250건 · 관련도순
Generate OpenEnv environments from a concrete use case (for example, "generate an env for the library textarena"). Use when asked to design or implement a new environment under envs/ by researching a target library/API, selecting matching OpenEnv examples, asking key implementation questions, and building models/client/server/openenv.yaml. Do not use for model training or evaluation tasks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Diagnose and recover failing or stuck Hugging Face Space deployments for OpenEnv environments. Use when deploying envs from `envs/` to the Hub (`openenv` namespace with version suffixes), when Spaces are in `BUILDING`/`APP_STARTING`/`RUNTIME_ERROR`, or when release collections need to be reconciled after targeted redeploys.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Make tests pass. Invoke after /write-tests produces failing tests.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Validate changes before submitting a pull request. Run comprehensive checks including lint, tests, alignment review, and RFC analysis. Use before creating a PR, when asked if code is ready for review, or before pushing for PR.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Refactor code after tests pass. The "Refactor" phase of Red-Green-Refactor.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Start work on a GitHub issue. Extracts requirements, creates worktree, sets up TDD workflow.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Work on a batch of GitHub issues in parallel using Agent Teams. Creates one worktree per issue with TDD enforcement, coordinates via a lead agent, then produces stacked PRs.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Update documentation across the repo after API changes. Finds stale references in docs, examples, docstrings, and fixes them.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
OpenEnv CLI (`openenv`) for scaffolding, validating, building, and pushing OpenEnv environments.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Write failing tests from requirements. Invoke for each todo before /implement.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Release workflow for deploying OpenEnv environments to Hugging Face Spaces and keeping canonical references in sync.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Review code changes for bugs and alignment with OpenEnv principles and RFCs. Use when reviewing PRs, checking code before commit, or when asked to review changes. Implements two-tier review model.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Train GPT-2 scale models (~124M parameters) efficiently on a single GPU. Covers GPT-124M architecture, tokenized dataset loading (e.g., HuggingFace Hub shards), modern optimizers (Muon, AdamW), mixed precision training, and training loop implementation.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Hugging Face transformer model fine-tuning and inference for intent classification
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Parameter-efficient fine-tuning for LLMs using LoRA, QLoRA, and 25+ methods. Use when fine-tuning large models (7B-70B) with limited GPU memory, when you need to train <1% of parameters with minimal accuracy loss, or for multi-adapter serving. HuggingFace's official library integrated with transformers ecosystem.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Generates code that transforms datasets between ML schemas for model training or evaluation. Use when the user says "transform", "convert", "reformat", "change the format", or when a dataset's schema needs to change to match the target format — always use this skill for format changes rather than writing inline transformation code. Supports OpenAI chat, SageMaker SFT/DPO/RLVR/RLAIF, HuggingFace preference, Bedrock Nova, VERL, and custom JSONL formats from local files or S3.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Evaluates code generation models across HumanEval, MBPP, MultiPL-E, and 15+ benchmarks with pass@k metrics. Use when benchmarking code models, comparing coding abilities, testing multi-language support, or measuring code generation quality. Industry standard from BigCode Project used by HuggingFace leaderboards.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Best practices for the Common utilities package in LlamaFarm. Covers HuggingFace Hub integration, GGUF model management, and shared utilities.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Provides guidance for writing, optimizing, and benchmarking Triton kernels for Intel XPU GPUs (Battlemage/Arc Pro B50) using the Xe-Forge optimization framework. Includes an LLM-driven trial-loop workflow (analyze, validate, benchmark, profile, finalize), XPU-specific patterns (tensor descriptors, GRF mode, tile swizzling), KernelBench fused kernels, and Flash Attention.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Provides guidance for writing, optimizing, and benchmarking C++ CPU kernels with SIMD intrinsics (AVX2/AVX512) for the Hugging Face kernels ecosystem. Includes a two-phase workflow: Phase 1 correctness (generic → AVX2) and Phase 2 performance exploration (AVX512 with branching trial loop), runtime CPU dispatch, OpenMP threading, and brgemm integration for GEMM-heavy kernels.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Add and validate support for a Hugging Face model architecture in the Optimum Intel OpenVINO backend, including exporter configuration, patching, repository tests, and documentation.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Create a small random Hugging Face model that preserves the original architecture and can serve as a local Optimum Intel repository test fixture.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Look up and read Hugging Face paper pages in markdown, and use the papers API for structured metadata such as authors, linked models/datasets/spaces, Github repo and project page. Use when the user shares a Hugging Face paper page URL, an arXiv URL or ID, or asks to summarize, explain, or analyze an AI research paper.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build Gradio web UIs and demos in Python. Use when creating or editing Gradio apps, components, event listeners, layouts, or chatbots.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.