facebookresearch/fairseq

Add an option to disable appending eos to the end of each document while preprocessing

Open

#5,615 opened on 2025年5月26日

GitHub で見る
 (0 comments) (0 reactions) (0 assignees)Python (29,107 stars) (6,224 forks)batch import
enhancementhelp wantedneeds triage

説明

🚀 Feature Request

Add an option to disable appending EOS to the end of each document while preprocessing

Motivation

There are instances where adding EOS is not preferred like when packing data to sequence length.

Pitch

Proposing a change to add an argument to handle this

コントリビューターガイド

技術スタック
pythonpytorch
領域
machine learning
Issue 種別
feature
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。
2
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。
1-3 hours
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。
fresh
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。
clear
前提条件
PythonPyTorchfairseq basics
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。
70
調査方針
Look for where EOS is appended to documents during preprocessing. Typical locations are in fairseq's dictionary construction (e.g., `fairseq/data/dictionary.py`) or in the binarization scripts (e.g., `fairseq cli/preprocess.py`). The solution involves adding a new argument (e.g., ` no append eos`) to the relevant preprocessing function or CLI tool and conditionally skipping the addition of EOS tokens.
Add an option to disable appending eos to the end of each document while preprocessing · facebookresearch/fairseq#5615 | Good First Issue