Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

Evaluate the existing BERT/MiniLM embedding model (feature/bert-dsl-embeddings): quality + on-device numbers, and a merge path

Đang mở
  • Có gì không ổn?
#273 1 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
5/5
Thời gian dự kiến
Hơn một tuần
Mức phù hợp với người mới
25/100
Loại issue
Tính năng
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Đình trệ
Công nghệ
kotlin
Lĩnh vực
machine-learning, mobile-dev, testing-qa

Hướng nghiên cứu

Start by reviewing the feature/bert-dsl-embeddings branch, especially BertEmbeddingModel, MiniLmExportHarness, and the kbert-cli app; compare its eager and StableHLO outputs with sentence-transformers all-MiniLM-L6-v2 on a fixed sentence set. Record parity, retrieval benchmark results, and JVM, Android, and iOS speed and memory measurements. Then document what remains to merge into develop, including the legacy eager BERT removal and whether the export harness can move to commonTest.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

Context

feature/bert-dsl-embeddings already carries a substantial embedding stack that
develop doesn't have:

  • BertEmbeddingModel one-call factory (fromSafeTensors + fromHuggingFace)
    in llm-providers, with tests
  • the DSL BERT in llm-inference/bert (legacy eager BERT stack removed on the
    branch)
  • MiniLmExportHarness (jvmTest) — fixed-seq-bucket StableHLO export for the
    on-device embedder cartridge, plus eager reference probes
  • a kbert-cli app in llm-apps

So "do we have a usable embedding model?" is really "how good is the one we
already have, and what does it take to land it?"

Ask — an evaluation pass with recorded numbers

  1. Correctness / parity: cosine similarity of branch embeddings vs the
    reference implementation (sentence-transformers all-MiniLM-L6-v2) over a
    fixed sentence set — eager path and StableHLO-exported path both, per
    fixed-seq bucket.
  2. Retrieval quality: a small STS/retrieval benchmark (e.g. STS-B subset)
    scored against the reference model's numbers, so regressions are visible in
    review rather than discovered by users.
  3. Performance: embeddings/sec + resident memory on JVM, Android and iOS —
    embedding models are the most credible near-term on-device story (they're
    small and latency-tolerant), and the same mobile constraints we documented
    for generative models (no native kernels, ART heap cap) apply here and
    should be quantified.
  4. Merge path: what remains between the branch and develop (the branch also
    removes the legacy eager BERT stack — that's a breaking change worth its own
    review), and whether the export harness belongs in commonTest rather than
    jvmTest so the parity probes run cross-target.

We can run the on-device measurements (physical Android + iPhone) and contribute
the parity/benchmark test harness.

Ngôn ngữ chính
Kotlin
Star
8
Fork
3
Merge trung bình
12 giờ 43 phút
Pull request đã merge (30 ngày)
39

Chuẩn bị môi trường

Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của SKaiNET-developers/SKaiNET-transformers

Tất cả issue của SKaiNET-developers/SKaiNET-transformers

Issue tương tự

Thêm issue về Kotlin

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.