Clarity on training data for each of the codegen versions
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 20/100
- Tipo di issue
- Documentazione
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- machine-learning
- Ambito
- documentation, machine-learning
Direzione di ricerca
Start by checking the "lessons learnt from codegen2" paper and the available documentation for CodeGen2 and CodeGen2.5 base models. Verify whether their training data included ThePile and TheStarCoder, and whether a model at or below 7B used both datasets. Done means documenting a source-backed answer.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
In the "lessons learnt from codegen2" paper, it's discussed that data mix of pile and thestarcoder data is a better choice to undertake if enough compute is available, but it's not clear if codegen2 or codegen2.5 (base models not instruct models) were trained with natural language data like ThePile etc. Is there any small model <=7B which is trained on both ThePile and TheStarCoder data?
- Lingua principale
- Python
- Stelle
- 5.2k
- Fork
- 420
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
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 salesforce/CodeGen
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 45/100
salesforce/CodeGen#107 ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100
salesforce/CodeGen#104 ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
salesforce/CodeGen#101 ·
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 48/100
salesforce/CodeGen#95 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
salesforce/CodeGen#94 · 8 commenti ·
Tutte le issue di salesforce/CodeGen
Issue simili
-
good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
vllm-project/vllm-metal#822 ·
I maintainer di solito rispondono entro 1 giorno
-
vector-store
Difficoltà 1/5 1-3 ore Idoneità per principianti 90/100
mem0ai/mem0#7461 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug]: chunk_span_bounds and _validated_chunk_spans reject Pydantic models ChunkSpan and AudioFileAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
BasedHardware/omi#19047 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
I maintainer di solito rispondono entro 1 giorno