[Code scan] Inference-efficiency expansion crashes when a structure exceeds the atom cap
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 78/100
- Tipo di issue
- Bug
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Tranquilla
- Stack tecnologico
- python
- Ambito
- performance
Direzione di ricerca
Inizia da lambench/tasks/calculator/inference_efficiency/inference_efficiency.py intorno alle righe 70-91 e da efficiency_utils.py intorno alle righe 42-66; traccia il calcolo del fattore di espansione e il comportamento di find_even_factors. Aggiungi il test di regressione descritto per un input il cui numero di atomi supera natoms_upper_limit. L'attività è completata quando non va più in crash e sottopone a benchmark la struttura originale oppure segnala uno skip controllato.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
This issue was found by a Codex global repository scan of tracked non-test files at commit 8c93925cb10b401b2b83c738bd9263fd74474468.
Relevant code
https://github.com/deepmodeling/LAMBench/blob/8c93925cb10b401b2b83c738bd9263fd74474468/lambench/tasks/calculator/inference_efficiency/inference_efficiency.py#L70-L91
https://github.com/deepmodeling/LAMBench/blob/8c93925cb10b401b2b83c738bd9263fd74474468/lambench/tasks/calculator/inference_efficiency/efficiency_utils.py#L42-L66
Impact
When len(atoms) > natoms_upper_limit, scaling_factor = floor(max_natoms / len(atoms)) becomes 0. find_even_factors(0) returns None, so unpacking a, b, c raises before inference can run.
That turns an oversized input structure into a task-level failure instead of benchmarking the original structure or reporting a controlled skip.
Suggested fix
Clamp the expansion factor to at least 1, or explicitly skip expansion and benchmark the original structure when the cap is below the input atom count. Add a regression test with len(atoms) > natoms_upper_limit.
- Lingua principale
- Python
- Stelle
- 20
- Fork
- 11
- Merge medio
- 1m
- PR unite (30g)
- 3
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 deepmodeling/LAMBench
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 86/100
deepmodeling/LAMBench#443 ·
-
[Code scan] Missing NVE systems crash stability scoring instead of receiving the failure penaltyAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
deepmodeling/LAMBench#440 ·
-
Difficoltà 2/5 Mezza giornata Idoneità per principianti 74/100
deepmodeling/LAMBench#439 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
deepmodeling/LAMBench#438 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
deepmodeling/LAMBench#435 ·
Tutte le issue di deepmodeling/LAMBench
Issue simili
-
tests/strategies_test.py:174 goes uncovered on about 1 run in 100, failing the coverage ratchetApertaflaky-watch
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
btclib-org/btclib#2839 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
nion-software/nionswift#2018 ·
I maintainer di solito rispondono entro 1 giorno
-
Deleting a member fails when another member's share transfer points to themForse già presa @Beerlesklopfer l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
FoodCoopX/wirgarten-tapir#1336 ·
I maintainer di solito rispondono entro 3 giorni
-
pydanty:is-working
Difficoltà 2/5 1-3 ore Idoneità per principianti 71/100
pydantic/pydantic-ai#11467 ·
I maintainer di solito rispondono entro 1 giorno
-
Link Checker ReportApertaautomated issue linkchecker report
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
QuantEcon/lecture-python.myst#1098 ·
I maintainer di solito rispondono entro 1 giorno