MiniMax-H3 CFG 蒸馏模型 SFT 后发糊，可能是什么原因？
Mantenedores costumam responder em até 1 dia
Ninguém assumiu esta issue ainda.
Avaliação
- Dificuldade
- 5/5
- Tempo estimado
- Mais de uma semana
- Facilidade para iniciantes
- 8/100
- Tipo de issue
- Bug
- Clareza
- Precisa de esclarecimento
- Status de atividade
- Ativa
- Stack de tecnologia
- python
- Domínio
- ai, machine-learning
Direção de pesquisa
The payload names no files or tests, so start from the issue's three training configurations (direct SFT, DeCFG scaffold, DeCFG with training_cfg_scale=4) and the six-comment thread for any answers already given. This is a diagnosis of why fine-tuned output is blurry, and the open question is whether de-distillation is needed, which is a design decision for maintainers. A useful contribution would be a reproduced comparison of these settings or a maintainer-confirmed direction, not a patch.
Escrita pelo modelo de indexação a partir do texto da issue.
Descrição
MiniMax-H3 CFG 蒸馏模型 SFT 后发糊，可能是什么原因？
- Linguagem predominante
- Python
- Estrelas
- 13.3k
- Forks
- 1.3k
- Merge médio
- 1d 16h
- PRs com merge (30d)
- 42
Preparar o ambiente
Este projeto não oferece contêiner de desenvolvimento, Dockerfile nem guia de contribuição, então a configuração fica por sua conta: comece pelo README e veja nosso guia da primeira contribuição para os passos gerais.
Primeiros passos
- Leia a issue inteira e depois o guia de contribuição do projeto.
- Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
- Faça um fork do repositório e trabalhe em uma branch.
- Abra um pull request que referencie o número da issue.
Mais de modelscope/DiffSynth-Studio
-
Partial download surfaces as "Cannot detect the model type" rather than a download errorTalvez livre de novo Um pull request para esta issue foi fechado sem ser mesclado. Aberta
Dificuldade 1/5 1-3 horas Facilidade para iniciantes 78/100
modelscope/DiffSynth-Studio#1668 ·
Mantenedores costumam responder em até 1 dia
-
bfloat16训练时段错误: 数组越界的一种方案Talvez livre de novo Um pull request para esta issue foi fechado sem ser mesclado. Aberta
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 72/100
modelscope/DiffSynth-Studio#1499 · 1 comentário ·
Mantenedores costumam responder em até 1 dia
-
Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 78/100
modelscope/DiffSynth-Studio#1373 · 5 comentários · 1 reação ·
Mantenedores costumam responder em até 1 dia
-
OPD做步数蒸馏的疑问Aberta
Dificuldade 4/5 3-5 dias Facilidade para iniciantes 30/100
modelscope/DiffSynth-Studio#1786 · 3 comentários ·
Mantenedores costumam responder em até 1 dia
-
wan animate2 int8量化训练支持Aberta
Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 25/100
modelscope/DiffSynth-Studio#1785 ·
Mantenedores costumam responder em até 1 dia
Todas as issues de modelscope/DiffSynth-Studio
Issues semelhantes
-
bug P1
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 76/100
Toloka/tolokaforge#1947 ·
Mantenedores costumam responder em até 1 dia
-
SageMaker provider: streaming fails with NoStreamDataError on DJL Serving (LMI) endpointsTalvez já em andamento @balajiaru assumiu hoje. Aberta
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 88/100
UKGovernmentBEIS/inspect_ai#6127 ·
Mantenedores costumam responder em até 2 dias
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 67/100
pydot/pydot#601 · 4 comentários ·
Mantenedores costumam responder em até 2 dias
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 68/100
letsencrypt/cp-cps#361 ·
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 65/100