Более быстрое обучение агентов с подкреплением
Эксперименты по обучению с подкреплением замедляются, когда среды и циклы обучения не масштабируются. PufferLib помогает Claude, Codex и Claude Code проектировать более быстрые векторизованные рабочие процессы обучения.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
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.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «pufferlib». Спланируй быстрый PPO-эксперимент для задачи Gymnasium.
Ожидаемый результат:
Использование «pufferlib». Спроектируй пользовательскую мультиагентную grid-задачу.
Ожидаемый результат:
Использование «pufferlib». Оптимизируй существующий рабочий процесс обучения PufferLib.
Ожидаемый результат:
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.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/k-dense-ai-pufferlib/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/k-dense-ai-pufferlib?utm_source=security_passport_badge)<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><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>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@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}
}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"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
k-dense-ai-pufferlib
2026-09-09
davila7-pufferlib
2026-09-09
Настройте быстрые эксперименты PPO в стандартных средах и сравните пропускную способность при разных настройках векторизации.
Спроектируйте задачу PufferEnv с понятными пространствами, логикой reset, логикой step и проверками валидации.
Адаптируйте среды PettingZoo или Gymnasium для обучения с PufferLib с общими или независимыми политиками.
Помоги мне спланировать запуск обучения PufferLib PPO для CartPole. Включи выбор среды, тип политики, логирование и настройки checkpoints.
Спроектируй задачу PufferEnv в grid-world с четырьмя действиями, векторными наблюдениями, логикой reset, логикой step, наградами и проверками валидации.
Проверь мою настройку обучения PufferLib из-за низкого количества steps per second. Порекомендуй num_envs, num_workers, размер батча и проверки профилирования.
Помоги мне интегрировать мультиагентную среду PettingZoo с PufferLib. Сравни общие политики, независимые политики, wrappers и этапы тестирования.
Автор
K-Dense-AIЛицензия
MIT license
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/pufferlibСсылка
b8ca75d2c0a7e7102978993058777d82b8ab2610
Актуальность поддержки
18.07.2026
Использование
16 загрузок · 215 просмотров
Структура файлов
Подготовка материалов для академических площадок
Академические материалы часто не проходят проверку, потому что правила оформления различаются в зависимости от площадки. Этот навык предоставляет шаблоны, требования и примеры для более быстрой подготовки.
Подготовка документов для сертификации ISO 13485
Команды, работающие с медицинскими изделиями, должны подготовить полный комплект документации СМК перед сертификационными аудитами. Этот навык предоставляет шаблоны, чек-листы и рекомендации по анализу пробелов для готовности к ISO 13485.
Анализируйте терапевтические ML-наборы данных с PyTDC
Командам по разработке лекарств нужны надежные наборы данных и справедливые протоколы оценки. Этот навык помогает Claude использовать PyTDC для курируемых терапевтических ML-данных, benchmark-разбиений, метрик и молекулярных оракулов.
Выполнение молекулярного докинга DiffDock
Докинг белка и лиганда требует тщательной настройки, выбора параметров и интерпретации результатов. Этот навык помогает с рабочими процессами DiffDock для поз, оценок уверенности и скрининга.
Формирование проверяемых научных гипотез
Исследователям необходимо превращать наблюдения в ясные, проверяемые объяснения. Этот навык структурирует обзор доказательств, конкурирующие гипотезы, прогнозы и планы экспериментов.
Анализируйте исследовательские данные со статистической поддержкой
Выбор тестов и оформление результатов могут быть медленными и чреватыми ошибками. Этот skill помогает с выбором тестов, проверкой предпосылок, размерами эффекта, анализом мощности, байесовскими вариантами и оформлением по APA.
Проектирование экспериментов и моделей в науке о данных
от alirezarezvani
Проекты в области науки о данных часто терпят неудачу, когда эксперименты, признаки и модели не имеют четкой статистической структуры. Этот навык дает Claude, Codex и Claude Code пошаговые рабочие процессы для экспериментов, инженерии признаков и анализа моделей.
Проверка ML-процессов на скрытые антипаттерны
от Doyajin174
ML-проекты могут выглядеть точными, пока утечка данных или слабая оценка скрывают серьезные недостатки. Этот навык помогает проводить структурированные проверки разбиений, метрик, обучения и готовности к развертыванию.
Создание production-систем ML и RAG
от davila7
Production-системы ML сложно последовательно проектировать, развертывать и мониторить. Этот навык помогает с MLOps, интеграцией LLM, архитектурой RAG и локальными заготовками рабочих процессов.
Создание графовых нейронных сетей с помощью PyTorch Geometric
от davila7
Проекты по машинному обучению на графах требуют тщательного выбора данных, моделей, методов сэмплирования и оценки. Этот навык предоставляет руководства, примеры, шаблоны, тесты производительности и утилиты визуализации для PyTorch Geometric.
Создание рабочих процессов машинного обучения scikit-learn
от davila7
Проектам машинного обучения нужны согласованные шаблоны предобработки, оценки и выбора моделей. Этот навык дает Claude, Codex и Claude Code целевые рекомендации по scikit-learn со справочными материалами и примерами.
Отладка сбоев ML-обучения
от DNYoussef
ML-обучение может завершаться сбоем из-за loss со значением NaN, переобучения, медленной сходимости или нестабильных градиентов. Этот навык помогает с диагностикой, точечными исправлениями, валидацией и подготовкой отчетов.