Benchmarking

qiskit は、回路の作成、バックエンドの選択、ハードウェア向けのトランスパイル、シミュレーターや IBM Quantum デバイスでのジョブ実行を行うための IBM 量子コンピューティングスキルです。化学、最適化、機械学習で qiskit を使いたいときに特に相性がよく、理論中心の qiskit ガイドよりも、実際に導入して動かすための手順を求める場合に向いています。

huggingface-best skill は、Hugging Face のベンチマーク順位表を確認し、デバイス制約やモデルサイズで絞り込むことで、タスクに最適なモデルを見つけるのに役立ちます。コーディング、推論、チャット、OCR、RAG、音声、画像、マルチモーダルなどで、汎用的なモデル一覧ではなく、実用的な候補を絞り込みたいときのモデル推薦に向いています。

libaflスキルは、LibAFLを使ってカスタム対象、ミューテーション戦略、セキュリティ監査のワークフローに対応するモジュール式ファuzzerを計画・構築するのに役立ちます。このlibaflガイドでは、対象の詳細情報から実用的なハーネス、フィードバックモデル、実行計画へ、前提をできるだけ少なくして進められます。

skill-optimizer は、AI スキルの起動性、明確さ、モデル間の信頼性を高めたい作者向けの支援スキルです。Skill Authoring において、スキルは書けているのに安定して従われない場合、トリガーが弱い場合、リグレッションが出る場合、コンテキストコストを削りたい場合に適しています。ベンチマークの反復、リリースゲート、使用忠実度の向上をサポートします。

pytdc は Therapeutics Data Commons 向けのスキルで、ADME、毒性、DTI、DDI、生成、scaffold split、薬理予測のための、AIでそのまま扱いやすい創薬データセットとベンチマークを提供します。

PyTorch プロジェクトを LightningModules と Trainers で整理するための pytorch-lightning スキルです。インストール、学習、検証、ログ記録、チェックポイント保存、さらにマルチ GPU や TPU をまたぐ分散実行まで、この pytorch-lightning ガイドを活用できます。

pymooは、単一目的・多目的最適化、Paretoフロント、制約付き問題、ベンチマークテストに使えるPythonスキルです。このpymooガイドでは、NSGA-II、NSGA-III、MOEA/Dなどのアルゴリズムの選び方、インストールと使用の流れ、そして複数の指標を両立させたいData Analysisでのpymooの活用方法を確認できます。

finance-metrics-quickrefは、SaaSの財務指標、算出式、ベンチマークを素早く引ける参照用スキルです。プロダクト、財務、GTM、取締役会向けレビューの場面で、指標の定義確認、式のチェック、ベンチマークの再確認をすばやく行うのに向いています。