Minimal loop for RL training

オープン

#3 2026年4月6日に作成コメント 0 件リアクション 0 件担当者 1 名 GitHub で見る

@TreeinRandomForest がすでに取り組んでいます。

2026年4月6日から。

評価

この issue はまだ評価されていません。

See branch "minimal" (in progress) for a simple and direct RL loop that can be run on a bare-metal machine:

Loop:
Prompt -> LLM -> Patch -> Verifier Hierarchy -> Feedback appended to prompt
End in K iterations

Requirements:

このリポジトリのコントリビューションガイドは索引されていません

Add Multi-Pass Implementation for SWE-Bench Eval オープン

redhat-et/code-agent#25 · 担当者 1 名 · 2026年5月18日に作成
Feasibility study into implementing cuda kernels in the current RL framework オープン

難易度 5/5 1週間以上初心者へのやさしさ 35/100

redhat-et/code-agent#22 · 2026年4月27日に作成
Create baseline evaluation pipeline using the HumanEval benchmark オープン

wip

redhat-et/code-agent#15 · 担当者 1 名 · 2026年4月17日に作成
Create baseline evaluation pipeline of the ODEX dataset on Devstral Small 2 オープン

redhat-et/code-agent#13 · 担当者 1 名 · 2026年4月15日に作成
SkyPilot オープン

redhat-et/code-agent#11 · 担当者 1 名 · 2026年4月15日に作成

validate-structure inspecte challenge/work/.terraform et rend faux les labs qui ont un provider en cache オープン

bug

難易度 2/5 1〜3時間初心者へのやさしさ 75/100

stephrobert/dsoxlab#238 · 2026年9月24日に作成
Uniform probability densities use the upper bound as an interval width オープン

難易度 2/5 1〜3時間初心者へのやさしさ 75/100

nasa/fmdtools#40 · 2026年9月24日に作成
_common_folder() treats a single file as the common folder; single-file archives can't be installed (4.2.8) / crash (master) オープン

難易度 2/5 1〜3時間初心者へのやさしさ 75/100

sublimehq/package_control#1780 · 2026年9月24日に作成
Set 'Sample' input in 'autorun.py' to utilize 'Sample' Tab in eLog オープン

難易度 2/5 1〜3時間初心者へのやさしさ 65/100

pcdshub/mfx#309 · コメント 2 件 · 2026年9月24日に作成
niri config file addition does not respect existing optional include オープン

難易度 2/5 1〜3時間初心者へのやさしさ 70/100

nwg-piotr/nwg-displays#145 · 2026年9月24日に作成