из KAIST AI. Они обучены на внутренних представлениях визуальных и визуально-языковых энкодеров для анализа и корректировки социальных смещений (bias steering). В основе лежат популярные базовые модели: clip-vit-base-patch16, clip-vit-large-patch14-336, InternViT-300M-448px и llava-onevision-qwen2-7b-ov-hf. Инструмент пригодится исследователям интерпретируемости и разработчикам, работающим над снижением предвзятости мультимодальных моделей.

Ключевые особенности

  • Архитектура Matryoshka BatchTopK SAE с параметром k=20, обученная на остаточных активациях после MLP-слоёв.
  • Поддержка четырёх популярных энкодеров: двух версий CLIP, InternViT-300M и LLaVA-OneVision-Qwen2-7B.
  • Разные коэффициенты расширения скрытого пространства (x1, x2, x4, x8) и обучение на датасетах fairface, celeba, bios, cocogender, cocogendertxt и sbbench-syn-crop.
  • В каждой папке лежат готовые веса ae.pt и файл config.json, а структура каталогов напрямую совместима с кодом обучения.

Что можно сделать

  • Проанализировать внутренние признаки и социальные смещения в конкретных слоях CLIP (11 и 23), InternViT (23) или LLaVA-OneVision (25).
  • Провести корректировку (steering) активаций VLM без переобучения всей базовой модели, опираясь на методику из статьи CVPR 2026.

Пример

from huggingface_hub import hf_hub_download
from dictionary_learning.trainers.matroyshka_batch_top_k import MatroyshkaBatchTopKSAE

path = hf_hub_download(
    "kaist-ai/debiaslens",
    "matroyshka_batch_top_k_20_x1/random_k_2/fairface_train_activations_clip-vit-large-patch14-336_23_post_mlp_residual_matroyshka_batch_top_k_20_x1/trainer_0/ae.pt",
)
sae = MatroyshkaBatchTopKSAE.from_pretrained(path)
ПодробнееПубликация: CVPR 2026 (arXiv:2602.24014).
Целевые слои: слой 11 (clip-vit-base-patch16), слой 23 (clip-vit-large-patch14-336, InternViT-300M-448px), слой 25 (llava-onevision-qwen2-7b-ov-hf).
Формат хранения: веса ae.pt и конфигурация config.json для библиотеки dictionary_learning.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # kaist-ai/debiaslens
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download kaist-ai/debiaslens --local-dir ~/models/debiaslens
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к debiaslens
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии debiaslens — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

kaist-ai/debiaslens
Автор
kaist-ai
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

HTR-500M

HTR-500M