AI-Hypercomputer/maxtext

Auf GitHub ansehen

A simple, performant, and scalable Jax LLM!

Sterne: 2.4k
Forks: 607
Offene Anfänger-Issues: 0
Indexierte Issues: 67
Ø Merge: 2 T. 19 Std.
Gemergte PRs (30 T.): 158

Vorherrschende Sprache: Python
Lizenz: Apache-2.0
Letzter GitHub-Push: 12.9.2026
Zuletzt indexiert: 13.9.2026
Beitragsleitfaden: Beitragsleitfaden
Verhaltenskodex: Kein Verhaltenskodex
Anfänger-Labels: good first issue

Offen Alle

Bisher 67 offene Issues indexiert

`attend_dtype` not used Offen

bug

AI-Hypercomputer/maxtext#531 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Create a user friendly inference demo Offen

inference

AI-Hypercomputer/maxtext#532 · 0 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Supported features Offen

feature request

AI-Hypercomputer/maxtext#571 · 21 Kommentare · 2 Reaktionen · 2 zugewiesene Personen · Indexiert am 13.9.2026
Support beam search Offen

feature request inference

AI-Hypercomputer/maxtext#594 · 0 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Support LoRA training Offen

feature request

AI-Hypercomputer/maxtext#609 · 5 Kommentare · 3 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
DEFAULT_MASK_VALUE causes gradient explosion and nan loss on deep models Offen

bug

AI-Hypercomputer/maxtext#614 · 2 Kommentare · 2 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Multihost training collapses from time to time when loading the next batch Offen

bug

AI-Hypercomputer/maxtext#786 · 3 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Support nsys profiler upload in all cases Offen

bug good first issue

AI-Hypercomputer/maxtext#911 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
PGLE doesn't work for Tensor Parallelism Offen

AI-Hypercomputer/maxtext#1005 · 3 Kommentare · 0 Reaktionen · 2 zugewiesene Personen · Indexiert am 13.9.2026
Why logit checker has such a high tolerance? Offen

AI-Hypercomputer/maxtext#1021 · 0 Kommentare · 4 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
llama GPU model with dcn fsdp + ici tp + cudnn flash attention broken Offen

AI-Hypercomputer/maxtext#1093 · 2 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Apparent bug in the megablocks implementation Offen

AI-Hypercomputer/maxtext#1183 · 14 Kommentare · 2 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
docker build issue Offen

AI-Hypercomputer/maxtext#1212 · 0 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
MFU drops significantly when using megablox with more experts Offen

AI-Hypercomputer/maxtext#1256 · 8 Kommentare · 1 Reaktion · 1 zugewiesene Person · Indexiert am 13.9.2026
dependency error because of orbax-checkpoint version Offen

AI-Hypercomputer/maxtext#1273 · 2 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
a little error Offen

AI-Hypercomputer/maxtext#1321 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
The default setting of `param_scan_axis=1` hurts performance and memory consumption on GPUs Offen

AI-Hypercomputer/maxtext#1382 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
When using dcn-DP and dcn-FSDP together got error when saving checkpoint. Offen

AI-Hypercomputer/maxtext#1434 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Please create direct conversion scripts from huggingface for Gemma3 models Offen

AI-Hypercomputer/maxtext#1528 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Make maxtext_xpk_runner support other trainers Offen

feature request

AI-Hypercomputer/maxtext#1552 · 0 Kommentare · 0 Reaktionen · 2 zugewiesene Personen · Indexiert am 13.9.2026
Fix "~/xpk" references Offen

bug

AI-Hypercomputer/maxtext#1561 · 7 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Package hierarchy: should benchmarks, end_to_end, pedagogical_examples be under MaxText? Offen

AI-Hypercomputer/maxtext#1635 · 3 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
MaxText/prefix_cache.py vs jetstream/core/prefix_cache.py Offen

AI-Hypercomputer/maxtext#1643 · 0 Kommentare · 0 Reaktionen · 2 zugewiesene Personen · Indexiert am 13.9.2026
execute bash setup.sh take too long due to dependency version not locked. Offen

AI-Hypercomputer/maxtext#1744 · 2 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
BUG (w FIX): Llama3 conversion to HF does not work Offen

AI-Hypercomputer/maxtext#1774 · 3 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
GCS upload errors should not be silent Offen

AI-Hypercomputer/maxtext#1817 · 2 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
[OOM] Huge memory usage in MoE Offen

AI-Hypercomputer/maxtext#1828 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
[REQUEST] Qwen3 support Offen

AI-Hypercomputer/maxtext#1831 · 1 Kommentar · 1 Reaktion · 1 zugewiesene Person · Indexiert am 13.9.2026
Regression: HF JSONL training halts early with Offen

bug

AI-Hypercomputer/maxtext#2147 · 4 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Conversion to unscanned format failed Offen

bug

AI-Hypercomputer/maxtext#2176 · 2 Kommentare · 0 Reaktionen · 2 zugewiesene Personen · Indexiert am 13.9.2026
Gemma3 Model Token Logits Mismatch with Different max_prefill_predict_length Offen

bug

AI-Hypercomputer/maxtext#2179 · 2 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Run pretraining of llama 7b/8b models on GPUs using a3/1vm.sh Offen

bug

AI-Hypercomputer/maxtext#2193 · 4 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
QAT SFT Training Fails with Qwen3 MOE Offen

bug

AI-Hypercomputer/maxtext#2305 · 0 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
[feature request] Support of GLM4.5V and Deepseek V3.1 Offen

feature request

AI-Hypercomputer/maxtext#2330 · 3 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Memory Leak when initialising Qwen model training with multihost runner Offen

bug

AI-Hypercomputer/maxtext#2374 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
wandb logging support Offen

feature request

AI-Hypercomputer/maxtext#2434 · 5 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
gemma2-9b regressed by introduction of OSS-GPT Offen

bug

AI-Hypercomputer/maxtext#2542 · 4 Kommentare · 0 Reaktionen · 2 zugewiesene Personen · Indexiert am 13.9.2026
Model conversion on pathways cluster not working Offen

bug

AI-Hypercomputer/maxtext#2578 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Documentation: base.yml comments don't match actual quantization option names in code Offen

AI-Hypercomputer/maxtext#2593 · 0 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Dependency conflicts between tpu-commons, tokamax, and google-tunix Offen

bug

AI-Hypercomputer/maxtext#2664 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Robustness against network errors Offen

feature request

AI-Hypercomputer/maxtext#2861 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Gemma3 to hf mapping error Offen

bug

AI-Hypercomputer/maxtext#2867 · 5 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Grain pool is exiting Offen

bug

AI-Hypercomputer/maxtext#2878 · 3 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
SFT Model Convert to HuggingFace Error Offen

bug

AI-Hypercomputer/maxtext#3003 · 2 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Qwen3 MoE Conversion / Pre-Training Error Offen

bug

AI-Hypercomputer/maxtext#3231 · 2 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
[Bug] Tunix GRPO VllmRollout.get_per_token_logps API mismatch and JAX concatenate type error Offen

bug

AI-Hypercomputer/maxtext#3363 · 3 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Issue with gradient accumulation and expansion_factor_real_data>1 Offen

bug

AI-Hypercomputer/maxtext#3381 · 0 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Conversion scripts fail on standard TPU VMs for large models Offen

bug

AI-Hypercomputer/maxtext#3418 · 3 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
[Bug] Qwix Quantization Qwen3-14B: jax._src.dtypes.InvalidInputException Offen

bug

AI-Hypercomputer/maxtext#3520 · 2 Kommentare · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026
Refactor: Decouple GMM kernel backend dispatch from quantization logic in MoE sparse_matmul Offen

feature request

AI-Hypercomputer/maxtext#3646 · 1 Kommentar · 0 Reaktionen · 1 zugewiesene Person · Indexiert am 13.9.2026

AI-Hypercomputer/maxtext

Neue Issues direkt in Ihr Postfach