CC tinker-training-inference
Обучайте и запускайте модели на Tinker (Thinking Machines) — LoRA и полная дообучение, SFT с правильным маскированием потерь, RL/RFT с групповыми относительными преимуществами и взвешиванием важности, агентное RL для многоходовых агентов, использующих инструменты, инференс через SamplingClient или совместимый с OpenAI конечный точка, управление и экспорт чекпоинтов, все гиперпараметры и оценка стоимости по таблице текущих цен. Используйте этот навык всякий раз, когда пользователь упоминает Tinker, tinker://, TINKER_API_KEY, console.tinker.ai или tinker CLI; хочет дообучить, SFT, RFT или RL модель на Tinker; спрашивает о моделях Tinker, контекстных окнах, ранге LoRA, параметрах выборки, функциях потерь (cross_entropy, importance_sampling, ppo, cispo, dro), построении Datum, forward_backward или optim_step; хочет выбрать, скачать, возобновить, объединить или экспортировать чекпоинт Tinker; или спрашивает, сколько будет стоить запуск на Tinker. Всякий раз, когда работа Tinker инициализируется в проекте, этот навык также создает там файл TINKER_PRICING.md, чтобы цены находились рядом с кодом обучения. Обращайтесь к нему даже по нечетким запросам, таким как «обучить модель на этих данных» или «заставить инференс работать», когда в игре платформа Tinker.
машинный переводПоказать оригиналСкрыть оригинал«Train and run models on Tinker (Thinking Machines) — LoRA and full fin…»
Train and run models on Tinker (Thinking Machines) — LoRA and full fine-tuning, SFT with correct loss masking, RL/RFT with group-relative advantages and importance sampling, agentic RL over multi-turn tool-using agents, inference via the SamplingClient or the OpenAI-compatible endpoint, checkpoint management and export, every hyperparameter, and cost estimation from the live price table. Use this skill whenever the user mentions Tinker, tinker://, TINKER_API_KEY, console.tinker.ai, or the tinker CLI; wants to fine-tune, SFT, RFT, or RL a model on Tinker; asks about Tinker models, context windows, LoRA rank, sampling params, loss functions (cross_entropy, importance_sampling, ppo, cispo, dro), Datum construction, forward_backward or optim_step; wants to sample from, download, resume, merge, or export a Tinker checkpoint; or asks what a Tinker run will cost. Whenever Tinker work is initialized in a project, this skill also creates a TINKER_PRICING.md there so prices sit next to the training code. Reach for it even on vague asks like "train a model on this data" or "get inference working" when Tinker is the platform in play.
Скилл обещает полный цикл работы с Tinker: обучение моделей через LoRA и fine-tuning, SFT с корректной маскировкой loss, RL/RFT с group-relative advantages, инференс через SamplingClient или OpenAI-совместимый endpoint, управление чекпоинтами и экспорт. В папке 17 файлов, 4 скрипта, описание растянуто на 1844 токена — это красная флага для интеграции.
Проверки выявили одну находку среднего уровня. Safety score 95, но quality score 68 и process score 58 намекают на несогласованность между тем, что обещано, и тем, как это организовано. Скилл покрывает много фронтов (LoRA, RFT, agentic RL), но при таком раскладе риск пропустить баг в конкретной функции выше обычного. Lint ругается на длину описания — это мелочь, но симптом.
Ставить, если вы уже работаете с Tinker и нужна готовая обёртка. Если нет — проверьте сначала на песочнице, что именно вам нужно из этого набора.
Обучайте и запускайте модели на Tinker (Thinking Machines) — LoRA и полная дообучение, SFT с правильным маскированием потерь, RL/RFT с групповыми…
Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».
Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.
Как улучшить
- Сократите description до 1024 символов.
- 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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
средняя Утечка данных
net-redirectable-api-keyscripts/tinker_infer.py:77Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой серверAPI key + configurable base URL from environment
Просканировано файлов: 17. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- ошибка
description-longdescription 1139 символов, лимит 1024
Процессный рейтинг: все десять параметров 58/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 75Шаги. Шагов: 3
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1844 токенов
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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 1139: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 2 примера фраз-триггеров в кавычках
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 3 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (11 из 11)
- +3Все 4 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.