ReasoningBank Intelligence
透過 ReasoningBank 實現代理程式的自適應學習,進行模式識別、策略優化與持續改進。
探索可重用的代理技能,查看實作細節,快速找到適合你工作流程的技能。
共找到 138 個技能
透過 ReasoningBank 實現代理程式的自適應學習,進行模式識別、策略優化與持續改進。
應用認知科學框架於計算機科學與人工智慧研究,透過系統化的創造力策略生成具備原創性的研究方向。
PyTorch Lightning 深度學習框架技能:自動化模型訓練、多 GPU 編排、數據管道以及 DDP、FSDP 和 DeepSpeed 等分散式訓練策略。
使用 scikit-learn 進行經典機器學習。適用於分類、迴歸、分群、降維、資料預處理、模型評估,以及構建 Python 機器學習流程。
從網頁中提取 WebGL/Canvas/Shader 特效代碼,進行反混淆處理並移植為獨立的原生 JavaScript 專案。
全方位 Python 醫療 AI 工具包,用於臨床數據處理、醫學編碼轉換,以及開發用於 EHR、生理訊號和臨床預測任務的深度學習模型(如 RETAIN 與 Transformer)。
使用 Stable Baselines3 進行生產級強化學習。透過類 scikit-learn API 訓練智能體、設計自定義環境、實作訓練回調函數並優化工作流程。
為 NVIDIA GPU 加速的分散式應用程式提供彈性、健康監控與容錯工具,包含進程管理與 API 金鑰處理功能。
將研究論文 Markdown 進行翻譯,同時完整保留 LaTeX 公式、程式碼區塊與圖片,支援批次處理、自動續傳與可攜式套件匯出。
根據您的工作流程調整現有技能,或為重複性且耗時的任務建立新技能。
使用 Flow Nexus 平台在分佈式 E2B 沙盒中訓練與管理神經網路,支援 Transformer、LSTM 和 GAN 等自定義架構。
透過 MCP 將您的 AI 代理連接至 Hugging Face Hub。搜尋模型、資料集與論文,管理儲存庫,執行雲端運算任務,並將 Gradio Spaces 作為 AI 工具呼叫使用。