Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

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

Aperta
  • Qualcosa non va?
#357 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

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, performance

Direzione di ricerca

L’issue non indica file, test o punti di ingresso. Inizia definendo il deliverable mancante e restringendo le opzioni elencate: gestione dei contesti lunghi, attenzione a finestra scorrevole o ibrida, quantizzazione, compatibilità di conversione e weak scaling. Il lavoro sarà considerato completato quando includerà una scelta architetturale documentata, i relativi criteri di valutazione e i risultati di weak scaling richiesti.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

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)

Lingua principale
Nessun dato sulla lingua
Stelle
3
Fork
0
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

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di OpenEuroLLM/Taskboard

Tutte le issue di OpenEuroLLM/Taskboard

Issue simili

Altre issue su Machine Learning

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.