LibMTL — review 中の上流貢献
LibMTL の CLI help 修正について、完全 fork の境界、上流の帰属、機能・構成、未マージの状態を明示します。
貢献の状態と範囲
私の LibMTL 公開 forkの default branch は、Median Research Group の upstream repositoryと完全に同一です。私の変更は別 branch の commit 7261aaaに分離し、upstream pull request #97として提出しました。
この patch は LibMTL/config.py にあった空白だけの argparse help placeholder を短い説明に置き換え、空白 help を拒否しながら -h が正常に表示されることを確認する回帰 test を追加します。2026-09-08 の監査時点で PR #97 は open、非 draft、review なし、未 merge でした。そのため、採用済みの上流成果ではなく、提出済みで review 中の貢献として記載します。
上流の帰属と指導関係の境界
commit 固定の upstream READMEは Baijiong Lin を LibMTL の developer・maintainer として示し、上流の著者・貢献者を記録しています。変更は imanfs が報告した issue #90に対応しますが、監査時に PR #97 への maintainer review や comment はありませんでした。ここでは上流著者、採用済み貢献、maintainer の指導、学術的な指導関係のいずれも主張しません。
LibMTL の機能
LibMTL はマルチタスク学習向けの PyTorch library です。共有／task-specific representation、loss・gradient weighting、data pipeline、metric、実験設定を共通 interface で組み合わせ、複数手法を同じ条件で学習・比較できます。例は vision、language、office domain、分子データの benchmark を扱います。
原理と構成
マルチタスク学習は、共有 model で関連する目的を同時に最適化しながら task 間の競合を制御します。LibMTL は、共有・task-specific representation を決める architecture と、task loss・gradient を組み合わせる weighting strategy を分離します。Trainer は data loading、forward／backward、optimizer、scheduler、validation、metric、checkpoint を統括します。task-specific encoder、decoder、loss、metric はこの orchestration layer に接続され、config と CLI が構成の組み合わせを再現可能に選択します。