SKILLEMALL.ai
GitHub ↗ EN Войти

FD unsloth-fine-tuning

Быстрая донастройка LLM с Unsloth — в 2-5 раз быстрее обучение, на 50-80% меньше VRAM. Используйте для однопроцессорной LoRA/QLoRA SFT, обучения рассуждению GRPO/RL, донастройки зрения/TTS и экспорта GGUF в Ollama/vLLM/llama.cpp. Поддерживает более 300 моделей, включая Llama, Qwen, Gemma, DeepSeek, Mistral, Phi и gpt-oss.

машинный переводПоказать оригиналСкрыть оригинал«Fast LLM fine-tuning with Unsloth - 2-5x faster training, 50-80% less…»

Fast LLM fine-tuning with Unsloth - 2-5x faster training, 50-80% less VRAM. Use for single-GPU LoRA/QLoRA SFT, GRPO/RL reasoning training, vision/TTS fine-tuning, and GGUF export to Ollama/vLLM/llama.cpp. Supports 300+ models including Llama, Qwen, Gemma, DeepSeek, Mistral, Phi, and gpt-oss.

Не рекомендуетсяесть критические или высокие находки безопасности · низкая оценка F
synthetic-sciences/OpenScience Hermes автор: synthetic-sciences Apache-2.0 41 файл тело ≈ 6 446 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Быстрая донастройка LLM с Unsloth — в 2-5 раз быстрее обучение, на 50-80% меньше VRAM.

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ПроцедураDockerИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Hermes Agent
JSON
Технический рейтинг
F
54/100
безопасность, качество, тесты
Безопасность 60%
40
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
43/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Утечка данных
Если установить

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».

Автору

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.

Опасные команды
Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
  2. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
  3. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
Для прогона на моделях — необязательно
  • 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 · 5

  • высокая Утечка данных exfil-send-secrets-to-url docs/saving-to-ollama.md:7
    Инструкция отправить секреты/переписку на внешний адрес (адрес назначения — известный публичный сервис)
    You can save the finetuned model as a small 100MB file called a LoRA adapter. You can instead push to the Hugging Face hub as well if you want to upload your model! Remember to get a Hugging Face toke
    известный сервис
  • высокая Опасные команды cmd-pipe-to-shell docs/sglang-guide.md:15
    Скачивание и запуск удалённого кода с неизвестного хоста (pipe в shell)
    curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
  • высокая Утечка данных exfil-send-secrets-to-url docs/tutorial-llama3-ollama.md:284
    Инструкция отправить секреты/переписку на внешний адрес (адрес назначения — известный публичный сервис)
    We can now save the finetuned model as a small 100MB file called a LoRA adapter like below. You can instead push to the Hugging Face hub as well if you want to upload your model! Remember to get a Hug
    известный сервис
Средние и низкие: 2
  • средняя Опасные команды cmd-pipe-to-shell-known-host docs/qwen3-coder-next.md:583
    Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
    curl -LsSf https://astral.sh/uv/install.sh | sh
  • низкая Секреты в коде secret-high-entropy-token docs/datasets.md:268
    Строка, похожая на токен (может быть id, хеш или секрет)
    If you want to fine-tune a model that already has reasoning capabilities like the distilled versions of DeepSeek-R1 (e.g. Deep…-8B), you will need to still follow question/task and

Просканировано файлов: 41. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 292 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • предупреждение body-long тело SKILL.md ≈ 6446 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"

Процессный рейтинг: все десять параметров 43/100

  • 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: 12, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (unsloth-fine-tuning) не совпадает с папкой (unsloth)
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (python, node), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 6446 токенов
  • 85Шаги. Шагов: 81, расплывчатых формулировок: 2
  • low Разделов верхнего уровня: 16. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (5 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
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 292 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 46 заголовков
  • +3Пошаговые инструкции: 81 пунктов
  • +4Есть примеры (10 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (29 из 40)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.