How many tokens were used for training?
还没有人认领这个 Issue。
评估
- 难度
- 2/5
- 预计耗时
- 1-3 小时
- 新手友好度
- 35/100
- Issue 类型
- 文档
- 描述清晰度
- 基本清楚
- 活跃度
- 停滞
- 技术栈
- python
调研方向
Start with the repository's existing dataset and training documentation, then review the linked deduplicated Stack dataset to identify the relevant corpus totals. Done means documenting how many tokens the models were trained on and citing the dataset or source used for the total.
由索引模型根据 Issue 内容生成。
描述
Curious to know how many tokens the models have seen. The repo mentions the dataset, but not the totals.
This checkpoint is trained on the stricter permissive subset of the deduplicated version of the Stack dataset (v1.1). Supported languages (and frameworks) are as follows: c, c++, c-sharp, dart, go, java, javascript, kotlin, lua, php, python, ruby, rust, scala, shell, sql, swift, typescript, vue.
Thanks!
- 主要语言
- Python
- 星标
- 268
- 派生
- 11
- PR 合并指标
- 30 天内没有已合并 PR
贡献指南
这个仓库没有索引到贡献指南
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。
salesforce/CodeGen2 的其他 Issue
-
难度 4/5 3-5 天 新手友好度 25/100
salesforce/CodeGen2#11 ·
-
难度 3/5 1-2 天 新手友好度 30/100
salesforce/CodeGen2#10 ·
-
难度 5/5 一周以上 新手友好度 15/100
salesforce/CodeGen2#9 ·
-
难度 5/5 一周以上 新手友好度 15/100
salesforce/CodeGen2#7 ·
-
难度 5/5 一周以上 新手友好度 20/100
salesforce/CodeGen2#6 · 1 个 reaction ·
查看 salesforce/CodeGen2 的全部 Issue
相似的 Issue
-
难度 1/5 1 小时以内 新手友好度 75/100
-
hcocena 未关闭policies-accepted pre-review precheck-passed
难度 1/5 1 小时以内 新手友好度 88/100
Bioconductor/BiocContributions#214 · 5 条评论 ·
-
难度 1/5 1 小时以内 新手友好度 92/100
TencentCloud/Octop#1169 · 1 条评论 ·
-
难度 2/5 1-3 小时 新手友好度 70/100
521xueweihan/HelloGitHub#3778 ·
-
The version checker's trailing attribute region has no control for a less-than inside a quoted value 未关闭area: dashboard area: tests bug perceived difficulty: 2 python
难度 2/5 1-3 小时 新手友好度 84/100
Nitjsefnie-Harness-Commons/daedalus#1105 · 1 条评论 ·