BC nemotron-3-ultra-text2sql-lora
Сквозное выполнение для пользователя учебника Nemotron-3 Ultra Text2SQL LoRA fine-tuning (NeMo Megatron-Bridge) на его кластере SLURM: подготовка данных, распределенное преобразование контрольных точек и пакетное дообучение LoRA гибридной Mamba-Transformer MoE 550B, заканчивающееся сохраненным адаптером. Используйте, когда пользователь хочет выполнить этот учебник, дообучить Nemotron-3 Ultra с помощью LoRA или адаптировать блокнот для своего кластера.
машинный переводПоказать оригиналСкрыть оригинал«Run the Nemotron-3 Ultra Text2SQL LoRA fine-tuning tutorial (NeMo Mega…»
Run the Nemotron-3 Ultra Text2SQL LoRA fine-tuning tutorial (NeMo Megatron-Bridge) end-to-end for the user on their SLURM cluster: data prep, distributed checkpoint conversion, and packed LoRA fine-tuning of the 550B hybrid Mamba-Transformer MoE, ending at a saved adapter. Use when the user wants to run this cookbook, fine-tune Nemotron-3 Ultra with LoRA, or adapt the notebook to their own cluster.
Скилл обещает провести весь цикл fine-tuning Nemotron-3 Ultra на собственном SLURM-кластере: подготовка данных, конвертация чекпоинтов, LoRA-обучение 550B гибридной модели Mamba-Transformer MoE и сохранение адаптера. В файлах восемь модулей и пять скриптов, текст занимает 1776 токенов. Проверки не выявили критических ошибок, safety-score на 100, quality на 80, но process-score только 63 — намёк на то, что маршрут выполнения не полностью автоматизирован или требует ручных шагов.
Модель не прогонялась на песочнице, поэтому реальное поведение в вашем кластере остаётся вопросом. Скилл рассчитан на людей, которые уже знают SLURM и готовы разбираться с распределённым обучением. Ставить, если вам нужна именно эта архитектура и есть железо — иначе процесс может застрять на настройке.
Сквозное выполнение для пользователя учебника Nemotron-3 Ultra Text2SQL LoRA fine-tuning (NeMo Megatron-Bridge) на его кластере SLURM: подготовка данных…
Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, согласованность
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 63/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 40Согласованность. Имя во frontmatter (nemotron-3-ultra-text2sql-lora) не совпадает с папкой (nemo-megatron-bridge)
- 55Ошибки и развилки. Развилок: 1
- 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 33
- 100Стоимость исполнения. Тело инструкции 1776 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 100Отчётность по ходу. Скилл сообщает о ходе работы
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 401 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 33 пунктов
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.