openlogprobs

🪄 openlogprobs 是一个用于从语言模型 API 中提取对数概率的 Python API 🪄

pip install openlogprobs

<hr>

openlogprobs on pypi

Test with PyTest

许多基于 API 的语言模型服务隐藏了其模型的对数概率输出。一个原因是安全性 - 语言模型输出可能会泄露有关其输入的信息，并可用于高效的模型蒸馏。另一个原因是实际考虑：通过 API 提供 30,000（或其他词汇量大小）个浮点数对于典型的 API 请求来说会占用太多数据。因此，这些信息对您是隐藏的。

然而，大多数 API 也允许使用"logit bias"参数来正面或负面地影响语言模型输出中某些标记的可能性。事实证明，我们可以利用这个 logit bias 对单个标记进行反向工程，从而得到它们的对数概率。我们开发了一种算法来高效地完成这一任务，这实际上允许我们通过像 OpenAI API 这样的 API 提取完整的概率向量。有关该算法的更多信息，请阅读下面的算法部分，或阅读 openlogprobs/extract.py 中的代码。

使用方法

topk 搜索

如果 API 暴露了 top-k 对数概率，我们可以通过"topk"算法高效地提取下一个标记的概率：

from openlogprobs import extract_logprobs
extract_logprobs("gpt-3.5-turbo-instruct", "i like pie", method="topk")

精确解

如果 API 暴露了 top-k 对数概率，我们可以通过"exact"算法每次提取 k 个标记的下一个标记概率：

from openlogprobs import extract_logprobs
extract_logprobs("gpt-3.5-turbo-instruct", "i like pie", method="exact", parallel=True)

这种方法比 top-k 算法需要更少的 API 调用（每 k 个标记只需 1 次调用）。

二分搜索

如果 API 不暴露 top-k 对数概率，我们仍然可以提取分布，但需要更多的语言模型调用：

from openlogprobs import extract_logprobs
extract_logprobs("gpt-3.5-turbo-instruct", "i like pie", method="bisection")

未来工作（欢迎帮助！）

支持多个对数概率（并发二分搜索）
估算各种 API 的成本
支持检查点

算法

二分法和 top-k

我们的算法本质上是一个二分搜索（技术上是连续变量上的"单变量二分法"），我们应用不同程度的 logit bias 使某些标记有足够高的概率出现在生成中。这允许我们估计任何标记相对于最可能标记的概率。为了获得完整的概率向量，我们可以对词汇表中的每个标记运行这个二分搜索。请注意，几乎所有模型都支持 logit bias，为了使其工作，所有支持 logit bias 的模型都必须是开放词汇的。

以下是我们算法如何处理单个标记的粗略可视化：

每次 API 调用（紫色）都会使我们逐渐接近真实的标记概率（绿色）。

精确解

我们的精确解算法直接求解对数概率。要理解数学原理，请参阅这个概述。

语言模型反演论文

这个算法主要由 Justin Chiu 开发，用于促进《语言模型反演》论文的研究。如果您在学术研究中使用我们的算法，请引用我们的论文：

精确解算法由 Matthew Finlayson 贡献。

@misc{morris2023language,
      title={Language Model Inversion}, 
      author={John X. Morris and Wenting Zhao and Justin T. Chiu and Vitaly Shmatikov and Alexander M. Rush},
      year={2023},
      eprint={2311.13647},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}