论文页面 - BrainSurgery：用于模型编辑和升级的可重复、可靠的声明式权重操作

来源：https://huggingface.co/papers/2606.09707

摘要

BrainSurgery 是一个通过带有内置验证的声明式 YAML 计划，对神经网络检查点进行鲁棒且可重复的张量操作的工具。

随着深度学习模型规模的扩大，管理和修改大型检查点变得越来越具有挑战性。研究人员经常需要修改模型权重以进行层重组、精度转换、低秩分解和架构调试，但这些工作流通常依赖于脆弱的临时 Python 脚本。在此，我们介绍 BrainSurgery，这是一个用于对神经网络检查点进行鲁棒且可重复的“张量手术”的工具，并通过四个示例和三个案例研究（涵盖从模型升级到 LoRA 提取）提供了系统演示。通过抽象存储格式和内存管理，BrainSurgery 通过声明式 YAML 计划执行复杂的转换。它支持结构修改、数学变换和张量重塑，通过表达性的正则表达式和结构定位实现，同时内置的断言可验证张量形状、数据类型和值，以防止静默错误。我们期望 BrainSurgery 通过其可重复且经过验证的操作，为未来的研究提供坚实的基础。

查看 arXiv 页面 (https://arxiv.org/abs/2606.09707)查看 PDF (https://arxiv.org/pdf/2606.09707)GitHub3 (https://github.com/schneiderkamplab/brainsurgery)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.09707)

在您的代理中获取此论文：

hf papers read 2606\.09707

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.09707 以从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.09707 以从此页面链接。

引用此论文的空间0

没有空间链接此论文

请在空间 README.md 中引用 arxiv.org/abs/2606.09707 以从此页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

请将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从此页面链接。