Pesquisa e Web

Aplica estruturas da ciência cognitiva para o pensamento criativo na ideação de pesquisa em CS e IA. Utilize ao buscar direções de pesquisa genuinamente novas, aproveitando a criatividade combinatória, o raciocínio analógico, a manipulação de restrições e outras estratégias criativas empiricamente fundamentadas.

Esta skill compila diversas entradas de pesquisa, como artigos, código ou notas, em um Artefato de Pesquisa Nativo de Agente (ARA) completo, com camadas cognitiva e física, um grafo de exploração e evidências fundamentadas. É usada para transformar pesquisas em um pacote de conhecimento estruturado e executável por máquina.

Um tokenizador independente de idioma que processa texto como Unicode bruto, suportando algoritmos BPE e Unigram. É rápido, leve e oferece vocabulário determinístico, ideal para suporte multilíngue, idiomas CJK ou tokenização reproduzível.

Fornece orientação para realizar intervenções causais em modelos PyTorch usando o framework de intervenção declarativa do pyvene. Utilize ao conduzir rastreamento causal, correção de ativação, treinamento de intervenção de intercâmbio ou ao testar hipóteses causais sobre o comportamento do modelo.

Modelo da OpenAI que conecta visão e linguagem, permitindo classificação de imagens zero-shot, correspondência imagem-texto e recuperação cross-modal. Treinado com 400M de pares imagem-texto, é ideal para compreensão geral de imagens, como busca ou moderação de conteúdo, sem fine-tuning.

Orientação especializada para ajuste fino de LLMs com LLaMA-Factory, oferecendo uma WebUI sem código, mais de 100 modelos, QLoRA de 2/3/4/5/6/8 bits e suporte multimodal.

Avalia a Política NVIDIA Cosmos nos ambientes de simulação LIBERO e RoboCasa. Use ao configurar a cosmos-policy para avaliação de manipulação de robôs, executar avaliações de GPU headless com renderização EGL ou perfilar a latência de inferência em máquinas GPU de cluster ou locais.

Visualize métricas de treinamento, depure modelos com histogramas, compare experimentos, visualize grafos de modelos e analise o desempenho com o TensorBoard - o kit de ferramentas de visualização de ML do Google.

Uma implementação educacional de GPT em ~300 linhas, por Andrej Karpathy, que reproduz o GPT-2 (124M) no OpenWebText. É um código limpo e modificável, ideal para aprender transformadores e entender a arquitetura GPT do zero, com treinamento em Shakespeare (CPU) ou OpenWebText (multi-GPU).

Mecanismo de busca de similaridade vetorial de alta performance para RAG e busca semântica. Ideal para sistemas RAG de produção que exigem busca rápida de vizinhos, busca híbrida com filtragem ou armazenamento vetorial escalável com desempenho Rust.

Curadoria de dados acelerada por GPU para treinamento de LLM. Suporta texto, imagem, vídeo e áudio, com deduplicação difusa (16x mais rápida), filtragem de qualidade, deduplicação semântica, redação de PII e detecção de NSFW. Escala em GPUs com RAPIDS para preparar datasets de alta qualidade.

Um framework de dados para construir aplicações LLM com RAG, especializado na ingestão de documentos (mais de 300 conectores), indexação e consulta. Oferece índices vetoriais, motores de consulta, agentes e suporte multimodal, sendo ideal para aplicações LLM centradas em dados como Q&A de documentos e recuperação de conhecimento.