Actor-Critic NMT

仓库指标

Star

29,107 star (29,107 star)

PR 合并指标

30 天内没有已合并 PR (30 天内没有已合并 PR)

描述

贡献者指南

研究方向

研究fairseq中现有的NMT模型（例如transformer、LSTM）以理解其架构。查阅NMT文献中关于Actor Critic方法的研究，例如使用策略梯度的方法。查看PyTorch的强化学习库，如torchrl。提出具体的实现细节和文件位置建议（例如，模型定义在fairseq/models/，训练任务在fairseq/tasks/）。与维护者发起讨论，以明确范围和验收标准。

技术栈

pythonpytorch

领域

machine learningai

议题类型

功能

难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。

4

预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。

超过 1 周

活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。

较久未更新

清晰度议题是否清楚说明期望改动、验收标准和下一步。

需要先调研

前置要求

PythonPyTorch

新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。

20