verl-project/verl

Fused CE loss integration

Open

#97 建立於 2025年1月12日

在 GitHub 查看
 (2 留言) (1 反應) (0 負責人)Python (21,533 star) (3,940 fork)auto 404
call for contributionhelp wanted

描述

Integrate it with main stream models: https://github.com/apple/ml-cross-entropy so that model with large vocab size uses much less memory

貢獻者指南

技術棧
pythonpytorch
領域
machine learningperformance
議題類型
feature
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
half day
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
fresh
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
needs investigation
前置要求
PyTorchCUDAcross entropy loss
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
40
研究方向
First, study the apple/ml cross entropy repository to understand the fused CE loss kernel and its API. Then, explore verl's model code, likely in the 'verl' directory, to identify where standard cross entropy loss is computed for large vocabulary models. Look for issues or discussions in the comments to see if maintainers specified which models to target. Consider opening a discussion to clarify the scope before implementation.