CC hugging-face-model-trainer
Этот навык следует использовать, когда пользователи хотят обучать или дообучать языковые модели с помощью TRL (Transformer Reinforcement Learning) на инфраструктуре Hugging Face Jobs. Охватывает методы обучения SFT, DPO, GRPO и модели вознаграждения, а также преобразование в GGUF для локального развертывания. Включает руководство по пакету TRL Jobs, UV-скриптам в формате PEP 723, подготовке и проверке наборов данных, выбору оборудования, оценке затрат, мониторингу Trackio, аутентификации Hub и сохранению моделей. Следует вызывать для задач, связанных с обучением GPU в облаке, преобразованием в GGUF или когда пользователи упоминают обучение на Hugging Face Jobs без локальной настройки GPU.
машинный переводПоказать оригиналСкрыть оригинал«This skill should be used when users want to train or fine-tune langua…»
This skill should be used when users want to train or fine-tune language models using TRL (Transformer Reinforcement Learning) on Hugging Face Jobs infrastructure. Covers SFT, DPO, GRPO and reward modeling training methods, plus GGUF conversion for local deployment. Includes guidance on the TRL Jobs package, UV scripts with PEP 723 format, dataset preparation and validation, hardware selection, cost estimation, Trackio monitoring, Hub authentication, and model persistence. Should be invoked for tasks involving cloud GPU training, GGUF conversion, or when users mention training on Hugging Face Jobs without local GPU setup.
Этот навык следует использовать, когда пользователи хотят обучать или дообучать языковые модели с помощью TRL (Transformer Reinforcement Learning) на…
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск
Как улучшить
- Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-long-hermesdescription 629 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой) - предупреждение
body-longтело SKILL.md ≈ 6682 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
frontmatter-keyнеизвестное поле фронтматтера "dependencies"
Процессный рейтинг: все десять параметров 53/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 19, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 60Шаги. Шагов: 137, расплывчатых формулировок: 5
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 6682 токенов
- 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 21. 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
- -215 эмодзи в инструкциях: шум для модели
- +2Инструкции на одном языке
- +3Длина description 629 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 56 заголовков
- +3Пошаговые инструкции: 137 пунктов
- +4Есть примеры (26 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (7 из 8)
- +3Все 6 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.