SKILLEMALL.ai
GitHub ↗ EN Войти

BC nemotron-3-5-super-vl-finance-lora

Сквозное выполнение для пользователя кулинарной книги Nemotron-3.5 Super VL finance LoRA (NeMo Megatron-Bridge) на одном 8-GPU узле или кластере Slurm: подготовка данных, преобразование контрольных точек, дообучение text+vision LoRA модели 120B-A12B, слияние в контрольную точку Hugging Face и пробный запуск vLLM. Используйте, когда пользователь хочет выполнить этот учебник, дообучить Nemotron-3.5 Super VL с помощью LoRA или адаптировать его для своего оборудования.

машинный переводПоказать оригиналСкрыть оригинал«Run the Nemotron-3.5 Super VL finance LoRA cookbook (NeMo Megatron-Bri…»

Run the Nemotron-3.5 Super VL finance LoRA cookbook (NeMo Megatron-Bridge) end-to-end for the user, on one 8-GPU node or a Slurm cluster: data prep, checkpoint conversion, text+vision LoRA fine-tuning of the 120B-A12B model, merge to a Hugging Face checkpoint, and a vLLM try-out. Use when the user wants to run this cookbook, fine-tune Nemotron-3.5 Super VL with LoRA, or adapt it to their hardware.

NVIDIA-NeMo/Nemotron Agent Skills автор: NVIDIA-NeMo 15 файлов · 12 скриптов тело ≈ 1 433 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Сквозное выполнение для пользователя кулинарной книги Nemotron-3.5 Super VL finance LoRA (NeMo Megatron-Bridge) на одном 8-GPU узле или кластере Slurm…

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
91/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Согласованность вес 8
40
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Секреты в коде secret-high-entropy-token train.py:42
      Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
      "Nemo…sor",
      в кавычках
    • низкая Секреты в коде secret-high-entropy-token train.py:43
      Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
      registry._MODEL_COLLATE_SPECS["Nemo…sor"],
      в кавычках

    Просканировано файлов: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка edit-residue в тексте есть пометки об устаревшем (строки 84): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

    Процессный рейтинг: все десять параметров 54/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 40Согласованность. Имя во frontmatter (nemotron-3-5-super-vl-finance-lora) не совпадает с папкой (nemo-megatron-bridge)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 24
    • 100Стоимость исполнения. Тело инструкции 1433 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

    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 400 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 24 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.