Informe de auditoría del skill
peft-fine-tuning Informe de auditoría.
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.
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
Aprobado100
13K estrellas de GitHub
Actividad de stars/forks
Aprobado92
13K estrellas y 948 forks; la actividad de issues no está disponible en los metadatos actuales
Mantenimiento reciente
Aprobado100
3 días desde el último push
Claridad de licencia
Aprobado86
MIT
Completitud de README/SKILL.md
Aprobado94
Los metadatos incluyen suficiente contexto de uso y flujo de trabajo
Riesgo de dependencias/runtime
Advertencia44
command execution surface, credential or environment access
Disponibilidad de instalación
Aprobado92
npx skills add Orchestra-Research/AI-Research-SKILLs --skill peft-fine-tuning
Seguridad del comando de instalación
Aprobado92
Ruta estándar de paquete o instalación en tiempo de ejecución
Superficie de permisos
Advertencia50
secrets or environment access, shell or command execution
Evidencia del repositorio
Aprobado86
https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/main/03-fine-tuning/peft
Estado de revisión
Advertencia50.9
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 Orchestra-Research/AI-Research-SKILLs --skill peft-fine-tuning
Repositorio
88
https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/main/03-fine-tuning/peft
Licencia
86
MIT
Mantenimiento
100
3 días desde el último push
Revisión por IA
55
Review approval is missing
Completitud de README/SKILL.md
94
Usable description available
Riesgo de dependencias
44
command execution surface, credential or environment access
Seguridad del comando de instalación
92
Ruta estándar de paquete o instalación en tiempo de ejecución
Superficie de permisos
50
secrets or environment access, shell or command execution
Actividad de stars/forks
92
13K estrellas y 948 forks; la actividad de issues no está disponible en los metadatos actuales
Adopción
88
13K 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: secrets or environment access, shell or command execution
- Dependency/runtime risk: command execution surface, credential or environment access
- Permission surface: secrets or environment access, shell or command execution
- 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
litert-lm
Creates an Android app that runs an open text LLM on the device, on the CPU or the GPU, with the LiteRT-LM Kotlin API. Use this skill to build a new chat, summarization or extraction app with a .litertlm model from Hugging Face litert-community (Gemma, Qwen, Llama, Phi) - the dependency and manifest entries, getting the model file onto the device, engine initialization, a streamed multi-turn conversation, the ViewModel and screen.
459 Estrellas · Informe de auditoría