公开记录
软件健康报告模式 0.15.0 · 指标 2.10.0 · 2026-07-19 11:41 UTC

meta-pytorch / torchft

Fault tolerance for PyTorch (HSDP, LocalSGD, DiLoCo, Streaming DiLoCo)

Python · Rust自定义许可证★ 521 星标⑂ 70 复刻始于 2024年10月在 GitHub 上查看 ↗
类型网络服务命令行工具如何判定
#fault-tolerance#ml#pytorch#torch#training#consensus#distributed-systems#fsdp#hsdp#localsgd#diloco

meta-pytorch/torchft 的健康指数为 100 分中的 71 分，处于「良好」区间。 其得分最高的类别是Engineering Quality（84/100），最低的是Vitality（46/100）。 最近一次更新在 2 天前。 近期的大部分工作由 1 位贡献者完成。

71
总分 / 100
良好

软件健康指数

指标归入加权类别，统一采用 1–100 量表。总体分先取类别加权平均，再依据公开记录的分布进行校准，使各等级具有百分位含义；当公开证据触发高风险司法辖区政策时，评级会按政策调整，并设置 34（存在风险）的上限。

71
卓越93-100公开记录中的最高层级（约前 5%）；基本满足所有检验标准
优秀80-92各方面均表现强劲；仅有少量不足
良好65-79健康；不足之处有限且可控
中等50-64可接受，但存在明显不足；建议进行审查
薄弱35-49多个领域存在实质性薄弱环节
存在风险20-34存在重大薄弱环节；采用时应保持审慎
危急1-19问题严重（项目被弃置、仅有单一维护者、缺乏基本工程规范）
活力社区与采用可持续性与治理工程质量安全AI 就绪度

评分画像

每条轴代表一个类别。形状比平均值更重要——健康的对象会填满整个图形，而“一峰一谷”式画像意味着某一维度的优势正掩盖另一维度的风险。

加权总体分 63 经校准后在公布的指数量表上为 71（记录校准 2026-08-02）。

所有权

Meta PyTorch组织
1,389 关注者58 个公开仓库始于 2022年6月

该仓库由组织支持——共同承担、可问责的托管责任，可延续于任何单一维护者之后。

软件包生态系统

注册表软件包版本月下载量版本数最近发布
PyPItorchft指向其他仓库——不计分0.1.13182576 天前

按类别列示的指标

活力

项目是否仍有生命——是否仍在编写代码，是否仍在发布版本？

46薄弱 · 占总体的 21%

开发活跃度

76良好
评分方式
36/36推送新近度 — 最近一次推送于 2 天前
16.6/36提交节奏 — 52 周中有 24 周有提交
16.3/18提交量 — 最近一年 64 次提交
7/10OpenSSF Scorecard：Maintained — 8 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 7
所用输入
commits_last_year64
human_commit_share—
days_since_last_push2
active_weeks_last_year24

发布纪律

1危急
评分方式
0/27有发布版本 — 未发布任何发布版本
0/36发布时效 — 没有发布版本
0/27发布节奏 — 没有发布版本
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count0
已排除计分（无数据或不适用）：OpenSSF Scorecard：Signed-Releases。 其余权重已重新归一化。

社区与采用

项目是否拥有用户、下载量与关注度，并具备欢迎贡献者参与的配置？

72良好 · 占总体的 17%

流行度与采用

66良好
评分方式
44.1/60星标 — 521 个星标
15.3/25复刻 — 70 个复刻
6.7/15关注者 — 17 位关注者
所用输入
forks70
stars521
watchers17
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

79良好
评分方式
22.5/22.5README
16.9/22.5许可证 — 存在许可证文件，但不是可识别的许可证
18/18CONTRIBUTING 指南
13.5/13.5行为准则
0/7.2议题模板
0/6.3PR 模板
所用输入
has_readme是
has_license是
readme_badges—
has_contributing是
has_issue_template否
has_code_of_conduct是
readme_badge_services—
has_pull_request_template否

可持续性与治理

项目能否在其成员之外延续——巴士系数、响应能力、由谁支持，以及软件包的维护状况？

64中等 · 占总体的 23%

维护者韧性（巴士系数）

42薄弱
评分方式
9/54巴士系数 — 1 位贡献者贡献了半数提交
9.7/22.5提交分布 — 头号贡献者编写了 57% 的提交
13.5/13.5贡献者广度 — 30 位贡献者
10/10OpenSSF Scorecard：Contributors — project has 17 contributing companies or organizations
所用输入
bus_factor1
contributors_sampled30
top_contributor_share0.569

议题与 PR 响应能力

61中等
评分方式
14.8/42议题解决 — 35% 的议题已关闭
23.3/30PR 接受 — 已裁定的 PR 中 194/250 已合并
0/13Newcomer PR acceptance — 30 天内没有首次贡献者的 PR 得到裁决
15/15OpenSSF Scorecard：Code-Review — all changesets reviewed
所用输入
merged_prs194
open_issues35
closed_issues19
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0.352
closed_unmerged_prs56
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
已排除计分（无数据或不适用）：Newcomer PR acceptance。 其余权重已重新归一化。

所有权与托管责任

92优秀
评分方式
30/30所有权背书 — 组织持有
0/20已验证域名 — 未读取该组织的域名验证状态
22.6/25所有者影响力 — meta-pytorch 有 1,389 位关注者
21.1/25既往记录 — 58 个公开仓库，账户约 4 年
所用输入
followers1,389
owner_typeOrganization
is_verified—
owner_loginmeta-pytorch
public_repos58
account_age_days1,500
已排除计分（无数据或不适用）：已验证域名。 其余权重已重新归一化。

工程质量

基础的工程与文档实践是否到位？

84优秀 · 占总体的 19%

工程实践

80优秀
评分方式
24/24CI 工作流 — 5 个工作流
24/24存在测试
16/16Linter 配置 — .flake8
0/9.6Pre-commit 钩子
0/6.4.editorconfig
0/20OpenSSF Scorecard：CI-Tests — 无数据
所用输入
has_ci是
has_tests是
has_editorconfig否
has_linter_config是
has_precommit_config否
已排除计分（无数据或不适用）：OpenSSF Scorecard：CI-Tests。 其余权重已重新归一化。

文档

90优秀
评分方式
30/30README
25/25文档目录
15/15文档 / 主页站点 — https://meta-pytorch.org/torchft/
10/10仓库描述
10/10主题标签 — 11 个主题标签
0/10Wiki
所用输入
topicsfault-tolerance, ml, pytorch, torch, training, consensus, distributed-systems, fsdp, hsdp, localsgd, diloco
has_wiki否
homepagehttps://meta-pytorch.org/torchft/
docs_sitehttps://meta-pytorch.org/torchft/
has_readme是
has_docs_dir是
has_description是

安全

可见的安全与供应链实践是否稳固，且不存在未解决的高风险司法辖区暴露？

55中等 · 占总体的 16%

安全态势

55中等
评分方式
7.5/7.5Binary-Artifacts — no binaries found in the repo
2.2/7.5Branch-Protection — branch protection is not maximal on development and all release branches
0/2.5CI-Tests — 无数据
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 17 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5许可证 — license file detected
5.2/7.5Maintained — 8 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 7
0/5Packaging — 无数据
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — no SAST tool detected
4.5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — 无数据
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
所用输入
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate5.5
已排除计分（无数据或不适用）：CI-Tests, Packaging, Signed-Releases。 其余权重已重新归一化。

AI 就绪度

该仓库在多大程度上具备与 AI 编码代理协同开发与维护的条件？权重刻意设小（4%）：代理工具链是一项真实的维护信号，但完全不具备的仓库仍可达到 100/100。

50中等 · 占总体的 4%

AI 代理上下文与指引

1危急
评分方式
0/45代理指令 — 没有 CLAUDE.md / AGENTS.md / 编辑器规则
0/15机器可读文档（llms.txt）
0/40可读的提交历史 — 无数据
所用输入
has_llms_txt否
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
已排除计分（无数据或不适用）：可读的提交历史。 其余权重已重新归一化。

验证循环（构建 / 测试 / 类型检查）

74良好
评分方式
18/18一条命令的引导启动 — docs/Makefile
22/22自动化测试
11/11Lint / 格式化配置 — .flake8
0/11静态类型检查
10/10可复现环境 — Dockerfile
0/10已体现的代理实践 — 无数据
0/8自动化维护 — 无数据
0/10OpenSSF Scorecard：Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
所用输入
has_nix否
has_tests是
lockfiles—
has_dockerfile是
typed_language否
bootstrap_filesdocs/Makefile
has_devcontainer否
has_linter_config是
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
已排除计分（无数据或不适用）：已体现的代理实践, 自动化维护。 其余权重已重新归一化。

面向模型的代码可读性

54中等
评分方式
0/45可类型检查的代码 — Python，未配置类型检查
54.2/55可控的文件大小 — 采样的 73 个源文件中有 1 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes71,104
source_files_sampled73
oversized_source_files1

机器可读接口

80优秀
评分方式
40/40API 模式（OpenAPI/GraphQL/proto） — proto/torchft.proto
0/20MCP 服务器
40/40可运行示例 — examples
所用输入
example_dirsexamples
has_mcp_signal否
api_schema_filesproto/torchft.proto
interfaces_expected_ofnetwork-service

关键数据

521GitHub 星标
30贡献者
64最近 12 个月提交数
2距最近推送天数
0发布版本数
1巴士系数（bus factor）
35开放议题
crates.io, PyPI软件包生态系统数

数据采集警告

  • Could not fetch crates package 'torchft' from its registry
  • pypi package 'torchft' points at a different repository (https://github.com/pytorch-labs/torchft); excluded from ecosystem scoring

更多细节

OpenSSF Scorecard 5.5 / 10
5.5综合

来自开源项目 OpenSSF Scorecard 的独立、工具无关的安全评估。每项检查奖励的是安全实践本身，而非特定供应商的工具。Scorecard 无法判定的检查项标记为 不适用，并从安全评分中剔除（绝不按零分计）。Scorecard v5.5.0 · 2026-07-19 11:41 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
不适用CI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 17 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
7Maintained8 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 7
不适用Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTno SAST tool detected
9Security-Policysecurity policy file detected
不适用Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
直接依赖 22
注册表软件包版本约束清单文件
crates.ioanyhow1.0.89Cargo.toml
crates.ioaskama0.12.1Cargo.toml
crates.ioatty0.2.14Cargo.toml
crates.ioaxum0.7.7Cargo.toml
crates.iochrono0.4.40Cargo.toml
crates.iofern0.7.1Cargo.toml
crates.iogethostname0.5.0Cargo.toml
crates.iolog0.4.22Cargo.toml
crates.ioprost0.13.3Cargo.toml
crates.ioprost-types0.13.3Cargo.toml
crates.iopyo30.24Cargo.toml
crates.iorand0.8.5Cargo.toml
crates.ioslog2.7.0Cargo.toml
crates.ioslog-stdlog4.1.1Cargo.toml
crates.iostderrlog0.6.0Cargo.toml
crates.iostructopt0.3.26Cargo.toml
crates.iotokio1.40.0Cargo.toml
crates.iotonic0.12.2Cargo.toml
PyPItorch>=2.7pyproject.toml
PyPIopentelemetry-exporter-otlp-proto-http>=1.39.0pyproject.toml
PyPIopentelemetry-sdk>=1.39.0pyproject.toml
PyPIopentelemetry-api>=1.39.0pyproject.toml
全部依赖 34

来自 GitHub 依赖图的完整解析依赖集合：22 个直接依赖与 12 个间接（传递）软件包。仓库提交锁文件时，传递闭包才是完整的。

注册表软件包版本关系
crates.ioanyhow—直接
crates.ioaskama—直接
crates.ioatty—直接
crates.ioaxum—直接
crates.iochrono—直接
crates.iofern—直接
crates.iogethostname—直接
crates.iolog—直接
crates.ioprost—直接
crates.ioprost-types—直接
crates.iopyo3—直接
crates.iorand—直接
crates.ioslog—直接
crates.ioslog-stdlog—直接
crates.iostderrlog—直接
crates.iostructopt—直接
crates.iotokio—直接
crates.iotonic—直接
PyPIopentelemetry-api—直接
PyPIopentelemetry-exporter-otlp-proto-http—直接
PyPIopentelemetry-sdk—直接
PyPItorch—直接
crates.iotonic-build—间接
PyPIdocutils0.16间接
PyPImaturin—间接
PyPIpytest8.3.4间接
PyPIpytorch-sphinx-theme20.2.0间接
PyPIsphinx5.3.0间接
PyPIsphinx-autobuild—间接
PyPIsphinx-design0.4.0间接
PyPIsphinx-sitemap2.7.1间接
PyPIsphinxcontrib-katex0.8.6间接
PyPIsphinxcontrib-mermaid1.0.0间接
PyPIsphinxext-opengraph0.9.1间接
原始 JSON 报告 机器可读

反馈

发现这份报告有不准确之处，或有想法要分享？错误的测量、未识别的工具、建议、疑问——都欢迎提出。每条消息都会被阅读并得到回复。

登录过程中消息不会丢失。

相关记录

与 meta-pytorch/torchft 共享目录标签或生态系统的已检测仓库。 并排阅读 →

93pytorch/TensorRTPyTorch/TorchScript/FX compiler for NVIDIA GPUs using TensorRT卓越94databendlabs/openraftrust raft with improvements卓越100onnx/onnxOpen standard for machine learning interoperability卓越99huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. 卓越98NVIDIA/Megatron-LMOngoing research training transformer models at scale卓越98aws/sagemaker-python-sdkA library for training and deploying machine learning models on Amazon SageMaker卓越

评分是信号，而非担保。 评分反映的是 GitHub 上公开可见的实践——不是代码审计，也不是安全保证。

缺失数据将被剔除并重新归一化权重，绝不按零分计。方法论已版本化并公开：指标 v2.10.0、模式 v0.15.0—— 完整方法论 · 指标知识库.

单项结果在整体记录中的位置： 汇总统计 — PyPI.