Data mixture comparison
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 20/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Tranquilla
- Ambito
- machine-learning
Direzione di ricerca
Inizia individuando la discussione della riunione di esplorazione dei modelli a cui fa riferimento l’issue; non sono indicati file, test o punti di ingresso. Chiarisci i mix di dataset, il metodo di selezione del fronte di Pareto, i criteri di valutazione e il deliverable richiesto prima dell’implementazione, poiché il completamento non è definito nell’issue corrente.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Goal
Following a discussion in model exploration meeting, we wanted to raise data mixure comparison, to understand the effect of mix changes.
The approach: Pareto front points to select to measure effect of changed dataset mix
Description
(More details about the issue)
Deliverable scope
(What is the expected outcome for this issue to be complete)
Dependencies
(Blocking issues, PRs, or external factors)
- Lingua principale
- Nessun dato sulla lingua
- Stelle
- 3
- Fork
- 0
- 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 OpenEuroLLM/Taskboard
-
[nucleus sparse] Experiment setupForse già presa @aaronkl l’ha presa 7 giorni fa. ApertaT4.1 - Optimization HPC T4.2 - model exploration
OpenEuroLLM/Taskboard#439 · 1 reazione · 1 assegnatario ·
-
Qwen3.5 35B-A3B hybrid MoE weak and strong scalingForse già presa @ibaucells l’ha presa 7 giorni fa. ApertaT4.1 - Optimization HPC
OpenEuroLLM/Taskboard#438 · 2 commenti · 1 assegnatario ·
-
Synthetic Generation for Multilingual Instruction TuningForse già presa @abhash-er l’ha presa 8 giorni fa. Aperta4.6 post-training
OpenEuroLLM/Taskboard#437 · 1 assegnatario ·
-
Safety and alignment evaluationForse già presa @BirgerMoell l’ha presa 8 giorni fa. Aperta4.6 post-training
OpenEuroLLM/Taskboard#436 · 1 assegnatario ·
-
Finding optimal dataset mixtures for DPOForse già presa @geoalgo l’ha presa 8 giorni fa. Aperta4.6 post-training
OpenEuroLLM/Taskboard#435 · 3 assegnatari ·
Tutte le issue di OpenEuroLLM/Taskboard
Issue simili
-
istep not passed to `compute_loss` during validation (context-loss warmup stuck at 0)Forse già presa Una pull request collegata a questa issue è aperta o già unita. Aperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
ecmwf/WeatherGenerator#2943 ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug]: convert_model fails with NameError on Python 3.13 because get_environment_setup deletes an exec-imported moduleForse già presa @Daksha1611 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
openvinotoolkit/openvino#39038 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
Southampton-RSG-Training/ai-fundamentals-for-researchers#22 ·
-
`trackers eval` labels a MOT-layout sequence `gt` instead of its nameForse già presa @RaphaelFakhri l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 82/100
ndif-team/nnsight-website#45 ·