Datasets:

sboughorbel
/

diffing-stats-gemma-2-9b-L20-k100-lr1e-04-base-it-Crosscoder

Modalities:

Formats:

Size:

Libraries:

Dataset card Data Studio Files Files and versions

Dataset Viewer

Auto-converted to Parquet Duplicate

Split (1)

train · 115k rows

Unnamed: 0 int64 0 115k	fw_dead bool 2 classes	fw_freq float64 0 0.33	lmsys_dead bool 2 classes	lmsys_freq float64 0 0.33	freq float64 0 0.33	dead bool 2 classes	avg_activation float64 0 222 ⌀	lmsys_avg_activation float64 0 212 ⌀	fw_avg_activation float64 0 235 ⌀	dec_base_norm float64 0.01 1.67	dec_instruct_norm float64 0.01 1.61	dec_norm_diff float64 0.05 0.92	tag stringclasses 4 values	enc_base_norm float64 0.01 2.5	enc_instruct_norm float64 0.01 2.56	enc_norm_diff float64 0.26 0.84	dec_cos_sim float64 -0.94 1	enc_cos_sim float64 -0.9 0.94	beta_error_base float64 -0.55 2.09 ⌀	beta_error_chat float64 0.26 2.43 ⌀	beta_ratio_error float64 -0.56 2.32 ⌀	beta_reconstruction_base float64 -1.45 6.28 ⌀	beta_reconstruction_chat float64 -1.73 14.2 ⌀	beta_ratio_reconstruction float64 -17.8 2.86 ⌀	beta_activation_base float64 -1.41 6.26 ⌀	beta_activation_chat float64 -1.71 14.2 ⌀	beta_activation_ratio float64 -0.8 5.61 ⌀	beta_activation_no_bias_base float64 -0.16 6.52 ⌀	beta_activation_no_bias_chat float64 0.44 14.5 ⌀	beta_activation_no_bias_ratio float64 -0.09 2.46 ⌀
0	true	0	true	0	0	true	null	null	null	0.030789	0.042372	0.363317	Other	0.016715	0.018418	0.453781	0.699387	0.730988	null	null	null	null	null	null	null	null	null	null	null	null
1	true	0	true	0	0	true	null	null	null	0.010356	0.015682	0.33019	Other	0.00689	0.007245	0.475484	0.585208	0.475691	null	null	null	null	null	null	null	null	null	null	null	null
2	false	0.013927	false	0.011834	0.012989	false	3.390928	3.129012	3.571499	0.857646	1.135737	0.377573	Other	0.714794	0.711288	0.502452	0.967539	0.594356	null	null	null	null	null	null	null	null	null	null	null	null
3	true	0	true	0	0	true	null	null	null	0.021054	0.031596	0.333174	Other	0.011624	0.012399	0.468746	0.636937	0.711996	null	null	null	null	null	null	null	null	null	null	null	null
4	false	0	true	0	0	false	null	null	0.002399	0.013089	0.016838	0.38869	Other	0.024142	0.032874	0.367184	0.345982	0.592672	null	null	null	null	null	null	null	null	null	null	null	null
5	true	0	true	0	0	true	null	null	null	0.01134	0.01554	0.364868	Other	0.007605	0.0081	0.46947	0.614415	0.554699	null	null	null	null	null	null	null	null	null	null	null	null
6	true	0	true	0	0	true	null	null	null	0.04127	0.04949	0.416954	Shared	0.080172	0.072558	0.547485	0.605266	0.514737	null	null	null	null	null	null	null	null	null	null	null	null
7	true	0	false	0	0	false	null	0.000568	null	0.006298	0.008365	0.376458	Other	0.005401	0.00567	0.476317	0.316182	0.179549	null	null	null	null	null	null	null	null	null	null	null	null
8	false	0.000637	false	0.000114	0.000403	false	5.088409	1.916189	5.547434	0.776147	0.838728	0.462693	Shared	0.847657	0.823319	0.514356	0.932935	0.712208	null	null	null	null	null	null	null	null	null	null	null	null
9	true	0	true	0	0	true	null	null	null	0.018278	0.027101	0.337231	Other	0.009738	0.010186	0.478015	0.629722	0.668185	null	null	null	null	null	null	null	null	null	null	null	null
10	false	0.002384	false	0.002311	0.002351	false	15.258066	19.136417	12.206808	0.946394	1.183609	0.399792	Other	0.672643	0.690026	0.487404	0.974797	0.655369	null	null	null	null	null	null	null	null	null	null	null	null
11	false	0.004554	false	0.002702	0.003724	false	3.831635	2.249622	4.593408	0.910234	1.06279	0.428229	Shared	0.745227	0.659485	0.557528	0.940028	0.645341	null	null	null	null	null	null	null	null	null	null	null	null
12	false	0.012323	false	0.010256	0.011397	false	3.930371	3.636671	4.128697	0.782997	1.072139	0.365156	Other	0.645747	0.679098	0.475445	0.966056	0.558999	null	null	null	null	null	null	null	null	null	null	null	null
13	true	0	true	0	0	true	null	null	null	0.01856	0.024781	0.374482	Other	0.020253	0.02774	0.365053	0.649155	0.649268	null	null	null	null	null	null	null	null	null	null	null	null
14	true	0	true	0	0	true	null	null	null	0.020612	0.031562	0.326532	Other	0.013936	0.014994	0.464728	0.687682	0.73136	null	null	null	null	null	null	null	null	null	null	null	null
15	true	0	true	0	0	true	null	null	null	0.017852	0.020204	0.441802	Shared	0.172988	0.17887	0.483559	-0.005704	0.077062	null	null	null	null	null	null	null	null	null	null	null	null
16	true	0	true	0	0	true	null	null	null	0.038521	0.04602	0.418527	Shared	0.020519	0.023174	0.442716	0.655177	0.698585	null	null	null	null	null	null	null	null	null	null	null	null
17	true	0	true	0	0	true	null	null	null	0.010628	0.016447	0.323108	Other	0.006361	0.006434	0.494272	0.589505	0.373869	null	null	null	null	null	null	null	null	null	null	null	null
18	true	0	true	0	0	true	null	null	null	0.028088	0.042102	0.333568	Other	0.079588	0.071788	0.549004	0.662563	0.516005	null	null	null	null	null	null	null	null	null	null	null	null
19	true	0	true	0	0	true	null	null	null	0.01194	0.017735	0.336617	Other	0.007658	0.008116	0.471781	0.614326	0.56863	null	null	null	null	null	null	null	null	null	null	null	null
20	false	0.000002	true	0	0.000001	false	null	null	0.001907	0.01288	0.02214	0.290875	Other	0.025581	0.03394	0.376851	0.321195	0.584703	null	null	null	null	null	null	null	null	null	null	null	null
21	true	0	false	0	0	false	null	0.001046	null	0.006413	0.007896	0.406058	Shared	0.00523	0.005357	0.488128	0.347422	0.11019	null	null	null	null	null	null	null	null	null	null	null	null
22	false	0.016999	false	0.011895	0.014713	false	3.712056	3.121794	4.047172	0.775883	0.984641	0.393993	Other	0.639292	0.62217	0.513392	0.937832	0.625698	null	null	null	null	null	null	null	null	null	null	null	null
23	true	0	true	0	0	true	null	null	null	0.016238	0.023008	0.352873	Other	0.008235	0.008612	0.478149	0.662182	0.5979	null	null	null	null	null	null	null	null	null	null	null	null
24	true	0	true	0	0	true	null	null	null	0.024907	0.0389	0.320137	Other	0.013696	0.014799	0.462756	0.652121	0.730388	null	null	null	null	null	null	null	null	null	null	null	null
25	true	0	true	0	0	true	null	null	null	0.018076	0.026896	0.336027	Other	0.010583	0.011156	0.474292	0.584081	0.684063	null	null	null	null	null	null	null	null	null	null	null	null
26	false	0.00361	false	0.005141	0.004296	false	4.937857	6.233874	3.44054	0.834107	1.096468	0.380361	Other	0.715098	0.696623	0.512918	0.923754	0.537033	null	null	null	null	null	null	null	null	null	null	null	null
27	true	0	true	0	0	true	null	null	null	0.016867	0.025804	0.326834	Other	0.009783	0.010384	0.471077	0.636547	0.682769	null	null	null	null	null	null	null	null	null	null	null	null
28	true	0	true	0	0	true	null	null	null	0.009752	0.01338	0.364412	Other	0.007221	0.007522	0.479966	0.569661	0.49923	null	null	null	null	null	null	null	null	null	null	null	null
29	true	0	true	0	0	true	null	null	null	0.032502	0.037139	0.437574	Shared	0.018819	0.020773	0.452978	0.680365	0.700728	null	null	null	null	null	null	null	null	null	null	null	null
30	true	0	true	0	0	true	null	null	null	0.01233	0.017324	0.355883	Other	0.007455	0.007786	0.478742	0.620977	0.535405	null	null	null	null	null	null	null	null	null	null	null	null
31	true	0	true	0	0	true	null	null	null	0.015531	0.018044	0.430368	Shared	0.008392	0.00894	0.469362	0.608278	0.596304	null	null	null	null	null	null	null	null	null	null	null	null
32	false	0.040104	false	0.027046	0.034255	false	3.034703	2.3709	3.39793	0.895246	1.112025	0.40253	Shared	0.600438	0.573355	0.522552	0.973132	0.572677	null	null	null	null	null	null	null	null	null	null	null	null
33	false	0.003062	false	0.00192	0.00255	false	3.0396	4.487765	2.303036	0.096117	0.217426	0.221033	Other	0.086093	0.081642	0.52585	0.9537	0.381126	null	null	null	null	null	null	null	null	null	null	null	null
34	true	0	true	0	0	true	null	null	null	0.028453	0.039919	0.356386	Other	0.050584	0.061462	0.4115	0.675966	0.598846	null	null	null	null	null	null	null	null	null	null	null	null
35	false	0.000001	false	0	0.000001	false	0.010582	0.022982	0.006449	0.069778	0.088975	0.392124	Other	0.105815	0.101938	0.518317	0.744062	0.581168	null	null	null	null	null	null	null	null	null	null	null	null
36	true	0	true	0	0	true	null	null	null	0.037761	0.047905	0.394124	Other	0.013637	0.015646	0.435823	0.764328	0.790869	null	null	null	null	null	null	null	null	null	null	null	null
37	false	0.011596	false	0.00816	0.010057	false	3.145873	2.716759	3.390871	0.838668	0.998213	0.420085	Shared	0.695844	0.6285	0.54839	0.966503	0.663937	null	null	null	null	null	null	null	null	null	null	null	null
38	true	0	true	0	0	true	null	null	null	0.006636	0.008084	0.410444	Shared	0.005573	0.005538	0.503153	0.39964	0.151836	null	null	null	null	null	null	null	null	null	null	null	null
39	true	0	true	0	0	true	null	null	null	0.026412	0.034256	0.385503	Other	0.015444	0.016481	0.468528	0.659765	0.742433	null	null	null	null	null	null	null	null	null	null	null	null
40	true	0	true	0	0	true	null	null	null	0.008133	0.011216	0.362588	Other	0.006682	0.007208	0.463502	0.501265	0.452209	null	null	null	null	null	null	null	null	null	null	null	null
41	false	0.000374	false	0.000094	0.000249	false	0.972299	0.888572	0.989397	0.531205	0.58635	0.452976	Shared	0.709064	0.763022	0.464642	0.740518	0.677109	null	null	null	null	null	null	null	null	null	null	null	null
42	true	0	true	0	0	true	null	null	null	0.028729	0.044197	0.325009	Other	0.019707	0.021831	0.451352	0.735418	0.710679	null	null	null	null	null	null	null	null	null	null	null	null
43	true	0	true	0	0	true	null	null	null	0.006906	0.009358	0.369019	Other	0.00523	0.005355	0.488386	0.363409	0.078385	null	null	null	null	null	null	null	null	null	null	null	null
44	true	0	true	0	0	true	null	null	null	0.013016	0.017536	0.37113	Other	0.008722	0.009032	0.482822	0.625022	0.617004	null	null	null	null	null	null	null	null	null	null	null	null
45	false	0.000633	false	0.00087	0.000739	false	6.243041	4.420699	8.27664	0.846284	1.115184	0.379437	Other	0.751561	0.774818	0.484992	0.911214	0.710387	null	null	null	null	null	null	null	null	null	null	null	null
46	false	0.039897	false	0.051729	0.045197	false	3.675003	3.808242	3.534836	0.703218	1.092727	0.321772	Other	0.569253	0.670437	0.424539	0.961294	0.58814	null	null	null	null	null	null	null	null	null	null	null	null
47	true	0	true	0	0	true	null	null	null	0.006426	0.00853	0.376691	Other	0.005371	0.005297	0.506948	0.342804	0.099084	null	null	null	null	null	null	null	null	null	null	null	null
48	true	0	true	0	0	true	null	null	null	0.01331	0.019223	0.346189	Other	0.009784	0.010535	0.464383	0.651287	0.694135	null	null	null	null	null	null	null	null	null	null	null	null
49	true	0	true	0	0	true	null	null	null	0.021534	0.029975	0.3592	Other	0.012121	0.013034	0.464984	0.727809	0.719573	null	null	null	null	null	null	null	null	null	null	null	null
50	true	0	true	0	0	true	null	null	null	0.013813	0.022103	0.312467	Other	0.008316	0.008696	0.478192	0.628476	0.608752	null	null	null	null	null	null	null	null	null	null	null	null
51	true	0	true	0	0	true	null	null	null	0.014282	0.021935	0.32554	Other	0.009494	0.010133	0.468448	0.652295	0.665984	null	null	null	null	null	null	null	null	null	null	null	null
52	true	0	true	0	0	true	null	null	null	0.013136	0.018674	0.351727	Other	0.006506	0.006955	0.46772	0.639943	0.441732	null	null	null	null	null	null	null	null	null	null	null	null
53	true	0	true	0	0	true	null	null	null	0.031696	0.045131	0.351158	Other	0.02827	0.031573	0.447685	0.660092	0.674761	null	null	null	null	null	null	null	null	null	null	null	null
54	true	0	true	0	0	true	null	null	null	0.042607	0.050473	0.422077	Shared	0.030627	0.032963	0.464576	0.484515	0.553092	null	null	null	null	null	null	null	null	null	null	null	null
55	true	0	true	0	0	true	null	null	null	0.008656	0.012181	0.355305	Other	0.006241	0.006626	0.470932	0.510873	0.378539	null	null	null	null	null	null	null	null	null	null	null	null
56	true	0	true	0	0	true	null	null	null	0.011763	0.015552	0.378179	Other	0.024812	0.035894	0.345624	0.368473	0.455125	null	null	null	null	null	null	null	null	null	null	null	null
57	true	0	false	0	0	false	null	0.006712	null	0.033614	0.05011	0.335402	Other	0.076072	0.070256	0.538231	0.711901	0.528645	null	null	null	null	null	null	null	null	null	null	null	null
58	true	0	true	0	0	true	null	null	null	0.026646	0.040701	0.327337	Other	0.014677	0.015739	0.466266	0.696909	0.71972	null	null	null	null	null	null	null	null	null	null	null	null
59	true	0	true	0	0	true	null	null	null	0.007409	0.009517	0.389245	Other	0.00566	0.00592	0.478072	0.491547	0.241278	null	null	null	null	null	null	null	null	null	null	null	null
60	false	0.000389	false	0.000209	0.000308	false	7.34185	10.154138	6.118901	0.720991	0.760936	0.473753	Shared	0.684775	0.690826	0.49562	0.893329	0.820979	null	null	null	null	null	null	null	null	null	null	null	null
61	true	0	true	0	0	true	null	null	null	0.009262	0.012332	0.37555	Other	0.006395	0.006766	0.472529	0.54617	0.395975	null	null	null	null	null	null	null	null	null	null	null	null
62	true	0	true	0	0	true	null	null	null	0.016367	0.02267	0.360979	Other	0.009352	0.010043	0.465582	0.651343	0.65673	null	null	null	null	null	null	null	null	null	null	null	null
63	false	0.000065	false	0.00004	0.000054	false	1.147816	1.056407	1.193282	0.600454	0.663133	0.45274	Shared	0.545607	0.590938	0.461645	0.749962	0.774963	null	null	null	null	null	null	null	null	null	null	null	null
64	true	0	true	0	0	true	null	null	null	0.005921	0.007387	0.4008	Shared	0.005335	0.005625	0.474188	0.302812	0.170551	null	null	null	null	null	null	null	null	null	null	null	null
65	true	0	true	0	0	true	null	null	null	0.016846	0.026969	0.312331	Other	0.010532	0.011067	0.475826	0.655194	0.69534	null	null	null	null	null	null	null	null	null	null	null	null
66	true	0	true	0	0	true	null	null	null	0.016312	0.02336	0.349143	Other	0.010547	0.011047	0.477357	0.691121	0.69167	null	null	null	null	null	null	null	null	null	null	null	null
67	true	0	true	0	0	true	null	null	null	0.048774	0.058718	0.415324	Shared	0.02213	0.025059	0.441566	0.670838	0.655482	null	null	null	null	null	null	null	null	null	null	null	null
68	true	0	true	0	0	true	null	null	null	0.021905	0.033287	0.329036	Other	0.014414	0.015449	0.466511	0.709566	0.737128	null	null	null	null	null	null	null	null	null	null	null	null
69	false	0.000003	false	0.000006	0.000004	false	0.814455	1.223911	0.097905	0.267796	0.277328	0.482815	Shared	0.362906	0.378536	0.479355	0.613869	0.524167	null	null	null	null	null	null	null	null	null	null	null	null
70	false	0.001096	false	0.00325	0.002061	false	4.287801	5.001277	2.570727	0.854052	1.067999	0.399837	Other	0.688903	0.684466	0.50322	0.942463	0.679119	null	null	null	null	null	null	null	null	null	null	null	null
71	false	0.010595	false	0.008228	0.009535	false	5.253587	5.295284	5.227314	0.719696	1.119903	0.321321	Other	0.697939	0.713882	0.488834	0.839148	0.194767	null	null	null	null	null	null	null	null	null	null	null	null
72	false	0.000802	false	0.001911	0.001299	false	4.228247	4.926832	2.878226	0.831232	1.055943	0.393597	Other	0.755376	0.76548	0.4934	0.938755	0.680913	null	null	null	null	null	null	null	null	null	null	null	null
73	true	0	true	0	0	true	null	null	null	0.022781	0.03597	0.316662	Other	0.016385	0.017768	0.461084	0.714926	0.730383	null	null	null	null	null	null	null	null	null	null	null	null
74	false	0.018999	false	0.01146	0.015622	false	4.269851	2.732632	5.022166	0.806137	0.974192	0.413746	Shared	0.721351	0.68937	0.522167	0.895358	0.536105	null	null	null	null	null	null	null	null	null	null	null	null
75	false	0.093583	false	0.089448	0.091731	false	3.142172	3.339925	2.98881	0.762119	1.152256	0.330708	Other	0.503131	0.590913	0.425723	0.960344	0.610621	null	null	null	null	null	null	null	null	null	null	null	null
76	true	0	true	0	0	true	null	null	null	0.012189	0.017369	0.350876	Other	0.006704	0.006747	0.496802	0.594893	0.399081	null	null	null	null	null	null	null	null	null	null	null	null
77	true	0	true	0	0	true	null	null	null	0.008327	0.01087	0.383035	Other	0.00681	0.007503	0.453818	0.525755	0.470704	null	null	null	null	null	null	null	null	null	null	null	null
78	true	0	true	0	0	true	null	null	null	0.008865	0.012131	0.365411	Other	0.006079	0.006365	0.477547	0.563757	0.343142	null	null	null	null	null	null	null	null	null	null	null	null
79	true	0	true	0	0	true	null	null	null	0.006663	0.008087	0.411968	Shared	0.005473	0.005597	0.488892	0.335258	0.178653	null	null	null	null	null	null	null	null	null	null	null	null
80	true	0	true	0	0	true	null	null	null	0.021666	0.034891	0.310481	Other	0.013401	0.014203	0.471771	0.703418	0.741165	null	null	null	null	null	null	null	null	null	null	null	null
81	true	0	true	0	0	true	null	null	null	0.022705	0.031323	0.36244	Other	0.019423	0.021261	0.456779	0.67753	0.720179	null	null	null	null	null	null	null	null	null	null	null	null
82	false	0.000074	false	0.000442	0.000239	false	17.052338	19.989702	2.814276	0.734286	0.92389	0.397388	Other	0.823952	0.857945	0.480189	0.919331	0.738043	null	null	null	null	null	null	null	null	null	null	null	null
83	true	0	true	0	0	true	null	null	null	0.008815	0.011829	0.372601	Other	0.007477	0.007674	0.487135	0.535129	0.504627	null	null	null	null	null	null	null	null	null	null	null	null
84	true	0	true	0	0	true	null	null	null	0.006525	0.008189	0.398414	Other	0.005496	0.005666	0.485007	0.347372	0.173218	null	null	null	null	null	null	null	null	null	null	null	null
85	false	0.022005	false	0.009103	0.016226	false	0.030974	0.029046	0.031621	0.06436	0.08401	0.383051	Other	0.068945	0.087695	0.393097	0.781358	0.624592	null	null	null	null	null	null	null	null	null	null	null	null
86	false	0.000436	false	0.000281	0.000367	false	7.204305	2.378056	9.729271	0.967715	1.054372	0.458906	Shared	0.810234	0.739255	0.543802	0.930756	0.696422	null	null	null	null	null	null	null	null	null	null	null	null
87	true	0	true	0	0	true	null	null	null	0.006319	0.007766	0.406848	Shared	0.005288	0.005275	0.501193	0.331319	0.090937	null	null	null	null	null	null	null	null	null	null	null	null
88	false	0.011606	false	0.010459	0.011092	false	3.163824	3.000174	3.283488	0.758407	0.927275	0.408944	Shared	0.71558	0.714795	0.500548	0.94591	0.723937	null	null	null	null	null	null	null	null	null	null	null	null
89	true	0	true	0	0	true	null	null	null	0.019002	0.025739	0.369136	Other	0.050285	0.058915	0.426759	0.549532	0.519477	null	null	null	null	null	null	null	null	null	null	null	null
90	false	0.025575	false	0.014599	0.020658	false	2.857393	2.458329	3.042222	0.739409	0.982792	0.376178	Other	0.626908	0.64988	0.482326	0.970518	0.707377	null	null	null	null	null	null	null	null	null	null	null	null
91	false	0.00155	false	0.005364	0.003258	false	5.30568	5.988532	3.387774	0.5403	1.074793	0.251351	Other	0.854915	0.968474	0.441373	0.638591	0.235812	null	null	null	null	null	null	null	null	null	null	null	null
92	true	0	true	0	0	true	null	null	null	0.010226	0.015298	0.334217	Other	0.008435	0.00901	0.46812	0.574939	0.629403	null	null	null	null	null	null	null	null	null	null	null	null
93	true	0	true	0	0	true	null	null	null	0.007984	0.009877	0.404172	Shared	0.006019	0.006063	0.496372	0.482647	0.269633	null	null	null	null	null	null	null	null	null	null	null	null
94	true	0	true	0	0	true	null	null	null	0.00795	0.010237	0.38831	Other	0.006577	0.006775	0.485406	0.538298	0.381939	null	null	null	null	null	null	null	null	null	null	null	null
95	true	0	true	0	0	true	null	null	null	0.047109	0.051228	0.459797	Shared	0.01907	0.021643	0.440558	0.624106	0.696475	null	null	null	null	null	null	null	null	null	null	null	null
96	true	0	true	0	0	true	null	null	null	0.027244	0.036662	0.371556	Other	0.014221	0.015589	0.456127	0.695888	0.750782	null	null	null	null	null	null	null	null	null	null	null	null
97	true	0	true	0	0	true	null	null	null	0.010858	0.014651	0.370554	Other	0.007197	0.007704	0.467072	0.570258	0.510504	null	null	null	null	null	null	null	null	null	null	null	null
98	true	0	true	0	0	true	null	null	null	0.014625	0.023757	0.30781	Other	0.009449	0.009968	0.473966	0.672612	0.670814	null	null	null	null	null	null	null	null	null	null	null	null
99	false	0.021229	false	0.019743	0.020563	false	2.950729	2.670838	3.161929	0.83085	1.026797	0.404583	Shared	0.600832	0.596726	0.503418	0.965007	0.675132	null	null	null	null	null	null	null	null	null	null	null	null

End of preview. Expand in Data Studio

No dataset card yet

Downloads last month: 13

Size of downloaded dataset files:

Size of the auto-converted Parquet files:

Number of rows: