「pid」の検索結果

This skill directs lifelong treatment of cardiovascular risk factors, osteoporosis, and psychiatric symptoms in all patients with Cushing's syndrome until biochemical resolution of hypercortisolism. Use when managing any CS patient for long‑term comorbidity control; triggers include persistent hypertension, dyslipidemia, low bone density, depression, anxiety, or cognitive changes in the setting of known or suspected CS.

日本語の概要は準備中です。原文の説明を表示しています。

Recommends combination of calcitonin and an intravenous bisphosphonate or denosumab as initial treatment for severe hypercalcemia (serum calcium >14 mg/dL). Indicated when a clinician notes severe HCM or seeks rapid calcium lowering in symptomatic patients.

日本語の概要は準備中です。原文の説明を表示しています。

Add a new E2E test case to tests/e2e/prompts.yaml for LangSmith evaluation. Use when adding interaction pairs to test, covering new ANSM drug classes, or rebalancing eval coverage.

日本語の概要は準備中です。原文の説明を表示しています。

Create a git commit with Medox conventions (co-author, conventional type/scope). Invoke manually with /commit — do NOT trigger automatically.

日本語の概要は準備中です。原文の説明を表示しています。

Audit code changes on the current branch and update docs/ + .claude/rules/ to stay in sync. Run before /pr.

日本語の概要は準備中です。原文の説明を表示しています。

Run all project linters (ruff, mypy, sqlfluff) and report results. Invoke with /lint.

日本語の概要は準備中です。原文の説明を表示しています。

Create a new dbt Silver model with SQL + YAML contract. Use when adding a new Silver layer model from a raw source table.

日本語の概要は準備中です。原文の説明を表示しています。

Fetch and display the full status of the current PR — CI checks, GitHub Actions runs, reviews, and code comments — using GitHub MCP tools. Invoke manually with /pr-status.

日本語の概要は準備中です。原文の説明を表示しています。

Rebuild the pgvector gold index after source data changes. Invoke manually — replaces each collection, do NOT trigger automatically.

日本語の概要は準備中です。原文の説明を表示しています。

Run the LangSmith evaluation suite and display pass/fail results

日本語の概要は準備中です。原文の説明を表示しています。

Add a tool function to the Medox agent. Use when creating a tool file, registering it in the API loop, and writing its test.

日本語の概要は準備中です。原文の説明を表示しています。

Add a new Dagster asset to the pipeline. Use when creating a Bronze, Silver, or Gold layer asset.

日本語の概要は準備中です。原文の説明を表示しています。

Elite full-stack developer for rapid spec and implementation. Use when the user asks to talk to Barry or requests the quick flow solo dev.

日本語の概要は準備中です。原文の説明を表示しています。

Use when the user wants to learn a topic or verify real understanding — rapid-competence session, error drills, learning sprint, gap probe, Feynman check. Triggers 'teach me X', 'quiz me'.

日本語の概要は準備中です。原文の説明を表示しています。

Especialista em lançar produtos SaaS pequenos e focados rapidamente - a abordagem indie hacker para construir software lucrativo. Aborda validação de ideias, desenvolvimento de MVP, precificação, estratégias de lançamento e crescimento para receita sustentável. Lance em semanas, não meses. Use quando: micro saas, indie hacker, small saas, side project, saas mvp.

日本語の概要は準備中です。原文の説明を表示しています。

Framework RLHF de alta performance com aceleração Ray+vLLM. Use para treinamento PPO, GRPO, RLOO, DPO de modelos grandes (7B-70B+). Construído em Ray, vLLM, ZeRO-3. 2× mais rápido que DeepSpeedChat com arquitetura distribuída e compartilhamento de recursos GPU.

日本語の概要は準備中です。原文の説明を表示しています。

Mecanismo de busca de similaridade vetorial de alto desempenho para RAG e busca semântica. Use ao construir sistemas RAG em produção que exigem busca de vizinhos mais próximos rápida, busca híbrida com filtragem ou armazenamento vetorial escalável com desempenho impulsionado por Rust.

日本語の概要は準備中です。原文の説明を表示しています。

Simple Preference Optimization para alinhamento de LLMs. Alternativa sem modelo de referência ao DPO com melhor desempenho (+6.4 pontos no AlpacaEval 2.0). Sem modelo de referência necessário, mais eficiente que DPO. Use para alinhamento de preferências quando quer treinamento mais simples e rápido que DPO/PPO.

日本語の概要は準備中です。原文の説明を表示しています。

Biblioteca do Facebook para busca eficiente de similaridade e clustering de vetores densos. Suporta bilhões de vetores, aceleração GPU e vários tipos de índice (Flat, IVF, HNSW). Use para busca k-NN rápida, recuperação de vetores em larga escala ou quando você precisa de busca pura de similaridade sem metadados. Melhor para aplicações de alto desempenho.

日本語の概要は準備中です。原文の説明を表示しています。

Tokenizador agnóstico de linguagem que trata texto como Unicode bruto. Suporta algoritmos BPE e Unigram. Rápido (50k sentenças/seg), leve (6MB de memória), vocabulário determinístico. Usado por T5, ALBERT, XLNet, mBART. Treina em texto bruto sem pré-tokenização. Use quando você precisar de suporte multilíngue, linguagens CJK ou tokenização reproduzível.

日本語の概要は準備中です。原文の説明を表示しています。

Quantização Half-Quadratic para LLMs sem dados de calibração. Use ao quantizar modelos com precisão 4/3/2-bit sem necessidade de conjuntos de calibração, para workflows de quantização rápida, ou ao fazer deploy com vLLM ou HuggingFace Transformers.

日本語の概要は準備中です。原文の説明を表示しています。

Modelo de espaço de estados com complexidade O(n) versus O(n²) dos Transformers. Inferência 5× mais rápida, sequências de milhão de tokens, sem cache KV. SSM seletivo com design aware de hardware. Mamba-1 (d_state=16) e Mamba-2 (d_state=128, multi-head). Modelos 130M-2.8B no HuggingFace.

日本語の概要は準備中です。原文の説明を表示しています。

Otimiza atenção em transformers com Flash Attention para ganho de 2-4x em velocidade e redução de 10-20x em memória. Use ao treinar/executar transformers com sequências longas (>512 tokens), ao encontrar problemas de memória GPU com atenção, ou quando precisa de inferência mais rápida. Suporta SDPA nativo do PyTorch, biblioteca flash-attn, H100 FP8 e sliding window attention.

日本語の概要は準備中です。原文の説明を表示しています。

Otimiza inferência de LLM com NVIDIA TensorRT para máxima vazão e latência mínima. Use para implantação em produção em GPUs NVIDIA (A100/H100), quando você precisa de inferência 10-100x mais rápida que PyTorch, ou para servir modelos com quantização (FP8/INT4), batching em voo e escalabilidade multi-GPU.

日本語の概要は準備中です。原文の説明を表示しています。