Distill a cached table into a small model

Abierto
  • ¿Algo no está bien?
#106 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
25/100
Tipo de issue
Nueva funcionalidad
Claridad
Bastante claro
Estado de actividad
Activo
Stack tecnológico
python, scikit-learn
Área
machine-learning

Línea de trabajo

Start by reading the /v1/tabctx/datasets/{id}/distill endpoint and the client’s clf.distill() entry point; the issue does not name their files. Then inspect how cached contexts are stored and how the real-dataset suite reports results. Done means returning a scikit-learn estimator and reporting agreement, held-out accuracy and its gap to the foundation model, model size, and CPU prediction latency.

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

Descripción

area/api enhancement P3 roadmap

Let a user turn a cached context into a small, cheap model that runs anywhere, with no GPU and no server. Examples are gradient boosting or a small MLP, trained to match the foundation model's predictions. Prior Labs offers this only in their enterprise edition.

Shape

  • POST /v1/tabctx/datasets/{id}/distill: generate inputs around the training table, label them with the cached context, train the small model, and return it as a file (ONNX or skops).
  • Client: clf.distill() returns a scikit-learn estimator.
  • Report how closely the small model matches the foundation model (agreement, and accuracy on a held-out split), so the user can decide whether it's good enough.

Accept

  • On the real-dataset suite, the distilled model's accuracy and its gap to the foundation model are reported, along with its size and CPU predict latency.
Lenguaje dominante
Python
Estrellas
1
Forks
1
Merge medio
6 h 16 min
PR fusionados (30 d)
71

Preparar el entorno

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 VectorInstitute/tabctx

Todos los issues de VectorInstitute/tabctx

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.