Actor-Critic NMT

Repository metrics

Stars

29,107 stars (29,107 stars)

PR merge metrics

30d に merged PR はありません (30d に merged PR はありません)

説明

コントリビューターガイド

調査方針

既存のfairseq内のNMTモデル（例：transformer、LSTM）を調査し、アーキテクチャを理解する。NMT文献におけるActor Critic手法（ポリシー勾配を使用するものなど）を調査する。PyTorchの強化学習ライブラリ（torchrlなど）を確認する。具体的な実装詳細とファイルの場所（例：モデル定義はfairseq/models/、訓練タスクはfairseq/tasks/）を提案する。メンテナーと議論を開始し、範囲と受け入れ基準を明確にする。

技術スタック

pythonpytorch

領域

machine learningai

Issue 種別

機能

難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。

4

推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。

1週間超

活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。

古い

明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。

調査が必要

前提条件

PythonPyTorch

初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。

20