facebookresearch/fairseq

Actor-Critic NMT

Open

#3.386 geöffnet am 23. März 2021

Auf GitHub ansehen
 (1 Kommentar) (0 Reaktionen) (0 zugewiesene Personen)Python (6.224 Forks)batch import
enhancementhelp wantedneeds triagestale

Repository-Metriken

Stars
 (29.107 Stars)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Fairseq contains many NMT models but models with Reinforcement Learning are absent. It would be great if that is added

Contributor Guide

Research-Richtung
Untersuche bestehende NMT Modelle in fairseq (z.B. Transformer, LSTM), um die Architektur zu verstehen. Recherchiere Actor Critic Methoden in der NMT Literatur, wie z.B. solche, die Policy Gradient verwenden. Sieh dir PyTorchs Reinforcement Learning Bibliotheken wie torchrl an. Schlage spezifische Implementierungsdetails und Dateipfade vor (z.B. fairseq/models/ für Modelldefinitionen, fairseq/tasks/ für Trainingsaufgaben). Initiiere eine Diskussion mit den Maintainern, um Umfang und Akzeptanzkriterien zu klären.
Tech Stack
pythonpytorch
Domain
machine learningai
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
4
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Über 1 Woche
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Veraltet
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Recherche nötig
Voraussetzungen
PythonPyTorch
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
20