How to generate Critic Scores that can mimic a reward model
まだ誰も着手していません。
評価
- 難易度
- 5/5
- 見積もり時間
- 1週間以上
- 初心者へのやさしさ
- 20/100
- issue の種類
- 機能追加
- 明瞭さ
- 説明が足りない
- 活発さ
- 停滞
- 技術スタック
- python
- 領域
- ai, machine-learning
調査の方向性
Start by reading the CodeRL repository and the associated CodeRL paper to understand how critic models currently classify solutions and how reward models are used. The issue does not name an entry point, file, or test; done would require a documented approach or implementation for generating critic scores that can mimic a reward model.
索引モデルが issue の本文から書いたものです。
説明
Hello, hope all is well,
Wanted to ask how to generate critic scores for a solution of a code problem, is there a way instead of just classifying them using the critic model?
- 主要言語
- Python
- スター
- 576
- フォーク
- 69
- PR マージ指標
- 30日以内にマージされた PR はありません
環境構築
このプロジェクトの環境構築ファイルはまだ確認していません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
salesforce/CodeRL のほかの issue
-
難易度 4/5 3〜5日 初心者へのやさしさ 10/100
salesforce/CodeRL#65 ·
-
CodeRL模型谷歌云盘访问遭拒オープン
難易度 4/5 3〜5日 初心者へのやさしさ 10/100
salesforce/CodeRL#64 ·
-
難易度 5/5 1週間以上 初心者へのやさしさ 10/100
salesforce/CodeRL#63 ·
-
難易度 3/5 1〜2日 初心者へのやさしさ 32/100
salesforce/CodeRL#61 · コメント 3 件 ·
-
難易度 3/5 1〜2日 初心者へのやさしさ 20/100
salesforce/CodeRL#60 ·
salesforce/CodeRL の issue をすべて見る
似ている issue
-
pydanty:is-working
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
pydantic/pydantic-ai#8843 ·
メンテナーはふだん 1 日以内に返信
-
breaking change enhancement server
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
メンテナーはふだん 1 日以内に返信
-
bug
難易度 2/5 1〜3時間 初心者へのやさしさ 88/100
sktime/sktime#11310 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
メンテナーはふだん 1 日以内に返信
-
needs-triage
難易度 2/5 1〜3時間 初心者へのやさしさ 85/100
メンテナーはふだん 1 日以内に返信