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

[Guiding Goal]

Abierto
  • ¿Algo no está bien?
#9 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
25/100
Tipo de issue
Nueva funcionalidad
Claridad
Necesita aclaración
Estado de actividad
Tranquilo
Stack tecnológico
python
Área
ai, machine-learning

Línea de trabajo

Comienza con la implementación enlazada en minimal/agent_func_complete.py y, después, revisa los issues #1 y #5 para consultar los modelos y benchmarks disponibles. La fase se completa cuando las tablas de evaluación de Pure y entrenamiento de RL contienen resultados de modelo, benchmark y rendimiento bajo las restricciones indicadas de rollout, verification y simple-RL.

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

Descripción

The goal of this phase of the project is to fill in the two tables below. Note the goal doesn't include building a central framework for evals or training, performance tuning, scaling beyond a reasonable amount.

Pure evaluation:

| Model | Benchmark | Performance |
| ... | ... | ... |
| ... | ... | ... |

RL training:

| Model | Benchmark | Performance |
| ... | ... | ... |
| ... | ... | ... |

where choices are listed (and can be appended to) here:

List of models

List of benchmarks

Some other constraints for the first phase:

  • Multi-step, single-submission rollouts. See implementation.
  • Verification hierarchy fixed: AST syntax checking -> Linter -> Type Checker -> Benchmark provided tests
  • Simple RL algorithm e.g. GRPO.

In the second stage, we'll discuss the results from this phase and explore at least three branches. For now, hold off on these.

  • RL approaches e.g. DAgger like approaches, RLIF, PPO vs GRPO, potentially custom developments.
  • Performance tuning: container startup times (and the splitting of verifiers across containers), scaling bottlenecks, custom GPU kernels or handwritten-optimized backward passes (unsloth).
  • Richer static analysis (control flow, data flow), dynamic tracing etc. to augment context.
Lenguaje dominante
Python
Estrellas
1
Forks
4
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 redhat-et/code-agent

Todos los issues de redhat-et/code-agent

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.