Skills
エージェント向けにパッケージ化された専門スキルと手順を 96,770 件掲載。コマンド 1 行でインストールできます。
その他
NVIDIA Megatron-Core を使い、テンソル、パイプライン、シーケンス、コンテキスト、エキスパート並列処理で、2B～462B パラメーターの大規模言語モデルをトレーニングします。H100 での FP8 と Mixtral 形式モデルの MoE 設定も扱います。TP/PP/DP/CP のサイズ選択、分散トレーニングの開始、マイクロバッチサイズの調整、低い MFU、メモリ不足エラー、損失の発散への対処を解説します。NVIDIA A100/H100 GPU で 10B を超えるモデルをトレーニングする場合、LLaMA 形式モデル向けに 3D 並列処理を設定する場合、MoE トレーニング用にエキスパート並列処理を構成する場合、または MFU を 40～47% に近づけたい場合に使用します。70B 未満のモデルやより簡単な構成には、代わりに PyTorch FSDP、DeepSpeed、または HuggingFace Accelerate を使用してください。
pint と uncertainties を使って物理単位を追跡し、科学計算における測定不確かさを伝播させます。単位変換と次元チェック、GUM 不確かさ予算、Type A および Type B 評価、包含係数と拡張不確かさ、モンテカルロ伝播、有効数字とプラスマイナス表記、曲線フィッティングにおける誤差伝播、CODATA 定数、単位が削除されたり不確かさ伝播が壊れたりした Python コードの監査に使用します。また、無次元数（Reynolds、Peclet、Damkohler、Knudsen、Biot、Womersley）、拡散時間や Debye 長などの特性スケール、観測された大きさの範囲を用いて、桁違いの妥当性を確認します。「この値は物理的に妥当か」「この単位を確認して」「この流れはどの領域か」と尋ねられた場合や、結果が桁違いに見える場合に使用します。
公式ドキュメント（references/llms-txt.md）に基づき、LoRA と QLoRA を使ってより高速かつ低メモリでトレーニングするライブラリ Unsloth による大規模言語モデルのファインチューニングを案内します。Unsloth で LLM の LoRA または QLoRA ファインチューニングを設定する場合、トレーニング中の GPU メモリ使用量を削減する場合、Unsloth の機能や API を調べる場合、トレーニングコードをデバッグする場合、またはベストプラクティスを学ぶ場合に使用します。Unsloth を使わず、通常の Hugging Face Transformers または PEFT で行う一般的なモデルのトレーニングには対応しません。
スタートアップのプロダクト URL または説明を受け取り、業界と資金調達ステージを検出し、比較可能な資金調達済み企業を 5 社特定し、それらの企業に出資した投資家を調べ（Track A）、この領域について投資テーゼを公開している VC を見つけ（Track B）、関連する投資家の出典付きランク付けリストをディープダイブとアプローチの切り口とともに返す。スタートアップの投資家探し、自分のようなプロダクトに出資する VC の特定、自分の領域の企業を誰が支援しているかの調査、VC ターゲットリストの作成、投資家と市場のフィットの探索を求められたときに使用。
Weights & Biases（W&B、wandb）で機械学習の実験を記録、追跡します。メトリクス、ハイパーパラメーター、チェックポイント、スイープ、系譜情報付きアーティファクト、モデルレジストリ、カスタムチャート、共有可能なレポートを扱います。PyTorch、HuggingFace Transformers、PyTorch Lightning、Keras/TensorFlow との連携も含みます。トレーニング実行を記録して構成間で比較する場合、自動ハイパーパラメーター探索を実行する場合、データセットやモデルをアーティファクトとしてバージョン管理する場合、モデルのバージョンを登録する場合、またはチームのワークスペースで結果を共有する場合に使用します。オフラインまたは接続が不安定な環境でのトレーニングに wandb.init を設定する場合にも使用します。ML の実行以外での一般的なデータのバージョン管理には対応しません。
acmart LaTeX クラス（sigconf、sigplan、acmsmall、acmlarge、acmtog、manuscript/review/anonymous モード）または ACM Word テンプレートで、ACM の会議論文やジャーナル記事を整形します。CCS Concepts、キーワード、ACM Reference Format、権利管理と著作権ブロック、ダブルブラインド査読の匿名化、アクセシビリティ（代替テキスト）、TAPS 制作ワークフロー、一般的な acmart エラーを扱います。CHI、SIGGRAPH、KDD、SIGMOD、CCS、FAccT、WWW、SIGIR、CSCW、PLDI など、あらゆる ACM の会議やジャーナルへの投稿に使用します。
ICH Q2(R2)/Q14、ICH M10、USP 1220/1225/1226、CLSI EP、ISO/IEC 17025 に基づき、Python スクリプト（plan_validation、check_response、check_accuracy_precision、check_detection_limits、check_bioanalytical_run、compare_methods）を使って分析法のバリデーション、ベリフィケーション、移管を計画、評価します。プロトコル、直線性、真度と精度、DL/QL、M10 実施チェック、TOST 同等性、Deming および Passing-Bablok を扱います。事前に受入基準を定めたバリデーションプロトコルの設計、直線性・精度・検出限界データの評価、ICH M10 の生物分析実施または ISR の確認、ラボ間での分析法の比較や移管に使用します。分析法がバリデート済みかどうかは判定しません。USP、CLSI、ISO の規格本文は含まれません。
処理の失敗や情報漏えいを防ぎながら、arXiv へのプレプリント投稿を準備、公開します。TeX ソースのパッケージ化（.bbl、図、大小文字を区別するパス）、非公開コメントの削除、カテゴリとライセンスの選択、推薦、メタデータ（タイトル、要旨、コメント欄）、バージョン管理と差し替え、後からのジャーナル DOI の紐付けを扱います。arXiv への論文投稿、arXiv の TeX コンパイル失敗、ソースアップロード前の確認、採択後のプレプリント更新に使用します。依存関係ゼロの事前チェックツールを含みます。
真の私的価値、競合入札者数 N の推定値、価値分布の仮定が与えられたとき、第一価格封印入札の最適なシェーディング入札額を計算する。一様な私的価値に対して `(N-1)/N` の均衡シェーディング規則を実装し、対数正規分布や実証的な価値分布に調整し、リスク回避の調整を重ね、入札者の残り予算に対して出力を上限設定する。ファンタジースポーツ（野球の FAAB、NBA/NHL のウェイバーオークション）、予測市場の指値サイジング、封印調達入札、あらゆるブラインド入札の文脈で再利用できるドメイン中立のオークション理論。ユーザーが「first-price auction bid」「sealed bid shading」「(N-1)/N」「FAAB bid amount」「auction shading」「optimal bid first-price」「bid for sealed-bid」「blind bid sizing」に言及したとき、または下流のロジックが場当たり的なヒューリスティックではなく原理的なシェード係数を必要とするときに使用する。
HuggingFace Transformers と LAVIS を通じて Salesforce BLIP-2（Q-Former が凍結された画像エンコーダーと OPT や FlanT5 などの LLM を接続）を使い、画像キャプション生成、視覚的質問応答、画像とテキストの照合、特徴抽出を行う方法を解説します。画像キャプションの生成、VQA システムの構築、タスク固有のトレーニングなしでのゼロショット画像・テキスト理解、テキストによる画像の照合や検索、または INT8/INT4 量子化による限られた GPU メモリへの BLIP-2 モデルの適合に使用します。指示に従うマルチモーダルチャットには LLaVA または InstructBLIP を、単純な画像・テキスト類似度には CLIP を優先してください。
Cell Press 誌（Cell、Molecular Cell、Neuron、Immunity、Cell Reports、Cell Systems、iScience、Cell Metabolism、Current Biology など）への投稿原稿を準備します。Summary、Highlights、eTOC の概要とグラフィカルアブストラクト、Key Resources Table を含む STAR Methods、リソースの利用可能性（責任著者、材料、データ、コード）、図と統計の要件、投稿時と改訂時の Cell Press 書式に対応します。Cell Press 誌への投稿、Highlights やグラフィカルアブストラクトの作成、または方法を STAR Methods に変換する際に使用します。
CZ CELLxGENE Census をプログラムから照会し、バージョン管理された公開単一細胞・空間トランスクリプトームデータを取得します。集団規模の細胞メタデータ、遺伝子発現スライス、Census の集計数、ソース H5AD の URI/ダウンロード、埋め込み、空間 Census データ、または生物種、組織、疾患、アッセイ、細胞型をまたいだ参照アトラス比較が必要な場合に使用します。独自のローカル単一細胞データの解析には scanpy、anndata、または scvi-tools を使用してください。
CONDOR v4.0.1 — One Amazing Trade per Day。Top 50 の HL 資産、純粋なトレンド継続、最高水準のコンフルエンスのみ。3TF アラインメントのハードゲート + MACRO_TREND_GATE + SM コンセンサス >=70%、MIN_SCORE 12、スコアに応じたサイズ設定（50%/70%/80%）、10x レバレッジ上限、Kodiak SOL の実証済み勝績に基づく 6 段階 DSL ラダー。v4.0.1 では、レースウィンドウの重複排除キャッシュにより既に保有している資産での ENGINE_FAILURE リトライノイズを排除し、DSL のエグジット間隔を 2 倍にして、実行時のポジション状態が HL より遅れた際の REDUCE_ONLY スパムを抑制します。
DataLad と git-annex で科学データセットを取得、バージョン管理、公開し、datalad run、rerun、containers-run で計算の来歴を記録します。OpenNeuro、DANDI、datasets.datalad.org、または任意の DataLad データセットのクローンやデータ取得、データセット内のファイルが実データではなく壊れたシンボリックリンクや小さなポインターとして表示される場合、各出力の生成方法を再実行可能な形で記録する必要がある分析、または GitHub リポジトリとストレージリモートなどの複数の送信先にデータセットを公開する場合に使用します。データを含むリポジトリに DataLad と通常の Git のどちらを使うか判断する際にも使用します。
elsarticle LaTeX クラス、CAS の単段・二段組テンプレート、または Word を使って、Elsevier 誌（The Lancet 系列の書式案内、Cell 系列以外の Elsevier 誌、数千の学会誌を含む）への投稿を準備します。Highlights、グラフィカルアブストラクト、キーワード、CRediT 著者声明、利益相反の申告、生成 AI の使用開示、データの利用可能性、各誌の参考文献スタイル、Editorial Manager での投稿、「Your Paper Your Way」による書式不要の初回投稿に対応します。Elsevier 誌への投稿や elsarticle/CAS テンプレートの問題修正に使用します。
ゲノム区間の座標規約を変換し、バリアント表現を正規化して比較し、解析に影響が出る前にアセンブリやコンティグ名の不一致を検出します。座標が形式、ツール、アセンブリ間をまたぐ場合に使用します。BED、GFF/GTF、VCF、SAM/BAM、WIG、PSL、genePred、Picard interval_list、領域文字列間の変換、0-based 半開区間と 1-based 閉区間の調整、indel の左寄せやトリミング、2 つのバリアントレコードが同じ変化を表すかの確認、ゲノム位置から転写産物・CDS・タンパク質位置へのマッピング、BED/GTF/VCF の規約違反の監査、GRCh37・hg19・GRCh38・T2T、chr 接頭辞、liftover の問題の診断に対応します。「off by one」「0-based」「1-based」「half-open」「coordinate system」「left-align」「normalize variant」「bcftools norm」「chr prefix」「wrong genome build」「liftover」「REF mismatch」「HGVS」などが手掛かりです。
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。