BF tao-run-automl
Запускает AutoML / оптимизацию гиперпараметров (HPO) на основе контейнеров для сетей NVIDIA TAO с помощью AutoMLRunner. Обрабатывает выбор алгоритма (байесовский, hyperband, asha, bohb, llm, гибридный, autoresearch), отслеживание экспериментов WandB, выполнение заданий на любой платформе TAO SDK, интерпретацию результатов и пользовательские хуки оценки для каждого объекта. Используется, когда пользователь упоминает TAO AutoML, оптимизацию гиперпараметров, HPO, automl, automl_settings, AutoMLRunner, tao_automl, байесовский поиск, hyperband, ASHA, поиск с помощью LLM, autoresearch или хочет настроить параметры действий train/distill/prune/quantize для любой сети TAO. Действия с моделями по умолчанию используют разрешенное изображение контейнера навыка модели; обучение в venv требует явного запроса пользователя. Независимо от платформы — работает на любом SDK (Brev, SLURM, Kubernetes, Docker).
машинный переводПоказать оригиналСкрыть оригинал«Run container-backed AutoML / hyperparameter optimization (HPO) for NV…»
Run container-backed AutoML / hyperparameter optimization (HPO) for NVIDIA TAO networks using AutoMLRunner. Handles algorithm selection (bayesian, hyperband, asha, bohb, llm, hybrid, autoresearch), WandB experiment tracking, job execution on any TAO SDK platform, result interpretation, and per-rec custom evaluation hooks. Use when the user mentions TAO AutoML, hyperparameter optimization, HPO, automl, automl_settings, AutoMLRunner, tao_automl, bayesian search, hyperband, ASHA, LLM-guided search, autoresearch, or wants to tune train/distill/prune/quantize action parameters for any TAO network. Model actions use the model skill's resolved container image by default; venv training requires an explicit user request. Platform-agnostic — runs on any SDK (Brev, SLURM, Kubernetes, Docker).
Запускает AutoML / оптимизацию гиперпараметров (HPO) на основе контейнеров для сетей NVIDIA TAO с помощью AutoMLRunner.
Как процесс F 56/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/skill_info.yaml, references/spec_template_<action>.yaml, scripts/check_tao_launch_preflight.py
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.
Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.
Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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 Широкие права
meta-broad-allowed-toolsSKILL.md:1Заранее разрешены широкие инструменты: Bashallowed-tools: Read Bash Write
Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: references/skill_info.yaml - предупреждение
missing-refссылка на отсутствующий файл: references/spec_template_<action>.yaml - предупреждение
missing-refссылка на отсутствующий файл: scripts/check_tao_launch_preflight.py
Процессный рейтинг: все десять параметров 56/100
- 0Инструменты и файлы. Не хватает 3 файла(ов): references/skill_info.yaml, references/spec_template_<action>.yaml, scripts/check_tao_launch_preflight.py
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 4623 токенов
- 100Шаги. Шагов: 54
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 15. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (7 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
- +2Инструкции на одном языке
- +3Длина description 792 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 16 заголовков
- +3Пошаговые инструкции: 54 пунктов
- +4Есть примеры (3 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.