Notebooks¶
Interactive Jupyter notebooks that run directly in Google Colab. No local setup required — just click and run.
Requirements
Add HF_TOKEN to Colab Secrets (key icon in the left sidebar) and enable notebook access before running.
English¶
| # | Notebook | Description | GPU | Time |
|---|---|---|---|---|
| 01 | Quickstart | Load pre-trained vectors, compare baseline vs steered, explore 5 personalities | T4 | ~5 min |
| 02 | Measure Personality | IPIP-NEO-120 scoring, radar chart visualization, multiple inventories | T4 | ~8 min |
| 03 | Generate Dataset | Create contrastive pairs via OpenRouter API or local model | Optional | ~5 min |
| 04 | Extract Vector | Compare mean_diff, denoised mean_diff, and BiPO extraction | T4 | ~10 min |
| 05 | Layer Analysis | SVM-based layer ranking with bar chart visualization | T4 | ~10 min |
| 06 | Benchmark Vectors | IPIP-NEO-120 benchmark at multiple strengths, cross-impact analysis | T4 | ~15 min |
한국어¶
| # | 노트북 | 설명 | GPU | 소요 시간 |
|---|---|---|---|---|
| 01 | 빠른 시작 | 사전학습 벡터 로드, 기본 vs 조향 비교, 5가지 성격 탐색 | T4 | ~5분 |
| 02 | 성격 측정 | IPIP-NEO-120 스코어링, 레이더 차트, 여러 인벤토리 | T4 | ~8분 |
| 03 | 데이터셋 생성 | OpenRouter API 또는 로컬 모델로 대조 쌍 생성 | 선택 | ~5분 |
| 04 | 벡터 추출 | mean_diff, denoised, BiPO 3가지 추출 비교 | T4 | ~10분 |
| 05 | 레이어 분석 | SVM 기반 레이어 순위 + 시각화 | T4 | ~10분 |
| 06 | 벡터 벤치마크 | 다양한 강도에서 IPIP-NEO-120 벤치마크 | T4 | ~15분 |