'checkpoints' 검색 결과

Structure PyTorch training code with PyTorch Lightning, separating model logic, data preparation, and training settings. Use templates and configuration examples to add checkpoints, experiment logs, and distributed training that runs across multiple GPUs or TPUs.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Restructuring PyTorch code into LightningModules
• Building reusable data preparation pipelines
• Configuring training across multiple GPUs or TPUs

Break large features into independently verifiable, human-reviewable slices under a feature directory in specs/. Use for risky or multi-step feature work that needs upfront questioning, API seams, browser-playable checkpoints, HTML visualizations, screenshot gates, staged implementation plans, recursive fog-of-war reslicing, or proactive research into reference implementations/best practices before slicing. Pairs with your project's verification harness and screenshot gates (the browser checkpoints), [refactor-clean](../refactor-clean/SKILL.md) (review the materialized spec so the plan describes one-owner architecture, not the feature bolted on), [screenshot-critique](../../visual/screenshot-critique/SKILL.md) and [compare-screenshots](../../visual/compare-screenshots/SKILL.md) (the visual gates), and a code-review pass (audit each slice before it lands).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Expert blueprint for player mortality loops: progress-index checkpoints, soul graves, ghost/spirit layers, I-frame restitution, world-progress persistence, and death analytics. Use when implementing respawn, shrine checkpoints, corpse-run retrieval, or second-chance mechanics. Keywords revival, respawn, checkpoint, soul grave, ghost mode, I-frames, death analytics, progress index.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Expert blueprint for player mortality loops: progress-index checkpoints, soul graves, ghost/spirit layers, I-frame restitution, world-progress persistence, and death analytics. Use when implementing respawn, shrine checkpoints, corpse-run retrieval, or second-chance mechanics. Keywords revival, respawn, checkpoint, soul grave, ghost mode, I-frames, death analytics, progress index.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use when a skill is brittle, drifting, repeatedly failing, or needs a Reliable Skill Contract. Trigger for phrases like skill lifeguard, reliable skill, self-maintaining skill, negative examples, verification checkpoints, drift signals, replay hooks, or failure log to skill patch. Audits or patches skills so high-value workflows include explicit forbidden behaviors, checkpoints, machine-checkable done conditions, replay or smoke hooks, and drift detection.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Ultimate MCP server for Civitai — search models, browse top images with prompts, download LoRAs/Checkpoints, analyze trends. Use when user asks about AI models, LoRAs, checkpoints, Stable Diffusion, Flux, image generation prompts, or Civitai.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Explore a feature or CLI, repair verified defects, review adversarially, and leave one existing or new PR ready for its authorized reviewer. Use for "explore X", "test and ship X", "run the pipeline on X", "stress-test X", or "take X through the full pipeline" when exploration and integration matter. Supports lean autonomous, structured economy (default), and explicit hard-gated runs. Routine checkpoints do not require user approval; actual founder, L4, security, schema and merge gates always apply. Not for a one-file edit with no exploration need. Uses scripts/state.sh for resumable checkpoints.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Autonomer Langlauf-Modus ohne laufende Rückfragen — Startbedingungen (Ziel, Scope, Budgets, Checkpoints), Entscheidungsstufen und Abbruchregeln für unbeaufsichtigte Läufe; erhöht die Ausdauer, nicht die Berechtigung. Nutzen, wenn ausdrücklich ein längerer autonomer Lauf gewünscht ist.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Guide for the Tinker CLI — managing training runs, checkpoints, downloading weights, and publishing to HuggingFace. Use when the user asks about CLI commands, listing runs, managing checkpoints from the terminal, or uploading to HF Hub.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Authors reproducible bioinformatics pipelines with Snakemake - rules wired by output-file pattern, wildcards and expand() for sample fan-out, checkpoints for runtime-unknown outputs, resource/retry escalation, and conda/container software deployment on HPC and cloud. Use when deciding rule-based (Snakemake) vs channel/dataflow (Nextflow) authoring; wiring rules by OUTPUT-file pattern rather than imperative order; using wildcards + expand() for sample fan-out and constraining them to stop silent mis-routing; adding checkpoints when the set of outputs is unknown until a step runs (dynamic DAG); diagnosing why a job reran (or did not) under the mtime-plus-provenance trigger set; escalating memory on retry for OOM-killed jobs; and porting a Snakemake 7 `--cluster`/remote-provider command to the Snakemake 8+ executor-plugin and storage-plugin model (snakemake-executor-plugin-slurm) with `--software-deployment-method`.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

기능 추가나 리팩터링 후 빌드, 타입, lint, 테스트, 비밀 정보 검색, 변경 차이를 여섯 단계로 확인합니다. 통과 여부와 수정 사항, PR 준비 상태를 보고합니다.

• 기능 추가 후 코드를 검증합니다
• 리팩터링 후 문제를 확인합니다
• PR 생성 전 준비 상태를 확인합니다

Coordinate code refactoring, restructuring code while preserving its behavior. Check existing tests before changes, work in small steps, review the result, and pause for approval of the plan and before committing.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Extracting a module without changing behavior
• Removing duplicate or unused code
• Reducing nesting and clarifying names

Change an existing feature that works but needs different behavior. The skill updates tests to reflect the new requirements, adjusts the implementation, and coordinates review with approval checkpoints before committing the changes.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Changing an existing alert threshold
• Adjusting a working feature to new requirements
• Updating tests before changing behavior

공통 과제로 대규모 언어 모델의 지식·추론·코드 생성을 평가합니다. 모델 비교표와 학습 단계별 성적 추이를 만들고 평가 결과와 개별 답변을 저장합니다.

• MMLU와 GSM8K로 모델 평가
• 여러 모델의 성적 비교표 작성
• 학습 중 모델의 성적 추적

TorchTitan과 PyTorch로 대규모 언어 모델 사전 학습을 설정합니다. 여러 GPU에 작업을 나누고 단일·다중 노드 실행과 학습 저장·재개를 지원합니다.

• 단일 노드에서 Llama 3.1 8B 사전 학습
• SLURM으로 다중 노드 학습 실행
• H100용 Float8 학습 설정

PyTorch 학습 코드를 LightningModule과 Trainer로 정리하고 검증, 로그 기록, 모델 저장부터 여러 GPU의 분산 학습까지 설정합니다.

• 기존 PyTorch 학습 코드 이전
• 검증 지표 기록과 모델 저장 추가
• 여러 GPU를 사용하는 학습 설정

PyTorch FSDP를 활용한 대규모 모델의 분산 학습 구현과 오류 조사를 돕습니다. 공식 문서 기반 자료와 코드 예제로 분할 전략, 혼합 정밀도, 학습 상태 저장을 검토합니다.

• 대규모 모델의 분산 학습을 구현합니다
• FSDP 적용 방법과 분할 전략을 비교합니다
• 혼합 정밀도와 체크포인트 예제를 확인합니다

Lambda Labs에서 GPU 서버를 시작하고 머신러닝 학습과 추론을 실행하는 절차를 안내합니다. SSH 연결, 영구 저장소, Python API 조작과 여러 GPU를 활용한 분산 학습도 다룹니다.

• 장시간 학습에 사용할 전용 GPU 환경 준비
• 여러 GPU로 대규모 언어 모델 추가 학습
• 데이터셋과 학습 체크포인트 유지

코드 구현, 버그 수정, PR 검토를 Blackbox AI에 맡깁니다. 여러 모델의 결과를 평가해 선택하고, 장시간 작업을 살피거나 저장 지점에서 작업을 재개합니다.

• 기능 구현과 버그 수정 위임
• PR의 버그와 보안 문제 검토
• 여러 AI 모델의 구현 결과 비교

명세나 요구사항을 완료 기준과 검증 방법이 있는 작은 구현 작업으로 나눕니다. 의존 관계, 작업 순서, 확인 지점을 정리해 계획서와 작업 목록에 남깁니다.

• 큰 기능을 구현 작업으로 분할
• 의존 관계에 맞춘 작업 순서 정리
• 완료 기준과 검증 방법 명문화

승인을 기다리며 중단했다가 재개하는 처리나 여러 에이전트에 병렬로 작업을 배분하는 흐름을 저장형 템플릿 또는 스크립트로 작성합니다.

• 승인 대기가 포함된 처리 작성
• 여러 에이전트에 검토 작업 분담
• 정해진 형식으로 조사 결과 취합

며칠에서 몇 주에 걸친 목표를 단계별로 나누고 대화가 바뀌어도 진행 상황과 발견을 기록합니다. 매번 할 일을 계획하고 일정 지연과 초기 범위의 변화를 확인합니다.

• 여러 주에 걸친 기능 개발 진행 관리
• 조사 결과를 다음 대화로 이어가기
• 이전 계획의 지연과 범위 변경 확인

Learn to create, discover, invoke, secure, evaluate, package, and port Agent Skills through one interactive lesson at a time. Practical checkpoints and quizzes track demonstrated progress in a local file, so later sessions resume where you stopped.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Learn to build and invoke a minimal Agent Skill
• Understand discovery and automatic routing
• Check permission, sandbox, and trust boundaries

Breaks long-running goals into small, verifiable steps, tracks progress, and records evidence from actual operation. Checkpoints preserve what has been proven so work can resume after interruptions and continue toward explicit completion criteria.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Managing a long-running development goal
• Resuming work after an interruption
• Recording evidence for completion criteria