Reproducibilidad y código
El trabajo se reparte en dos repositorios, más el repositorio de este sitio. Los repositorios son privados por ahora, así que aquí solo se nombran, sin enlaces; se enlazarán cuando se abran. El artículo publicado está enlazado en la página de Reconocimiento.
| Repositorio | Contenido |
|---|---|
gensie-solution |
La solución de la competición: baselines, variantes de prompting, agentes few-shot, decodificación restringida por gramática, posprocesado, registro de experimentos y ficheros de resultados |
gensie-dataset |
El pipeline de datos sintéticos, el código de LoRA y de fine-tuning completo, los scripts SLURM para MareNostrum 5 y los scripts de evaluación |
gensie-portfolio |
El código fuente de este sitio |
El repositorio de la solución partió del starter kit oficial de GenSIE, de donde proceden la descripción de la tarea, la métrica y los formatos de datos.
Cómo se trazan las cifras de este sitio
Cada cifra del código fuente en markdown de este sitio va precedida de un comentario HTML <!-- source: ... --> con el fichero del que se leyó. Las cifras citan ficheros de las copias de trabajo del autor de estos repositorios; los artefactos generados de gran tamaño, como el dataset sintético, no están todos subidos, y algunas notas de análisis viven fuera de main. Una batería de tests del repositorio del sitio hace fallar la compilación si una métrica decimal o un porcentaje no tiene comentario de fuente, si un enlace apunta a algo distinto de la rama main o si la estructura o las cifras difieren entre los dos idiomas. También comprueba que los ficheros fuente citados existen cuando se ejecuta en una máquina que tiene los repositorios del proyecto.