Informe de auditoría del skill
quark-torch-llm-ptq Informe de auditoría.
Runs an end-to-end AMD Quark post-training quantization workflow for PyTorch / Hugging Face LLMs: inspect a Hub or local model, choose a quantization plan, create reproducible artifacts, request execution approval, and produce a quantized model. Applies to Llama, Qwen, Mistral, and similar transformer LLM requests involving FP8, INT4, or another Quark scheme. Does not handle .onnx model inputs or ONNX PTQ.
Trust Score de OpenAgentSkill
Trust Score de OpenAgentSkill
The Trust Score helps an agent decide whether a skill is safe enough to shortlist before installation.
Adopción en GitHub
Info62
395 estrellas de GitHub
Actividad de stars/forks
Advertencia57
395 estrellas y 39 forks; la actividad de issues no está disponible en los metadatos actuales
Mantenimiento reciente
Aprobado100
6 días desde el último push
Claridad de licencia
Aprobado86
MIT
Completitud de README/SKILL.md
Aprobado86
Los metadatos incluyen suficiente contexto de uso y flujo de trabajo
Riesgo de dependencias/runtime
Advertencia54
command execution surface, external package install surface
Disponibilidad de instalación
Aprobado92
npx skills add amd/skills --skill quark-torch-llm-ptq
Seguridad del comando de instalación
Aprobado92
Ruta estándar de paquete o instalación en tiempo de ejecución
Superficie de permisos
Fallido36
shell or command execution, filesystem or document access
Evidencia del repositorio
Aprobado86
https://github.com/amd/skills/tree/main/skills/quark-torch-llm-ptq
Estado de revisión
Advertencia46
Falta aprobación de revisión por IA
Resultados comprobados por Agent
Info54
Aún no hay datos de resultados del Agent
Comprobaciones
Revisión de instalación y adopción
Ruta de instalación
92
npx skills add amd/skills --skill quark-torch-llm-ptq
Repositorio
88
https://github.com/amd/skills/tree/main/skills/quark-torch-llm-ptq
Licencia
86
MIT
Mantenimiento
100
6 días desde el último push
Revisión por IA
55
Review approval is missing
Completitud de README/SKILL.md
86
Usable description available
Riesgo de dependencias
54
command execution surface, external package install surface
Seguridad del comando de instalación
92
Ruta estándar de paquete o instalación en tiempo de ejecución
Superficie de permisos
36
shell or command execution, filesystem or document access
Actividad de stars/forks
57
395 estrellas y 39 forks; la actividad de issues no está disponible en los metadatos actuales
Adopción
68
395 estrellas de GitHub
Financial decision safety
58
Research-only use: do not treat output as financial advice or execute a position without human approval.
Advertencias
- Dependency or permission surface needs review
- Permission surface may require sandboxing
- Financial research output is not financial advice; require human review before any live investment decision
- Falta aprobación de revisión por IA
- Financial research output is not financial advice; require human review before any live investment decision.
- Quality score needs review
- Permission surface needs review: shell or command execution, filesystem or document access
- Stars/forks activity: 395 stars, 39 forks; issue activity unavailable in current metadata
- Dependency/runtime risk: command execution surface, external package install surface
- Permission surface: shell or command execution, filesystem or document access
- Review status: AI review approval is missing
Método
This report combines public metadata, AI review output, repository freshness, install readiness, OpenAgentSkill events, quality scoring, trust checks, and the agent safety gate. It is not a full source-code security review.
Comparar opciones cercanas
Skills relacionados para auditar después
full-output-enforcement
Overrides default LLM truncation behavior. Enforces complete code generation, bans placeholder patterns, and handles token-limit splits cleanly. Apply to any task requiring exhaustive, unabridged output.
96K Estrellas · Informe de auditoría
distributed-llm-pretraining-torchtitan
Provides PyTorch-native distributed LLM pretraining using torchtitan with 4D parallelism (FSDP2, TP, PP, CP). Use when pretraining Llama 3.1, DeepSeek V3, or custom models at scale from 8 to 512+ GPUs with Float8, torch.compile, and distributed checkpointing.
13K Estrellas · Informe de auditoría
peft-fine-tuning
Parameter-efficient fine-tuning for LLMs using LoRA, QLoRA, and 25+ methods. Use when fine-tuning large models (7B-70B) with limited GPU memory, when you need to train <1% of parameters with minimal accuracy loss, or for multi-adapter serving. HuggingFace's official library integrated with transformers ecosystem.
13K Estrellas · Informe de auditoría