Git Stars Git Stars

#mechanistic-interpretability Repository

Scopri 14 repository GitHub open source attivi contrassegnati con #mechanistic-interpretability, che raccolgono un totale di 19,794 stelle (con una media di 1,413 stelle per progetto). Il progetto leader di questo argomento è TransformerLensOrg/TransformerLens, con 4,089 stelle.

14
Totale Repository
19,794
Totale stelle
1,413
Media Stelle/Repo
Linguaggi di programmazione: Python Jupyter Notebook Rust

14 repository in totale

1
TransformerLensOrg/TransformerLens

Una libreria per l'interpretabilità meccanicistica dei modelli linguistici in stile GPT

TransformerLensOrg
⭐ 4,089 Python 👤 TransformerLensOrg Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2022-08-26
3
lyramakesmusic/neuron-explorer

Esploratore di neuroni orientato prima di tutto alla guida per Qwen3.5-4B: attiva ogni neurone MLP, conserva ogni generazione ed esplora i risultati

lyramakesmusic
⭐ 2,045 Python 👤 lyramakesmusic User 🕐 Aggiornato 2026-11-02 📅 Creato 2026-10-21
4
decoderesearch/SAELens

Allenamento di autoencoder sparsi su modelli linguistici

decoderesearch
⭐ 1,588 Python 👤 decoderesearch Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2023-11-29
5
jacobhilton/deep_learning_curriculum

Curriculum di deep learning incentrato sull'allineamento del modello linguistico

jacobhilton
⭐ 1,508 👤 jacobhilton User 🕐 Aggiornato 2024-08-19 📅 Creato 2022-07-12
7
chrishayuk/larql

Esegui, servi, interroga e modifica modelli di IA: un runtime per modelli in Rust basato su VINDEX3, un formato di modello eseguibile e ispezionabile.

chrishayuk
⭐ 1,196 Rust 👤 chrishayuk User 🕐 Aggiornato 2026-11-21 📅 Creato 2026-03-27
9
stanfordnlp/pyvene

Libreria Python Stanford NLP per comprendere e migliorare i modelli PyTorch tramite interventi

stanfordnlp
⭐ 919 Python 👤 stanfordnlp Organization 🕐 Aggiornato 2026-03-06 📅 Creato 2023-02-06
10
johnmarktaylor91/torchlens

Ispeziona, visualizza e intervieni su qualsiasi operazione in qualsiasi rete neurale. Acquisisci ogni attivazione e gradiente, l’intero grafo computazionale e oltre 800 campi di metadati, senza modificare il codice del modello. Supporta PyTorch, JAX, TensorFlow, MLX, PaddlePaddle e tinygrad. Convalidato su oltre 6.400 modelli. Creato per i ricercatori e i loro agenti IA.

johnmarktaylor91
⭐ 714 Python 👤 johnmarktaylor91 User 🕐 Aggiornato 2026-11-17 📅 Creato 2022-10-14
11
zepingyu0512/awesome-llm-understanding-mechanism

articoli straordinari sull'interpretabilità degli LLM

zepingyu0512
⭐ 626 👤 zepingyu0512 User 🕐 Aggiornato 2025-08-20 📅 Creato 2024-02-18
12
likenneth/honest_llama

Intervento al momento dell'inferenza: Ottenere risposte veritiere da un modello linguistico

likenneth
⭐ 581 Python 👤 likenneth User 🕐 Aggiornato 2025-01-28 📅 Creato 2023-05-19
13
zengxiao-he/tessera

Da insegnante a tessere — un motore di distillazione e servizio LLM costruito da zero: kernel Triton/CUDA personalizzati, distillazione FSDP, elaborazione batch continua con KV paginato, decodifica speculativa, un gateway Rust, un oracolo JAX e strumenti di interpretabilità.

zengxiao-he
⭐ 556 Python 👤 zengxiao-he User 🕐 Aggiornato 2026-10-09 📅 Creato 2026-06-05
14
FailSpy/abliterator

Libreria/struttura Python semplice per la rimozione di feature negli LLM supportati da TransformerLens

FailSpy
⭐ 551 Python 👤 FailSpy User 🕐 Aggiornato 2024-06-11 📅 Creato 2024-05-21

Domande frequenti

1

Qual è il repository #mechanistic-interpretability più popolare su GitHub?

Il progetto open source #mechanistic-interpretability più alto in classifica su GitHub è TransformerLensOrg/TransformerLens, con 4,089 stelle. Una libreria per l'interpretabilità meccanicistica dei modelli linguistici in stile GPT

2

Quali linguaggi di programmazione sono più utilizzati nei repository #mechanistic-interpretability?

Tra i progetti #mechanistic-interpretability più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Rust.

3

Come viene calcolata la classifica dei repository #mechanistic-interpretability?

Monitoriamo 14 repository open source attivi contrassegnati con #mechanistic-interpretability (500+ stelle), per un totale di 19,794 stelle e una media di 1,413 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.