Mindket

QwenScope

新上架第 1 版 · 更新于

概览

通过稀疏自编码器特征来探索和引导 Qwen3.5-2B 语言模型:比较两段文字的特征激活,或把某个特征推入生成过程。适合可解释性研究者。

QwenScope 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Windows、macOS 或 Linux 上的 Python 3.12
  • pip 命令
  • 足够的磁盘空间,用来放 Qwen3.5-2B 模型和它的 SAE
用在
  • 网页浏览器,在 Hugging Face 上的 Space 页面里
  • 在 Windows、macOS 或 Linux 上运行 Python 3.12 的本地副本
先运行
pip install -U huggingface_hub
hf download Qwen/QwenScope --repo-type space --local-dir QwenScope
cd QwenScope

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

QwenScope 是一个 Gradio 应用,用稀疏自编码器(SAE)来查看 Qwen3.5-2B 语言模型的内部。SAE 把模型内部的活动拆成许多独立的特征,你可以阅读并测试它们。

应用分为两部分。一部分比较两段文字激活了哪些特征,另一部分把某个特征加进模型的运算,来引导它写出的内容。

适合谁

适合想亲手使用 SAE 特征的模型可解释性研究者和学生。研究引导是怎样接入的开发者也可以读 app.py。

IndustryWho uses itHow they use itExample
AI 研究可解释性研究者比较两段文字的特征激活检查礼貌句和粗鲁句有哪些特征不同
AI 安全安全研究者用选定的特征引导生成看看一个特征怎样改变模型的输出
教育学生在短文本上试用这两个工具了解稀疏自编码器特征是什么
AI 开发开发者阅读 app.py 和 requirements.txt把这个思路用到另一个模型上

如果你想和模型正常聊天,可以跳过,因为这个应用是用来研究模型内部的。

用在哪里

这个应用可以在下面这些地方运行。

  • 网页浏览器,在 Hugging Face 上的 Space 页面里
  • 在 Windows、macOS 或 Linux 上运行 Python 3.12 的本地副本
Use caseWhoWhat they get back
比较两段文字研究者所有 Transformer 层上的特征激活
引导生成研究者被注入的特征改变后的模型输出
研究演示开发者一个围绕单个模型和单个 SAE 的简短 Gradio 应用

如何设置

在线使用只需要浏览器。本地副本需要下面这些。

  • Windows、macOS 或 Linux 上的 Python 3.12
  • pip 命令
  • 足够的磁盘空间,用来放 Qwen3.5-2B 模型和它的 SAE
  1. 安装 huggingface_hub 包。
  2. 用 hf 命令把 Space 的文件下载到一个文件夹里。
  3. 进入这个文件夹。
  4. 安装 5.49.1 版本的 gradio。
  5. 安装 requirements.txt 里列出的包。
  6. 用 python app.py 启动应用。
pip install -U huggingface_hub
hf download Qwen/QwenScope --repo-type space --local-dir QwenScope
cd QwenScope
pip install gradio==5.49.1
pip install -r requirements.txt
python app.py

如何使用

打开 Space 页面,或者在你的副本里运行下面的命令,再打开应用提供的页面。然后选两个工具之一,给它文字。

python app.py
ToolWhat it does
Feature Comparison逐层显示 SAE 特征对两段文字的反应有多强
Feature Steering把选定的解码器向量混入模型的残差流,改变它写出的内容

示例

你打开 Feature Comparison,输入两段语气不同的短文字。应用会显示每一层里哪些 SAE 特征的激活不一样。然后你再用其中一个特征试 Feature Steering。

新手与专家

如果你是新手,打开 Space 页面,先用两个简短、相似的句子试 Feature Comparison。两段文字变化越小,差别越容易看出来。

如果你熟悉这个领域:这个 SAE 的宽度为 32,768 个特征,Top-K 为 100。它覆盖隐藏维度为 2,048 的模型的全部 24 层。引导就是把解码器向量加回残差流。README 说算力来自 Hugging Face ZeroGPU。

  1. 打开应用并选一个工具
  2. 输入一段或两段文字
  3. SAE 读取模型的激活
  4. 你比较特征或引导输出

注意事项

README 用一个简短的表格给出了模型的设置。

PropertyValue
Base modelQwen3.5-2B
SAE width32,768
Top-K100
Layers共 24 层,编号 0 到 23
Hidden size2,048
  • License: apache-2
  • Cost to run: 未提及。README 说这个 Space 使用 Hugging Face ZeroGPU
  • Data it reaches: 只涉及它列出的 Qwen 模型和 SAE 仓库。来源没有说明其他内容。

README 和文件

README

QwenScope

通过稀疏自编码器特征来探索和引导 Qwen3.5-2B 语言模型:比较两段文字的特征激活,或把某个特征推入生成过程。适合可解释性研究者。

由 Qwen 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:QwenScope 是一个 Gradio 应用,用稀疏自编码器(SAE)来查看 Qwen3.5-2B 语言模型的内部。SAE 把模型内部的活动拆成许多独立的特征,你可以阅读并测试它们。

应用分为两部分。一部分比较两段文字激活了哪些特征,另一部分把某个特征加进模型的运算,来引导它写出的内容。

适合谁:适合想亲手使用 SAE 特征的模型可解释性研究者和学生。研究引导是怎样接入的开发者也可以读 app.py。

Industry | Who uses it | How they use it | Example
AI 研究 | 可解释性研究者 | 比较两段文字的特征激活 | 检查礼貌句和粗鲁句有哪些特征不同
AI 安全 | 安全研究者 | 用选定的特征引导生成 | 看看一个特征怎样改变模型的输出
教育 | 学生 | 在短文本上试用这两个工具 | 了解稀疏自编码器特征是什么
AI 开发 | 开发者 | 阅读 app.py 和 requirements.txt | 把这个思路用到另一个模型上

如果你想和模型正常聊天,可以跳过,因为这个应用是用来研究模型内部的。

用在哪里:这个应用可以在下面这些地方运行。

  • 网页浏览器,在 Hugging Face 上的 Space 页面里
  • 在 Windows、macOS 或 Linux 上运行 Python 3.12 的本地副本
Use case | Who | What they get back
比较两段文字 | 研究者 | 所有 Transformer 层上的特征激活
引导生成 | 研究者 | 被注入的特征改变后的模型输出
研究演示 | 开发者 | 一个围绕单个模型和单个 SAE 的简短 Gradio 应用

如何设置:在线使用只需要浏览器。本地副本需要下面这些。

  • Windows、macOS 或 Linux 上的 Python 3.12
  • pip 命令
  • 足够的磁盘空间,用来放 Qwen3.5-2B 模型和它的 SAE
  1. 安装 huggingface_hub 包。
  2. 用 hf 命令把 Space 的文件下载到一个文件夹里。
  3. 进入这个文件夹。
  4. 安装 5.49.1 版本的 gradio。
  5. 安装 requirements.txt 里列出的包。
  6. 用 python app.py 启动应用。
pip install -U huggingface_hub
hf download Qwen/QwenScope --repo-type space --local-dir QwenScope
cd QwenScope
pip install gradio==5.49.1
pip install -r requirements.txt
python app.py

如何使用:打开 Space 页面,或者在你的副本里运行下面的命令,再打开应用提供的页面。然后选两个工具之一,给它文字。

python app.py
Tool | What it does
Feature Comparison | 逐层显示 SAE 特征对两段文字的反应有多强
Feature Steering | 把选定的解码器向量混入模型的残差流,改变它写出的内容

示例:你打开 Feature Comparison,输入两段语气不同的短文字。应用会显示每一层里哪些 SAE 特征的激活不一样。然后你再用其中一个特征试 Feature Steering。

新手与专家:如果你是新手,打开 Space 页面,先用两个简短、相似的句子试 Feature Comparison。两段文字变化越小,差别越容易看出来。

如果你熟悉这个领域:这个 SAE 的宽度为 32,768 个特征,Top-K 为 100。它覆盖隐藏维度为 2,048 的模型的全部 24 层。引导就是把解码器向量加回残差流。README 说算力来自 Hugging Face ZeroGPU。

打开应用并选一个工具
输入一段或两段文字
SAE 读取模型的激活
你比较特征或引导输出

注意事项:README 用一个简短的表格给出了模型的设置。

Property | Value
Base model | Qwen3.5-2B
SAE width | 32,768
Top-K | 100
Layers | 共 24 层,编号 0 到 23
Hidden size | 2,048
  • License: apache-2
  • Cost to run: 未提及。README 说这个 Space 使用 Hugging Face ZeroGPU
  • Data it reaches: 只涉及它列出的 Qwen 模型和 SAE 仓库。来源没有说明其他内容。

Hugging Face 上的数据(2026年11月13日)

  • 点赞:45
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/Qwen/QwenScope
  • 文件:https://huggingface.co/spaces/Qwen/QwenScope/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
QwenScope 本页45gradioapache-2.0
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
BLIP共有 gradio431gradiobsd-3-clause
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。

新上架29.4k

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Claude Code Skills & Plugins

alirezarezvani · 技能

为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。

新上架29.8k

研究类的相似商品

查看研究类的全部商品

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架

ReFoCo

yuji-nozawa · 工具包

一篇研究论文的三种规模的预训练视觉 Transformer 检查点,论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。

新上架