587건 · 관련도순
Fornece orientação para treinar LLMs com aprendizado por reforço usando verl (Volcano Engine RL). Use ao implementar RLHF, GRPO, PPO ou outros algoritmos de RL para pós-treinamento de LLMs em escala com backends de infraestrutura flexíveis.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Implementa e treina LLMs usando LitGPT da Lightning AI com 20+ arquiteturas pré-treinadas (Llama, Gemma, Phi, Qwen, Mistral). Use quando precisar de implementações limpas de modelos, entendimento educacional de arquiteturas ou fine-tuning de produção com LoRA/QLoRA. Implementações em arquivo único, sem camadas de abstração.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Serve LLMs com alta throughput usando PagedAttention do vLLM e continuous batching. Use ao fazer deploy de APIs LLM em produção, otimizar latência/throughput de inferência, ou servir modelos com memória GPU limitada. Suporta endpoints compatíveis com OpenAI, quantização (GPTQ/AWQ/FP8) e tensor parallelism.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Avalia LLMs em mais de 60 benchmarks acadêmicos (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Use quando benchmarking de qualidade de modelo, comparação de modelos, relatório de resultados acadêmicos ou rastreamento de progresso de treinamento. Padrão da indústria usado por EleutherAI, HuggingFace e laboratórios principais. Suporta HuggingFace, vLLM, APIs.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Run 150+ AI apps via inference.sh CLI - image generation, video creation, LLMs, search, 3D, Twitter automation. Models: FLUX, Veo, Gemini, Grok, Claude, Seedance, OmniHuman, Tavily, Exa, OpenRouter, and many more. Use when running AI apps, generating images/videos, calling LLMs, web search...
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
lm-eval-harness: benchmark LLMs (MMLU, GSM8K, etc.).
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
I-A LLMs Large Language Models (LLMs) are extensive, general-purpose models that can be pre-trained and adapted for specific tasks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Our large-scale experiment with 19 LLMs reveals that current models degrade documents during delegation: even frontier models (Gemini 3.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Architecture Matters We often conflate different AI paradigms: LLMs (Transformers): Predict token se
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Model Quantization Guide: Run 70B LLMs in 4 Bits — … — 12. Okt. 2025 · Run 70B parameter LLMs on con
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
GitHub リポジトリを安全に作成、公開、リリース、監査、保守するためのプロトコル。ローカルルールとロックの確認、最初の git add 前の .gitignore 作成、プライバシーチェックの実行、README/i18n/バナー/メタデータの準備、リリースタグおよび GitHub releases の検証、組織プロファイル、llms.txt ファイル、レジストリリンクの更新を行います。
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Compatibility skill for geo llmstxt. Use when a user or upstream workflow invokes this name; route the task to `ai-seo` while preserving the requested scope and source-specific intent.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
LLMs, prompt engineering, RAG systems, LangChain, and AI application development
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
EdTech Specialist IA — Expert en technologies éducatives (LMS, SCORM, adaptive learning, gamification, assessment)
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Expert en technologies éducatives avancées (LMS, MOOC, adaptive learning, AI tutoring, assessment, DZ context)
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Expert en technologies éducatives avancées (LMS, MOOC, adaptive learning, gamification, analytics, accessibilité)
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Plateforme éducative — LMS, MOOC, certification, e-learning Algérie, MEN
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Course creator — Curriculum design, video production, LMS setup, pricing, launch strategy
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Expert en création de cours avancé (curriculum, video, LMS, assessments, community, monetization)
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Serves LLMs with high throughput using vLLM's PagedAttention and continuous batching. Use when deploying production LLM APIs, optimizing inference latency/throughput, or serving models with limited GPU memory. Supports OpenAI-compatible endpoints, quantization (GPTQ/AWQ/FP8), and tensor parallelism.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Evaluates LLMs across 60+ academic benchmarks (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Use when benchmarking model quality, comparing models, reporting academic results, or tracking training progress. Industry standard used by EleutherAI, HuggingFace, and major labs. Supports HuggingFace, vLLM, APIs.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Runs Docker Desktop and its WSL2 layer, checking RAM and disk before container work. Trigger when Docker Desktop or a container won't start, vmmem eats RAM or the Docker disk keeps growing; to set a WSL memory cap in .wslconfig; to list or install WSL distros; to bring a compose stack up or down; to prune images and build cache; to run a command in a container; to log in to a registry; or say dockerrunner (audit, check, up, down, prune, status, refresh). Local LLMs (Docker Model Runner too) are lmstudiorunner's; images comfyrunner's; VMs and sandboxes hypervrunner's; Docker's MCP catalog its MCP Toolkit's; registry tokens keywarden's.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Hands work to a local model served by LM Studio and verifies what comes back. Trigger to offload, delegate or batch work to a local, offline or on-device model; to queue unattended runs that keep only what passes; to ask which installed model fits a job or whether to switch; to size a task before delegating; when a local model returns nothing, repeats itself or drifts on a long list; when LM Studio shares the GPU with an image tool, or to free its hold; or say lmstudiorunner (audit, size, queue, run, status). Reads models from the live LM Studio API. Cloud model picks and prompt text are promptwright's; a schedule's guardrails agentwright's.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
When the user needs to set up multiple academic courses in a learning management system (Canvas/LMS) from structured data sources. This skill automates the entire workflow extracting course schedules from emails/attachments, matching instructors from CSV files, creating courses, enrolling teachers, publishing announcements with class details, uploading syllabi, enabling resource sharing for instructors teaching multiple courses, and publishing all courses. Triggers include course schedule setup, Canvas/LMS administration, academic term preparation, instructor assignment, syllabus distribution, and multi-course management.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.