A question about finetune process
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 1/5
- Tempo stimato
- Meno di un'ora
- Idoneità per principianti
- 25/100
- Tipo di issue
- Documentazione
- Chiarezza
- Da chiarire
- Stato di attività
- Attiva
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
The issue asks whether the Qwen3.5-4B + Action Expert model was pretrained before fine-tuning on the 180/308 task episodes, or initialized and trained directly on them. No files, tests, or code changes are identified; check the paper and repository documentation for the training setup, then ask the authors if it remains unclear.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Thanks for your great work!
The paper mentions that the model is fine-tuned using 180 episodes for Cover Blocks and 308 episodes for Put Back Block. I’m wondering what the starting point of this fine-tuning is.
Is the Qwen3.5-4B + Action Expert model trained directly on these 180/308 episodes, with the Action Expert initialized from scratch? Or has the Qwen3.5-4B + Action Expert model already been pretrained on a large-scale robotics dataset before being fine-tuned on these task-specific demonstrations?
- Lingua principale
- Python
- Stelle
- 94
- Fork
- 10
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di OpenBMB/SimpleMemVLA
-
How to adapt for a VLM?Aperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
OpenBMB/SimpleMemVLA#2 ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 30/100
OpenBMB/SimpleMemVLA#1 · 3 commenti ·
Tutte le issue di OpenBMB/SimpleMemVLA
Issue simili
-
Validate non-divisible effective batch sizes in the Unsloth LoRA backendForse già presa @debesh-biswas l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
reflex-dev/reflex#7634 · 1 commento ·
I maintainer di solito rispondono entro 2 giorni
-
documentation
Difficoltà 1/5 1-3 ore Idoneità per principianti 82/100
topoteretes/cognee#6239 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
ranaroussi/yfinance#3009 ·
I maintainer di solito rispondono entro 1 giorno
-
Test discovery aborts on GPU builds without cuStateVec: check_cuStateVec expects a failed result but set_config() now raises RuntimeErrorForse già presa @dmeliksetian l’ha presa oggi. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
Qiskit/qiskit-aer#2495 ·
I maintainer di solito rispondono entro 1 giorno