BD neural-training
Обучение нейронных паттернов с помощью SONA (самооптимизирующаяся нейронная архитектура), MoE (смесь экспертов) и EWC++ для консолидации знаний. Используйте, когда: обучение паттернов, оптимизация моделей, передача знаний, адаптивная маршрутизация. Пропускайте, когда: простые задачи, обучение не требуется, разовые операции.
машинный переводПоказать оригиналСкрыть оригинал«Neural pattern training with SONA (Self-Optimizing Neural Architecture…»
Neural pattern training with SONA (Self-Optimizing Neural Architecture), MoE (Mixture of Experts), and EWC++ for knowledge consolidation. Use when: pattern learning, model optimization, knowledge transfer, adaptive routing. Skip when: simple tasks, no learning required, one-off operations.
Скилл обещает адаптивное обучение модели через SONA и MoE с сохранением знаний через EWC++. Грейд B, качество 84 из 100, критических ошибок нет. В файлах 347 токенов кода — достаточно для документации, но мало для полноценной реализации. Процесс-скор 46 намекает на пробелы в логике маршрутизации или консолидации.
Скилл заточен под pattern learning и transfer learning, работает на широком спектре платформ от Claude до DeepSeek. Ставить, если нужна именно адаптивная маршрутизация с памятью о прошлых паттернах — для простых задач избыточен.
Обучение нейронных паттернов с помощью SONA (самооптимизирующаяся нейронная архитектура), MoE (смесь экспертов) и EWC++ для консолидации знаний.
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Такой же скилл встречается ещё в 1 месте: RA-Skills
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: 1. 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 46/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 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
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 100Шаги. Шагов: 12
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 347 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 290 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 12 пунктов
- +4Есть примеры (5 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.