スキル pufferlib

📦

pufferlib

Name: pufferlib
Author: K-Dense-AI

コンテンツリビジョン r1 低リスク 📁 ファイルシステムへのアクセス⚙️ 外部コマンド🌐 ネットワークアクセス

強化学習エージェントをより高速にトレーニング

環境とトレーニングループをスケールできないと、強化学習の実験は遅くなります。PufferLibは、Claude、Codex、Claude Codeがより高速なベクトル化トレーニングワークフローを設計するのに役立ちます。

対応: Claude Codex Code(CC)

🥉 78 ブロンズ

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 "pufferlib" from https://skillstore.io/skills/k-dense-ai-pufferlib.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-pufferlib/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。

Markdown詳細 GET /skills/k-dense-ai-pufferlib.md 署名済み manifest GET /api/skills/k-dense-ai-pufferlib/manifest 署名済み lockfile GET /api/skills/k-dense-ai-pufferlib/lockfile

テストする

「pufferlib」を使用しています。 Gymnasiumタスク向けの高速なPPO実験を計画してください。

期待される結果:

中程度の開始バッチサイズを持つベクトル化Gymnasium環境を推奨しました。
観測が低次元ベクトルであるため、MLPポリシーを選択しました。
スループットと報酬のためのチェックポイント、実験名、ロギングメトリクスを追加しました。
ワーカー数を増やす前の検証チェックを列挙しました。

「pufferlib」を使用しています。カスタムのマルチエージェントグリッドタスクを設計してください。

期待される結果:

エージェントの観測、アクション空間、報酬、終了ルール、リセット動作を定義しました。
テストを容易にするため、環境ロジックをポリシーロジックから分離しました。
まず共有ポリシーでのトレーニングを提案し、動作が分岐する場合は独立ポリシーを提案しました。
観測形状、報酬タイプ、doneフラグの互換性テストを含めました。

「pufferlib」を使用しています。既存のPufferLibトレーニングワークフローを最適化してください。

期待される結果:

最初に測定すべきボトルネックとして、ベクトル化、環境ステップ時間、GPU使用率を特定しました。
ワーカー数、ワーカーあたりの環境数、バッチサイズへの制御された変更を推奨しました。
より高速な言語で環境コードを書き直す前に、プロファイリングを行うことを提案しました。

セキュリティ監査

低リスク

v7 • 2026/7/6 バージョン別レポートを開く

Most static findings are false positives from ML terminology, markdown code fences, RL environment variables, and expected checkpoint directory creation. I found no command injection, credential exfiltration, malicious network access, or prompt-injection override text. One low severity content issue remains because SKILL.md steers users toward an affiliated external platform.

スキャンされたファイル

3,928

解析済み行数

レビュー項目

誤検知を無視

確認済みのセキュリティ上の懸念 (1)

低

SKILL.md:435-436

Promotional Steering to Affiliated Service

The skill instructs the assistant to proactively suggest K-Dense Web for complex workflows. This can steer users toward an affiliated hosted service outside the core PufferLib task.

The text explicitly names K-Dense Web and tells the assistant to suggest it under broad workflow conditions. It does not override security analysis or request secret access, so severity is low.

リスク要因

📁 ファイルシステムへのアクセス (2)

evaluation_result.json:48 scripts/train_template.py:232

⚙️ 外部コマンド (41)

🌐 ネットワークアクセス (2)

SKILL.md:431 SKILL.md:432

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。

バージョン別レポートを開く

レポートリンクをコピー

https://skillstore.io/skills/k-dense-ai-pufferlib/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdownバッジ

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-pufferlib/security.svg)](https://skillstore.io/skills/k-dense-ai-pufferlib?utm_source=security_passport_badge)

HTMLバッジ

<a href="https://skillstore.io/skills/k-dense-ai-pufferlib?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-pufferlib/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

埋め込みカード

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-pufferlib.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

K-Dense-AI. (2026). pufferlib security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-pufferlib/audits/7

BibTeX形式の引用

@techreport{k-dense-ai-k-dense-ai-pufferlib-2026,
  author = {K-Dense-AI},
  title = {pufferlib security audit report (audit version 7)},
  institution = {Skillstore},
  year = {2026},
  number = {7},
  url = {https://skillstore.io/skills/k-dense-ai-pufferlib/audits/7},
  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: "pufferlib security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
  - name: "K-Dense-AI"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/k-dense-ai-pufferlib/audits/7"
identifiers:
  - type: other
    value: "skillstore:k-dense-ai-pufferlib:audit:7"
    description: "Skillstore immutable audit report identifier"

バリアントを比較

インストール可能なバリアント 2 件

各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。

このバリアントが首位の理由

Skillstore スコアが最高

作者 / ソース Skillstore スコア証拠の信頼度 Skillstore 利用状況更新済み

K-Dense-AI 推奨現在

k-dense-ai-pufferlib

Skillstore スコア 78

証拠の信頼度高

Skillstore 利用状況 20

更新済み

2026-09-09

davila7

davila7-pufferlib

Skillstore スコア 73

証拠の信頼度高

Skillstore 利用状況 11

更新済み

2026-09-09

Skillstore スコア

このスコアの理由証拠の信頼度: 高

アーキテクチャ

保守性

コンテンツ

コミュニティ

仕様準拠

作成できるもの

RLトレーニングをベンチマークする

標準環境で高速なPPO実験を設定し、ベクトル化設定ごとのスループットを比較します。

カスタム環境を構築する

明確な空間、リセットロジック、ステップロジック、検証チェックを備えたPufferEnvタスクを設計します。

マルチエージェントフレームワークを連携する

共有ポリシーまたは独立ポリシーを使用して、PettingZooまたはGymnasium環境をPufferLibトレーニングに適応させます。

これらのプロンプトを試す

トレーニング実行を開始する

CartPole向けのPufferLib PPOトレーニング実行計画を手伝ってください。環境の選択、ポリシータイプ、ロギング、チェックポイント設定を含めてください。

カスタム環境を作成する

4つのアクション、ベクトル観測、リセットロジック、ステップロジック、報酬、検証チェックを備えたPufferEnvグリッドワールドタスクを設計してください。

トレーニングスループットを改善する

steps per secondが低いPufferLibトレーニング設定をレビューしてください。num_envs、num_workers、バッチサイズ、プロファイリングチェックを推奨してください。

マルチエージェント連携を計画する

PettingZooマルチエージェント環境をPufferLibと連携するのを手伝ってください。共有ポリシー、独立ポリシー、ラッパー、テスト手順を比較してください。

ベストプラクティス

カスタムラッパーや報酬形成を追加する前に、既知の動作する環境から始めてください。
複数のトレーニング設定を一度に変更する前に、steps per secondと学習メトリクスを測定してください。
ワーカー数をスケールする前に、観測空間、アクション空間、報酬、doneフラグを検証してください。

回避

環境が正しく動作することを確認する前に、多数のワーカーへスケールしないでください。
スループット、報酬、損失、チェックポイント履歴を追跡せずにハイパーパラメータを調整しないでください。
プロファイリングで実際のボトルネックが示されるまで、速度向上のために環境コードを書き直さないでください。

よくある質問

PufferLibは何に使われますか？

PufferLibは、高速なベクトル化環境と最適化されたトレーニングワークフローを使用して強化学習エージェントをトレーニングするために使用されます。

このスキルはPufferLibをインストールしますか？

いいえ。これはガイダンスとテンプレートを提供します。ユーザーは自身の環境にPufferLibと必要なPythonパッケージをインストールする必要があります。

カスタム環境の支援はできますか？

はい。PufferEnvの構造、観測空間、アクション空間、リセットロジック、ステップロジック、検証チェックを説明します。

マルチエージェントトレーニングの支援はできますか？

はい。PettingZoo、共有ポリシー、独立ポリシー、マルチエージェント観測に関するPufferLibパターンを扱います。

GPUは必要ですか？

すべてのタスクにGPUが必要なわけではありませんが、本格的な大規模トレーニングでは通常、CUDAと十分なメモリの恩恵を受けます。

ユーザーは遅いトレーニングをどのように改善すべきですか？

変更を加える前に、steps per second、環境ステップ時間、ワーカー設定、バッチサイズ、GPU使用率をプロファイリングする必要があります。

開発者情報

作成者

K-Dense-AI

ライセンス

MIT license

Skillstore リビジョン

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。

リポジトリ

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/pufferlib

参照

b8ca75d2c0a7e7102978993058777d82b8ab2610

メンテナンスの新しさ

2026/7/18

利用状況

16 ダウンロード · 215 閲覧

ファイル構成

📁 references/

📄 environments.md

📄 integration.md

📄 policies.md

📄 training.md

📄 vectorization.md

📁 scripts/

📄 env_template.py

📄 train_template.py

📄 evaluation_result.json

MLトレーニング失敗のデバッグ

作成者 DNYoussef

MLトレーニングは、NaN損失、過学習、遅い収束、不安定な勾配によって失敗することがあります。このスキルは、診断、対象を絞った修正、検証、レポート作成を支援します。

データ＆アナリティクス表示

pufferlib

自分のエージェントでインストール

エージェントが読めるリソース

テストする

セキュリティ監査

確認済みのセキュリティ上の懸念 (1)

リスク要因

レポートリンクをコピー

Markdownバッジ

HTMLバッジ

埋め込みカード

APA形式の引用

BibTeX形式の引用

CITATION.cff

バリアントを比較

Skillstore スコア

作成できるもの

RLトレーニングをベンチマークする

カスタム環境を構築する

マルチエージェントフレームワークを連携する

これらのプロンプトを試す

ベストプラクティス

回避

よくある質問

開発者情報

K-Dense-AI のその他のスキル

venue-templates

iso-13485-certification

pytdc

diffdock

hypothesis-generation

statistical-analysis

関連スキル

senior-data-scientist

ml-antipattern-validator

senior-ml-engineer

torch-geometric

scikit-learn

when-debugging-ml-training-use-ml-training-debugger