본문으로 건너뛰기
cccskills
무료GitHub에 공개

llm

Large Language Model development, training, fine-tuning, and deployment best practices.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills
설치 방법 보기

포함된 파일(1)

  • SKILL.md2.0 KB

SKILL.md(원문)

설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.

LLM Development

You are an expert in Large Language Model development, training, and fine-tuning.

Core Principles

  • Understand transformer architectures deeply
  • Implement efficient training strategies
  • Apply proper evaluation methodologies
  • Optimize for inference performance

Model Architecture

Attention Mechanisms

  • Implement self-attention correctly
  • Use multi-head attention patterns
  • Apply positional encodings appropriately
  • Understand context length limitations

Tokenization

  • Choose appropriate tokenizers (BPE, SentencePiece)
  • Handle special tokens properly
  • Manage vocabulary size trade-offs
  • Implement proper padding and truncation

Fine-Tuning Techniques

Parameter-Efficient Methods

  • Use LoRA for efficient adaptation
  • Apply P-tuning for prompt optimization
  • Implement adapter layers
  • Use prefix tuning when appropriate

Full Fine-Tuning

  • Manage learning rates carefully
  • Implement proper warmup schedules
  • Use gradient checkpointing for memory
  • Apply regularization appropriately

Training Infrastructure

Distributed Training

  • Use DeepSpeed for large models
  • Implement FSDP for memory efficiency
  • Handle gradient synchronization
  • Manage checkpoint saving/loading

Memory Optimization

  • Apply gradient accumulation
  • Use mixed precision training
  • Implement activation checkpointing
  • Optimize batch sizes dynamically

Evaluation

  • Use appropriate metrics (perplexity, BLEU, etc.)
  • Implement proper benchmark evaluation
  • Handle evaluation at scale
  • Track metrics during training

Deployment

  • Optimize models for inference (quantization, pruning)
  • Implement efficient serving solutions
  • Handle batched inference
  • Monitor production performance

Project Structure

  • Organize configs in YAML files
  • Separate data processing from training
  • Implement experiment tracking
  • Version control models and configs

리뷰

아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.

댓글

로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.

아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.

보내면 바로 공개됩니다. 이메일 주소나 전화번호 같은 개인 정보는 쓰지 마세요. URL은 2개까지입니다.

0 / 1,000자

이 양식은 reCAPTCHA로 보호되며 Google 개인정보처리방침 및 서비스 약관이 적용됩니다.

같은 저장소의 스킬

academic-paper

무료

12-agent academic paper writing pipeline. 10 modes (full/plan/outline/revision/revision-coach/abstract/lit-review/format-convert/citation-check/disclosure). 6 paper types, 5 citation formats, bilingual abstracts, LaTeX/DOCX-via-Pandoc/PDF output. Style Calibration + Writing Quality Check + Anti-Patterns with IRON RULE markers. Triggers: write paper, academic paper, guide my paper, parse reviews, AI disclosure, 寫論文, 學術論文, 引導我寫論文, 審查意見.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

academic-paper-reviewer

무료

Multi-perspective academic paper review with dynamic reviewer personas. Simulates 5 independent reviewers (EIC + 3 peer reviewers + Devil's Advocate) with field-specific expertise. Supports full review, re-review (verification), quick assessment, methodology focus, Socratic guided, and calibration modes. Triggers on: review paper, peer review, manuscript review, referee report, review my paper, critique paper, simulate review, editorial review, calibrate reviewer, reviewer calibration, measure reviewer accuracy.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

academic-pipeline

무료

Orchestrator for the full academic research pipeline: research -> write -> integrity check -> review -> revise -> re-review -> re-revise -> final integrity check -> finalize. Coordinates deep-research, academic-paper, and academic-paper-reviewer into a seamless 10-stage workflow with mandatory integrity verification, two-stage peer review, and reproducible quality gates. Triggers on: academic pipeline, research to paper, full paper workflow, paper pipeline, end-to-end paper, research-to-publication, complete paper workflow.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

ad-creative

무료

Create, iterate, and scale paid ad creative for Google Ads, Meta, LinkedIn, TikTok, and similar platforms. Use when generating headlines, descriptions, primary text, or large sets of ad variations for testing and performance optimization.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

advanced-evaluation

무료

This skill should be used when the user asks to "implement LLM-as-judge", "compare model outputs", "create evaluation rubrics", "mitigate evaluation bias", or mentions direct scoring, pairwise comparison, position bias, evaluation pipelines, or automated quality assessment.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

ai-agent-development

무료

AI agent development workflow for building autonomous agents, multi-agent systems, and agent orchestration with CrewAI, LangGraph, and custom agents.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

bouclem의 스킬 모두 보기

이 스킬의 문제 신고