300건(VectorSpaceLab의 저장소) · 인기순
Use this repo skill for Agent Lightning package tasks: authoring trainable agents, tracing rewards and spans, running LightningStore/Trainer loops, using agl CLI services, choosing examples, and troubleshooting optional backends.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use Google ADK Python to build agents, Workflow graphs, tools, runtime services, CLI apps, evaluations, deployments, and ADK repository changes.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use AdalFlow to build, debug, evaluate, optimize, trace, and operate LLM task pipelines, RAG systems, agents, tools, and structured-output workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Routes ACT++, ACT, Diffusion Policy, VINN, and MuJoCo simulation workflows for bimanual ALOHA episode data and imitation-learning tasks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Route Acme reinforcement-learning framework tasks across core loops, replay/data, JAX agents, and TensorFlow/Sonnet agents.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use Hugging Face Accelerate for PyTorch training-loop migration, distributed launch/configuration, DeepSpeed/FSDP/TPU backend setup, big-model inference/offload, checkpointing, tracking, and troubleshooting.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Operate AB3DMOT 3D multi-object tracking workflows for KITTI and nuScenes data, tracking, evaluation, and visualization.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Routes substantive ML, AI, data, scientific-computing, and software-engineering requests to the smallest useful set of managed repository skills. Invoke proactively when a request names or implies a package, framework, model family, dataset, modality, workflow, backend, deployment target, evaluation method, or implementation approach that may benefit from repository guidance, even if no repository is named. Narrow progressively from area to family to repository root: inspect only the one or two most likely area pages; compare candidates by capability, task surface, model/data format, training versus inference versus evaluation intent, runtime constraints, and root-skill description; then open only the selected root and relevant sub-skills, references, or scripts. Select multiple repositories only when each adds a distinct capability. Do not load the whole collection, treat dependencies or incidental integrations as capabilities, choose by name alone, or force a match when no exact taxonomy family applies.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Routes Argos Translate workflows for offline machine translation, package installation, CLI usage, runtime settings, and troubleshooting.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Routes AdelaiDet users through legacy-compatible setup, model config selection, training/evaluation, demos, text spotting, dataset preparation, and export/conversion workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use the ALAE repository for Adversarial Latent Autoencoder data preparation, CUDA training, checkpoint-backed generation, latent editing, and legacy metrics.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Route AlphaGPT data ingestion, factor mining, live strategy, and dashboard workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Operate the Align-Anything multimodal alignment package, including training, serving, remote reward models, and satellite projects.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use Adversarial Robustness Toolbox (ART) for estimator wrappers, adversarial attacks, defences, poisoning/privacy/extraction, metrics, and certification workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guide agents through AgiBot X1 humanoid reinforcement-learning training, checkpoint playback, policy export, and MuJoCo sim2sim workflows with verified configuration contracts and explicit Isaac Gym limits.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Operate the Agriculture_KnowledgeGraph agricultural Neo4j graph, Django demo, entity labeling, crawler, and relation-extraction workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Route Airweave tasks to the most specific sub-skill: local-development, backend-api, source-connectors, frontend-dashboard, connect-widget, mcp-search, or monke-e2e.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use AReaL for large-scale asynchronous LLM reinforcement learning, agentic RL, distributed post-training, inference/agent services, backend planning, and customization workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use NASA's apod-api Flask service and standalone APOD parser for date, count, range, media, deployment, Docker, and troubleshooting workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guide 3DDFA Python inference, geometry rendering, training/evaluation, and optional C++ ONNX workflows for 3D dense face alignment.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Routes 3DDFA_V2 face-alignment setup, still-image demos, video tracking, and ONNX benchmarking workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Routes 3D ResNets PyTorch video action-recognition workflows across training, inference, and data preparation.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use Argilla 2.x for human-feedback dataset annotation, Python SDK dataset workflows, server deployment/operations, webhooks, and legacy v1/Rubrix migration.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use ArcGIS API for Python for GIS administration, spatial dataframes, feature/raster analysis, mapping, location services, geospatial deep learning, app automation, and Knowledge Graph workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.