Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Post-flagship: explore the architecture that is optimal for deployment

Abierto
  • ¿Algo no está bien?
#357 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
20/100
Tipo de issue
Nueva funcionalidad
Claridad
Necesita aclaración
Estado de actividad
Tranquilo
Área
machine-learning, performance

Línea de trabajo

El issue no especifica archivos, pruebas ni puntos de entrada. Empieza por definir el entregable que falta y acotar las opciones enumeradas: manejo de contextos largos, atención de ventana deslizante o híbrida, cuantización, compatibilidad de conversión y escalado débil. El trabajo estará terminado cuando incluya una decisión de arquitectura documentada, sus criterios de evaluación y los resultados de escalado débil solicitados.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

T4.2 - model exploration

Goal
Raised in a model exploration meeting: what can we try to attempt to come up with the most optimal architecture. The issue is considered to be exploratory task for post-flagship.

Description
This includes

  • efficient long context handling
  • sliding window attention
  • hybrid (eg Qwen 3.5 design, gated delta net layers)
  • aim for 1M context length in final version?
  • Quantization aware (easy to quantize to lower precision, eg NVFP4); easy GGUF conversion; llama.cpp compat, etc
    TODO: add possible modifications list to the task
  • re-do weak scaling now

Deliverable scope
(What is the expected outcome for this issue to be complete)

Dependencies
(Blocking issues, PRs, or external factors)

Lenguaje dominante
Sin datos de lenguaje
Estrellas
3
Forks
0
Sin PR fusionados en 30 d

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de OpenEuroLLM/Taskboard

Todos los issues de OpenEuroLLM/Taskboard

Issues similares

Más issues de Machine Learning

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.