Loading...
Loading...
共找到 47 个 Skills
Azure OpenAI Service 2025款模型，包括GPT-5、GPT-4.1、推理模型以及Azure AI Foundry集成功能
专家级机器学习、深度学习、模型训练及MLOps相关内容
适用于以下场景：“LLM推理”、“LLM部署服务”、“vLLM”、“llama.cpp”、“GGUF”、“文本生成”、“模型部署服务”、“推理优化”、“KV缓存”、“连续批处理”、“投机解码”、“本地LLM”、“CPU推理”
用于模型生产化、构建MLOps流水线以及集成LLM的机器学习工程技能，涵盖模型部署、特征存储、漂移监控、RAG系统和成本优化。
为机器学习模型从实验阶段到生产落地提供战略指导，涵盖实验追踪（MLflow、Weights & Biases）、模型注册与版本管理、特征存储（Feast、Tecton）、模型部署模式（Seldon、KServe、BentoML）、ML流水线编排（Kubeflow、Airflow）以及模型监控（漂移检测、可观测性）。适用于设计ML基础设施、选择MLOps平台、实现持续训练流水线或建立模型治理体系等场景。
使用Lightning AI的LitGPT实现并训练大语言模型（LLM），支持20余种预训练架构（Llama、Gemma、Phi、Qwen、Mistral等）。适用于需要简洁的模型实现、深入理解架构原理，或是采用LoRA/QLoRA进行生产级微调的场景。所有实现均为单文件形式，无额外抽象层。
机器学习开发模式、模型训练、评估与部署。适用于构建ML流水线、训练模型、特征工程、模型评估或将ML系统部署到生产环境的场景。
Open-AutoGLM专属技能，这是一个基于AutoGLM多模态大模型的AI手机Agent框架，可通过自然语言控制Android、HarmonyOS及iOS设备
适用于公共Nemotron `embed`/`rerank`检索配方的规划、调试、调优、评估、导出或部署场景。
使用PyTorch构建和训练神经网络。适用于实现深度学习模型、训练循环、数据管道、基于torch.compile的模型优化、分布式训练或部署PyTorch模型的场景。
构建生产级AI/ML系统——涵盖大规模模型训练、微调、MLOps流水线、模型部署、评估框架、RAG优化以及Agent编排。当用户要求构建、训练或部署ML模型、搭建MLOps流水线、优化RAG系统、创建推理端点或设计生产级AI Agent时，可使用此功能。
阿里云百炼模型精调训练入口：当用户需要精调、微调、训练自己的模型（fine-tune，支持 SFT / SFT-LoRA / DPO / DPO-LoRA / CPT，覆盖文本、语音、图像）、校验或上传训练数据集、查看训练进度和日志、选择 checkpoint、导出精调产物、将专属模型部署为服务时，可使用 `bl dataset` / `bl finetune` / `bl deploy` 命令。流程为 validate 校验数据 → upload 获取 file-id → finetune create 创建任务 → watch 查看进度 → export 导出 → deploy 上线，操作需要 API key；写操作请先使用 `--dry-run` 预览。触发例外：用户指定火山方舟/ark 的精调流程不使用本 skill；仅需选择模型时使用 bailian-model-recommend；使用现成模型生成图像或视频时使用 bailian-gen；百炼其他资源管理操作使用 bailian-cli。官方安装命令：`npx skills add modelstudioai/cli --all -g`（与共享协议 bailian-protocol 一同安装）。