「space」の検索結果

Guide 3DDFA Python inference, geometry rendering, training/evaluation, and optional C++ ONNX workflows for 3D dense face alignment.

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。

Guide agents through AgiBot X1 humanoid reinforcement-learning training, checkpoint playback, policy export, and MuJoCo sim2sim workflows with verified configuration contracts and explicit Isaac Gym limits.

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 Argilla 2.x for human-feedback dataset annotation, Python SDK dataset workflows, server deployment/operations, webhooks, and legacy v1/Rubrix migration.

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。

Route Acme reinforcement-learning framework tasks across core loops, replay/data, JAX agents, and TensorFlow/Sonnet agents.

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。

Operate AB3DMOT 3D multi-object tracking workflows for KITTI and nuScenes data, tracking, evaluation, and visualization.

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 AgileRL for reinforcement learning workflows: classical RL training, evolutionary HPO, evolvable networks, multi-agent PettingZoo training, offline/bandit data, and LLM fine-tuning.

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。

Operate the Agriculture_KnowledgeGraph agricultural Neo4j graph, Django demo, entity labeling, crawler, and relation-extraction workflows.

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 AReaL for large-scale asynchronous LLM reinforcement learning, agentic RL, distributed post-training, inference/agent services, backend planning, and customization workflows.

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。

Operate the ai-data-science-team package for AI-assisted data loading, EDA, pandas transformations, SQL analysis, H2O/MLflow modeling, multi-agent teams, and Streamlit app workflows.

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。

Route AI-Optimizer reinforcement-learning collection tasks across model-based RL, easy-MARL, offline RL, safe command builders, and repository limitations.

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 ArcGIS API for Python for GIS administration, spatial dataframes, feature/raster analysis, mapping, location services, geospatial deep learning, app automation, and Knowledge Graph workflows.

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。

Routes substantive ML, AI, data, scientific-computing, and software-engineering requests to the smallest useful set of managed repository skills. Invoke proactively when a request names or implies a package, framework, model family, dataset, modality, workflow, backend, deployment target, evaluation method, or implementation approach that may benefit from repository guidance, even if no repository is named. Narrow progressively from area to family to repository root: inspect only the one or two most likely area pages; compare candidates by capability, task surface, model/data format, training versus inference versus evaluation intent, runtime constraints, and root-skill description; then open only the selected root and relevant sub-skills, references, or scripts. Select multiple repositories only when each adds a distinct capability. Do not load the whole collection, treat dependencies or incidental integrations as capabilities, choose by name alone, or force a match when no exact taxonomy family applies.

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 IBM AI Fairness 360 for tabular fairness datasets, metrics, bias mitigation algorithms, sklearn-compatible workflows, subgroup detectors, and explainers.

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 Aim for experiment tracking SDK instrumentation, local/remote run storage, CLI/UI/server workflows, storage maintenance, and ML framework logging integrations.

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。

Route AIMET install, PyTorch/ONNX quantization, GenAILab, model access, cluster/Pod, Qualcomm SDK, optimization, export, and repository tasks to focused operating guidance.

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。

Route Airweave tasks to the most specific sub-skill: local-development, backend-api, source-connectors, frontend-dashboard, connect-widget, mcp-search, or monke-e2e.

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。

Routes AdelaiDet users through legacy-compatible setup, model config selection, training/evaluation, demos, text spotting, dataset preparation, and export/conversion workflows.

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。

Routes AIX360 explainability tasks across local black-box attribution, counterfactuals and certification, interpretable models, time-series explanations, datasets, and explanation-quality metrics.

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。

Routes ACT++, ACT, Diffusion Policy, VINN, and MuJoCo simulation workflows for bimanual ALOHA episode data and imitation-learning tasks.

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 AdalFlow to build, debug, evaluate, optimize, trace, and operate LLM task pipelines, RAG systems, agents, tools, and structured-output workflows.

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。

Routes AppAgent setup, exploration, and deployment workflows for Android-device task automation.

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 NASA's apod-api Flask service and standalone APOD parser for date, count, range, media, deployment, Docker, and troubleshooting workflows.

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 AiZynthFinder for retrosynthetic planning, configuration, route analysis, custom extensions, and focused development workflows.

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 Adversarial Robustness Toolbox (ART) for estimator wrappers, adversarial attacks, defences, poisoning/privacy/extraction, metrics, and certification workflows.

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。