dataset-curation
整理训练数据集并应用对话模板。
构建、配置和评估 AI、模型与智能体工作流。
第 30 页 · 共 1230 个 Skill
整理训练数据集并应用对话模板。
写代码求解数学模型,生成论文用的数据图表。
配置Jetson的CPU/GPU/EMC时钟频率和调频策略。
配置Jetson的PCIe控制器数量和速率。
查看Jetson设备信息和L4T内核版本。
下载NVIDIA Jetson Linux BSP工具链。
启用或禁用Jetson的USB接口。
打开Context Mode团队分析面板。
用代码编程方式管理云基础设施。
构建微调模型的评估框架和测试集。
配置Jetson的25G QSFP以太网接口。
为Jetson创建自定义载板的DT配置。
选择合适的微调方法和模型。
在AI应用中集成Mapbox地理服务。
引导用户了解context-matic MCP的功能。
初始化 Jetson BSP 源码工作空间。
创建 Jetson 目标平台配置文件。
检查 AI 代理插件的供应链完整性。
配置 Jetson UPHY 通道分配方案。
关联 Jetson 文档到目标平台配置。
切换当前激活的 Jetson 目标平台。
抓取网页内容生成每日新闻报告。
分步实现任务并自动验证结果。
打印 Jetson BSP 版本和配置信息。
用 Bootstrap 构建响应式网页。
用 DPO、ORPO 等偏好优化方法微调语言模型。
将微调后的模型导出为 safetensors、GGUF 或 FP8 等部署格式。
在 agent-fs 文件系统中存储、搜索和管理文件,支持版本历史。
用知识图谱对 Pull Request 进行全面代码审查并分析影响范围。
把编码任务拆分成清晰可执行的操作步骤清单。
并行运行多个独立任务,用子代理和评判验证结果。
按顺序执行依赖步骤,每步完成后进行验证。
根据用户需求创建草稿任务文件。
用 Coralogix CLI 管理 SLO 定义,检查服务可用性目标。
通过连续追问测试计划或决策的完整性。
创建或优化项目的 AGENTS.md 配置。
归档完成的变更并合并到规范文档中。
用 GRPO 和可验证奖励训练推理模型。
安装和配置 Serena MCP 服务器进行语义代码检索。
用图文训练数据微调视觉语言模型,并排查训练问题。