STRML/quantdiff
Diff a quantized or fine-tuned model's weights against upstream to catch abliteration and LoRA-merged backdoors
STRML/quantdiff é bom para iniciantes?
Vimos poucos pull requests recentes de contribuidores externos em STRML/quantdiff para dizer com que frequência eles recebem merge. Agora há 2 issues para iniciantes abertas.
- Estrelas
- 0
- Forks
- 0
- Issues abertas para iniciantes
- 2
- Issues indexadas
- 6
- Merge médio
- 5min
- PRs com merge (30d)
- 3
- Linguagem predominante
- Python
- Licença
- MIT
- Último push no GitHub
- 27/10/2026
- Última indexação
- 27/10/2026
- Guia de contribuição
- Sem guia de contribuição
- Código de conduta
- Sem código de conduta
- Labels para iniciantes
- Nenhum label para iniciantes indexado
Como contribuir com STRML/quantdiff
- Não há guia de contribuição, então comece pelo README e por alguns pull requests com merge recente para ver como as mudanças são propostas.
- Suas contribuições serão publicadas sob a licença MIT do projeto.
- Escolha uma das 2 issues abertas para iniciantes abaixo e comente que quer trabalhar nela antes de começar.
Issues em que talvez alguém já esteja trabalhando aparecem no fim. Ordenar tudo por data
-
Dificuldade 3/5 1-2 dias Facilidade para iniciantes 54/100
-
Dificuldade 4/5 3-5 dias Facilidade para iniciantes 44/100
-
Stacked experts: fetch only the sampled expert slices, count decoded bytes in the prefetch budgetAberta
Dificuldade 4/5 1-2 dias Facilidade para iniciantes 48/100
-
Dificuldade 3/5 1-2 dias Facilidade para iniciantes 58/100
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 75/100
-
Diffing an FP8 pack against its own FP8 upstream exits 2 with an opaque errorTalvez já em andamento Um pull request vinculado a esta issue está aberto ou já foi mesclado. Aberta
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 76/100