📦
latex-posters
87LaTeX研究ポスターを作成する
研究ポスターは、LaTeXで印刷用に整形し校正するのが難しいものです。このスキルは、学会提出に対応したポスター向けに、テンプレート、レイアウトガイダンス、PDFチェックを提供します。
デザイン＆クリエイティブ 表示
スキル nowait-reasoning-optimizer
📦
nowait-reasoning-optimizer
コンテンツリビジョン r2 安全 ⚙️ 外部コマンド
推論モデルのトークン使用量を最適化
推論モデルは、繰り返しの内省に多くのトークンを費やすことがあります。このスキルは、推論時に選択された内省トークンを抑制するために NOWAIT ガイダンスを適用します。
対応: Claude Codex Code(CC)
自分のエージェントでインストール
このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。
エージェントリクエスト
Review the Skillstore skill "nowait-reasoning-optimizer" from https://skillstore.io/skills/davila7-nowait-reasoning-optimizer.md and its manifest at https://skillstore.io/api/skills/davila7-nowait-reasoning-optimizer/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。
エージェントが読めるリソース
AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。
テストする
「nowait-reasoning-optimizer」を使用しています。 QwQ-32B が NOWAIT に適しているかレビューしてください。
期待される結果:
QwQ-32B は非常に適しています。デフォルトのキーワードリストから始め、代表的なプロンプトでトークン数と精度を比較してください。
「nowait-reasoning-optimizer」を使用しています。 視覚的質問応答のための NOWAIT 評価を計画してください。
期待される結果:
抑制ありと抑制なしのペア実行を使用してください。難しい視覚推論の質問に対して、出力品質、トークン数、レイテンシ、失敗を追跡します。
「nowait-reasoning-optimizer」を使用しています。 蒸留モデルで NOWAIT を使用するか判断してください。
期待される結果:
注意して使用してください。蒸留モデルは内省構造に依存している可能性があるため、抑制を有効にする前に精度テストが必要です。
セキュリティ監査
安全v9 • 2026/7/23 バージョン別レポートを開く
All 21 static findings are false positives caused by keyword substrings, vocabulary iteration, and Markdown backticks. The Python implementation performs local tensor and tokenizer operations without shell execution, key-file access, system reconnaissance, or prompt injection.
3
スキャンされたファイル
590
解析済み行数
0
レビュー項目
0
誤検知を無視
リスク要因
最新の完了済み静的・セマンティック監査では、確認済みのセキュリティ検出事項は見つかりませんでした。これは、スキルに副作用がないことを証明するものではありません。
監査者: codex 監査履歴を表示 →
このレポートを共有・引用
バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。
レポートリンクをコピー
https://skillstore.io/skills/davila7-nowait-reasoning-optimizer/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdownバッジ
[](https://skillstore.io/skills/davila7-nowait-reasoning-optimizer?utm_source=security_passport_badge)HTMLバッジ
<a href="https://skillstore.io/skills/davila7-nowait-reasoning-optimizer?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-nowait-reasoning-optimizer/security.svg" alt="Skillstore security assessment" loading="lazy"></a>埋め込みカード
<iframe src="https://skillstore.io/embed/skills/davila7-nowait-reasoning-optimizer.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学術引用 (APA · BibTeX · CFF)
APA形式の引用
davila7. (2026). nowait-reasoning-optimizer security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-nowait-reasoning-optimizer/audits/9BibTeX形式の引用
@techreport{davila7-davila7-nowait-reasoning-optimizer-2026,
author = {davila7},
title = {nowait-reasoning-optimizer security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-nowait-reasoning-optimizer/audits/9},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "nowait-reasoning-optimizer security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-nowait-reasoning-optimizer/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-nowait-reasoning-optimizer:audit:9"
description: "Skillstore immutable audit report identifier"
Skillstore スコア
このスコアの理由 証拠の信頼度: 高 45
アーキテクチャ
85
保守性
87
コンテンツ
71
コミュニティ
91
仕様準拠
作成できるもの
推論コストを削減
対応する R1 スタイルのモデルデプロイメントで NOWAIT を適用し、トークン使用量を減らします。
推論効率を比較
モデルファミリー間でトークン数と精度を比較する制御されたテストを実行します。
トークン抑制を統合
キーワードベースの抑制を HuggingFace または vLLM の生成設定に追加します。
これらのプロンプトを試す
モデル適合性を確認
NOWAIT に対する私の推論モデルの選択をレビューしてください。それが適しているかどうかを教え、主なリスクを説明してください。
ベンチマークを計画
NOWAIT のベンチマーク計画を作成してください。データセット、トークン指標、精度チェック、ロールバックしきい値を含めてください。
キーワード抑制を調整
私のモデルとタスクに対して安全な NOWAIT キーワード変更を提案してください。どの単語を保持、削除、または個別にテストすべきかを説明してください。
本番ロールアウトを設計
本番推論サービス向けに段階的な NOWAIT ロールアウトを設計してください。監視、フォールバック動作、精度ガードレールを含めてください。
ベストプラクティス
- 本番利用前に、トークン削減量と回答品質をベンチマークしてください。
- 1つのリストがすべてのモデルに適合すると仮定せず、モデルファミリーごとにキーワードを調整してください。
- 精度が低下したときに抑制を無効化できるフォールバック経路を維持してください。
回避
- タスク固有の評価なしに、蒸留モデルで NOWAIT を有効にしないでください。
- タスク領域で必要とされる広範な単語を抑制しないでください。
- 回答品質を確認せず、トークン削減だけで成功を判断しないでください。
よくある質問
このスキルは何を最適化しますか？
推論モデルの推論時に、繰り返される内省トークンを減らすのに役立ちます。
すべてのモデルで動作しますか？
いいえ。対応する RL ベースの推論モデルで最も効果を発揮し、各ワークロードでのテストが必要です。
モデルの重みを変更しますか？
いいえ。NOWAIT は推論時の手法であり、モデルをファインチューニングしません。
レイテンシを改善できますか？
生成されるトークンを減らせるため、品質が安定している場合はレイテンシが低下する可能性があります。
最初に何をテストすべきですか？
代表的なプロンプト、精度指標、トークン数、失敗ケースについて、ベースラインと NOWAIT の出力を比較してください。
本番環境で安全ですか？
評価によって許容可能な精度、監視、明確なロールバック経路が確認された後にのみ使用してください。
開発者情報
作成者
davila7ライセンス
MIT
Skillstore リビジョン
r2
バージョンに関する注意
作者はバージョンを宣言していません。
参照
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
メンテナンスの新しさ
2026/7/26
利用状況
20 ダウンロード · 275 閲覧
ファイル構成
davila7 のその他のスキル
すべて表示📦
content-creator
87SEO対応のマーケティングコンテンツを作成
マーケティングチームには、ブランドボイスと検索目標に合った明確なコンテンツが必要です。このスキルは、再現性のあるコンテンツ制作のためのテンプレート、分析スクリプト、プラットフォーム別ガイダンスを提供します。
ライティング＆コンテンツ 表示
📦
treatment-plans
86構造化された医療治療計画を作成
臨床治療計画は、一貫性がなく、長くなりすぎたり、レビューが難しくなったりすることがあります。このスキルは、目的に応じたテンプレート、測定可能な目標、タイムライン、ローカルでの品質チェックを提供します。
ドキュメント 表示
📦
clinical-reports
86構造化された臨床レポートを作成
臨床チームには、医療および規制基準に準拠した明確なレポートが必要です。このスキルは、症例報告、診断、試験、患者記録向けのテンプレート、チェックリスト、検証ガイダンスを提供します。
ドキュメント 表示
📦
exploratory-data-analysis
85科学データファイルを分析
科学データファイルは、形式ごとに構造やメタデータの保存方法が異なるため、調査が困難です。このスキルは形式を検出し、データ品質をプロファイリングし、実用的な Markdown EDA レポートを作成します。
データ＆アナリティクス 表示
📦
diffdock
85DiffDock分子ドッキングワークフローを実行する
分子ドッキングのセットアップは、入力、パラメータ、信頼度スコアの整合が難しいため、失敗しがちです。このスキルは、準備から結果レビューまでDiffDockワークフローをガイドします。
調査＆学習 表示
関連スキル
すべて表示📦
json-to-llm-context
81JSONをLLMコンテキストに変換
作成者 vc999999999
大きなJSONペイロードはトークンを浪費し、モデルが必要とする事実を見えにくくします。このskillは、構造化されたJSONまたはjsonbエクスポートを、Claude、Codex、Claude Code向けの簡潔で読みやすい要約に変換します。
データ＆アナリティクス 表示
📦
transformers
68Transformerワークフローを構築する
作成者 K-Dense-AI
Transformerワークフローでは、推論、生成、トークン化、トレーニングのために多くのAPIが必要になることがよくあります。このスキルは、Hugging Face Transformersを使用するための的を絞ったガイダンスをClaude、Codex、Claude Codeに提供します。
データ＆アナリティクス 表示
📦
task-state-ledger
90Track Long Tasks With a Portable State Ledger
作成者 glenskii
Long technical tasks lose decisions, evidence, and next actions across sessions. This skill maintains a concise Markdown state file with reviewed local evidence references.
生産性 表示
📦
gpt-series-reasoning-style
90Verify AI Deliverables with Evidence
作成者 jadeyingwah
AI work can appear complete before the result is opened, tested, or checked against the request. This skill adds staged planning, real-environment verification, and honest completion levels.
生産性 表示
📦
tool-discovery
87あらゆるタスクに適したAIツールを選択
作成者 0xDarkMatter
多数のスキルやエージェントから選択することで、技術作業が遅れる場合があります。このスキルは、簡潔なカタログと選択ルールを使用して、各タスクを目的に特化したツールに割り当てます。
生産性 表示
📦
prompt-engineering-patterns
86本番環境向けLLMプロンプトを最適化
作成者 wshobson
LLMプロンプトは、指示、例、評価基準が不明確なために失敗することがよくあります。このスキルは、Claude、Codex、Claude Code、および同様のツールでプロンプトを改善するためのテンプレートとワークフローを提供します。
生産性 表示