BF verl-rl-training
Предоставляет руководство по обучению LLM с помощью обучения с подкреплением, используя verl (Volcano Engine RL). Используйте при реализации RLHF, GRPO, PPO или других алгоритмов RL для масштабируемого пост-обучения LLM с гибкими серверными инфраструктурами.
машинный переводПоказать оригиналСкрыть оригинал«Provides guidance for training LLMs with reinforcement learning using…»
Provides guidance for training LLMs with reinforcement learning using verl (Volcano Engine RL). Use when implementing RLHF, GRPO, PPO, or other RL algorithms for LLM post-training at scale with flexible infrastructure backends.
Предоставляет руководство по обучению LLM с помощью обучения с подкреплением, используя verl (Volcano Engine RL).
Как процесс F 33/100 · Процесс не описан — Скилл ссылается на файлы, которых нет в архиве: references/multi-turn.md
Такой же скилл встречается ещё в 1 месте: AI-Research-SKILLs
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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: references/multi-turn.md - заметка
frontmatter-keyнеизвестное поле фронтматтера "dependencies"
Процессный рейтинг: все десять параметров 33/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): references/multi-turn.md
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (verl-rl-training) не совпадает с папкой (post-training-verl)
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 85Шаги. Шагов: 30, расплывчатых формулировок: 1
- 100Стоимость исполнения. Тело инструкции 2322 токенов
- low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
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
- -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- +2Инструкции на одном языке
- +3Длина description 227 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 34 заголовков
- +3Пошаговые инструкции: 30 пунктов
- +4Есть примеры (18 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.