[GSoC] Integrate the trained model to inject required phrases into rules
维护者通常 3 天内回复
还没有人认领这个 Issue。
评估
- 难度
- 4/5
- 预计耗时
- 3-5 天
- 新手友好度
- 44/100
- Issue 类型
- 功能
- 描述清晰度
- 基本清楚
- 活跃度
- 冷清
调研方向
从规则更新工作流开始：找到 get_updatable_rules_by_expression 选择候选规则的位置，以及 add_required_phrase_to_rule 执行写入的位置。在该路径中加入经过训练的 PyTorch fp32 推理步骤，然后根据 BIOES span 重建 phrase，用 is_good() 验证每个 phrase，并且仅在预测结果可信时注入，除非设置了 --dry-run，同时使用 source=ml_model。将与规则处理相关的测试或命令入口作为第一验证点，最后确认 required-phrase 注入行为，以及写入后必须运行 scancode-reindex-licenses 的要求。
由索引模型根据 Issue 内容生成。
描述
follows #5137. uses the trained model from there
Goal
Run the finetuned model over eligible rules that have no required phrases, and
inject the predicted {{ }} markers using scancode's existing helpers
Tasks
- load the trained model (PyTorch, fp32) and run inference on rule text
- pick target rules with get_updatable_rules_by_expression (skips ineligible ones)
- rebuild predicted phrases from the BIOES spans
- validate every phrase with is_good() before writing
- inject with add_required_phrase_to_rule, tagged source=ml_model
- --dry-run and a confidence threshold so only confident phrases auto-inject
- note to run scancode-reindex-licenses after any write
- 主要语言
- Python
- 星标
- 2.7k
- 派生
- 831
- 平均合并
- 3 天 4 小时
- 30 天内合并 PR
- 7
环境准备
- 提供 Dockerfile 或 Docker Compose 文件
- 有 Pull Request 模板
- 阅读贡献指南
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
aboutcode-org/scancode-toolkit 的其他 Issue
-
bug: Unreachable JSON extension and format validation in validate_input_path可能已有人在做 @0Cymantek0 于 19 天前认领。 未关闭
难度 2/5 1-3 小时 新手友好度 82/100
aboutcode-org/scancode-toolkit#5351 · 1 条评论 ·
维护者通常 3 天内回复
-
CycloneDX output: metadata.properties[].value emits JSON array instead of string可能已有人在做 @0Cymantek0 于 19 天前认领。 未关闭
难度 2/5 1-3 小时 新手友好度 62/100
aboutcode-org/scancode-toolkit#5349 · 1 条评论 ·
维护者通常 3 天内回复
-
Duplicate 'COPYLEFT' entries in legal file classification names in legal.py and classify.py可能已有人在做 @Pradeepbeleri 于 46 天前认领。 未关闭
难度 2/5 1-3 小时 新手友好度 88/100
aboutcode-org/scancode-toolkit#5319 · 2 条评论 ·
维护者通常 3 天内回复
-
Duplicate autogen.sh entry in commoncode default ignores可能已有人在做 @Daksha1611 于 49 天前认领。 未关闭
难度 1/5 1 小时以内 新手友好度 92/100
aboutcode-org/scancode-toolkit#5316 ·
维护者通常 3 天内回复
-
Duplicate LGPL key in rubygems LICENSES_MAPPING makes one mapping unreachable可能已有人在做 @Daksha1611 于 49 天前认领。 未关闭
难度 1/5 1 小时以内 新手友好度 88/100
aboutcode-org/scancode-toolkit#5314 · 1 条评论 ·
维护者通常 3 天内回复
查看 aboutcode-org/scancode-toolkit 的全部 Issue
相似的 Issue
-
难度 2/5 1-3 小时 新手友好度 68/100
vllm-project/vllm#64845 ·
维护者通常 1 天内回复
-
bug
难度 2/5 1-3 小时 新手友好度 84/100
dekobon/big-code-analysis#1729 ·
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 70/100
pydantic/pydantic-ai#12091 ·
维护者通常 1 天内回复
-
bug
难度 2/5 1-3 小时 新手友好度 88/100
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 82/100