작성자 K-Dense-AI
qiskit은 회로를 만들고, 백엔드를 선택하고, 하드웨어에 맞게 transpile하며, 시뮬레이터 또는 IBM Quantum 디바이스에서 작업을 실행하는 데 쓰는 IBM 양자 컴퓨팅 스킬입니다. 화학, 최적화, 머신러닝에서 qiskit을 활용할 때 특히 잘 맞으며, 이론 중심의 qiskit 가이드보다 실전적인 설치 및 실행 안내가 필요할 때 유용합니다.
작성자 huggingface
huggingface-best 스킬은 Hugging Face 벤치마크 리더보드를 확인하고 기기 제한과 모델 크기를 기준으로 필터링해, 작업에 가장 적합한 모델을 찾는 데 도움을 줍니다. 코딩, 추론, 채팅, OCR, RAG, 음성, 비전, 멀티모달 작업에서, 일반적인 모델 목록이 아니라 실용적인 후보군이 필요할 때 사용하세요.
작성자 trailofbits
libafl 스킬은 맞춤형 타깃, 변이 전략, 보안 감사 워크플로를 위한 LibAFL 기반 모듈형 퍼저를 계획하고 구축하는 데 도움을 줍니다. 이 libafl 가이드를 활용하면 타깃 세부 정보에서 실용적인 하니스, 피드백 모델, 실행 계획으로 더 적은 가정으로 이어갈 수 있습니다.
작성자 mcollina
skill-optimizer는 작성된 AI 스킬의 활성화, 명확성, 그리고 모델 간 신뢰성을 높이는 데 도움을 줍니다. 스킬은 만들어졌지만 잘 따르지 않거나, 트리거가 약하거나, 회귀가 보이거나, 컨텍스트 비용을 줄여야 할 때 Skill Authoring에 사용하세요. 벤치마크 루프, 릴리스 게이트, 더 높은 사용 충실도를 지원합니다.
작성자 K-Dense-AI
pytdc는 Therapeutics Data Commons를 위한 스킬로, ADME, 독성, DTI, DDI, 생성, scaffold 분할, 약리 예측에 바로 사용할 수 있는 약물 발견 데이터셋과 벤치마크를 제공합니다.
작성자 K-Dense-AI
LightningModules와 Trainers로 PyTorch 프로젝트를 체계화하는 pytorch-lightning 스킬입니다. 이 pytorch-lightning 가이드는 설치, 학습, 검증, 로깅, 체크포인팅, 그리고 multi-GPU 또는 TPU 워크플로 전반의 분산 실행에 활용할 수 있습니다.
작성자 K-Dense-AI
pymoo는 단일 목적 및 다중 목적 최적화, 파레토 프런트, 제약 조건이 있는 문제, 벤치마크 테스트를 위한 Python 스킬입니다. 이 pymoo 가이드를 통해 NSGA-II, NSGA-III, MOEA/D 같은 알고리즘을 선택하고, 설치 및 사용 워크플로를 따라가며, 여러 지표의 균형이 필요할 때 Data Analysis에 pymoo를 활용해 보세요.
작성자 deanpeters
finance-metrics-quickref는 SaaS 재무 지표, 공식, 벤치마크를 빠르게 찾아보는 스킬입니다. 제품, 재무, GTM, 이사회 검토 업무에서 지표 정의를 확인하거나, 공식을 점검하거나, 벤치마크를 빠르게 떠올릴 때 유용합니다.
