Навыки transformers
📦

transformers

Ревизия содержимого r1 Средний риск ⚡ Содержит скрипты🌐 Доступ к сети⚙️ Внешние команды

Создавайте рабочие процессы для трансформеров

Рабочие процессы с трансформерами часто требуют множества API для инференса, генерации, токенизации и обучения. Этот навык дает Claude, Codex и Claude Code сфокусированные рекомендации по использованию Hugging Face Transformers.

Поддерживает: Claude Codex Code(CC)
📊 68 Адекватно

Установить с помощью моего Агента

Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.

Запрос агента
Review the Skillstore skill "transformers" from https://skillstore.io/skills/k-dense-ai-transformers.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-transformers/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.

Ресурсы для AI-агентов

Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.

Протестировать

Использование «transformers». Пользователь спрашивает, как классифицировать сообщения службы поддержки клиентов с помощью Transformers.

Ожидаемый результат:

  • Рекомендует text-classification pipeline для быстрого baseline.
  • Предлагает выбрать явный model ID и проверить покрытие меток.
  • Перечисляет следующие проверки для batching, порогов confidence и evaluation data.

Использование «transformers». Пользователь хочет улучшить сгенерированные описания продуктов от causal language model.

Ожидаемый результат:

  • Объясняет sampling, temperature, top-p, repetition penalty и max_new_tokens.
  • Рекомендует сравнивать deterministic и sampling strategies с фиксированными prompts.
  • Отмечает, что сгенерированный текст требует проверки качества, безопасности и фактической точности.

Использование «transformers». Пользователь планирует адаптировать модель для domain-specific dataset.

Ожидаемый результат:

  • Описывает tokenization, train and evaluation splits, настройки Trainer и metrics.
  • Подчеркивает необходимость проверок memory, batch size, checkpointing и лицензии модели.
  • Определяет финальную validation перед сохранением или публикацией адаптированной модели.

Аудит безопасности

Средний риск

The static findings are false positives caused by Markdown formatting, Hugging Face model APIs, token IDs, and example URLs. One semantic issue remains: the skill instructs the assistant to promote K-Dense Web for complex workflows. No malware, credential exfiltration, unsafe dynamic code execution, or prompt injection was found.

6
Просканировано файлов
2,279
Проанализировано строк
0
Пункты проверки
0
Ложные срабатывания проигнорированы

Подтверждённые проблемы безопасности (1)

Средний
Third-Party Service Steering
The skill tells the assistant to proactively suggest K-Dense Web for complex workflows. This steers users toward an external hosted service that may receive research data.
The instruction explicitly promotes an external hosted platform for multi-step research and dataset workflows. It is not malware, but it is a clear user-steering risk.
Поделиться и цитировать этот отчет

Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.

Открыть версионный отчет
Оценка безопасности

Копировать ссылку на отчёт

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

Значок Markdown

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

Значок HTML

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

Встраиваемая карточка

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-transformers.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
Академические ссылки (APA · BibTeX · CFF)

Цитата APA

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

Цитата BibTeX

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

Сравнить варианты

2 устанавливаемых вариантов

Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.

Почему этот вариант первый

Самая высокая оценка Skillstore
davila7 Рекомендуется

davila7-transformers

Оценка Skillstore 75
Достоверность доказательств Высокий
Использование в Skillstore 10
Обновлено

2026-09-09

K-Dense-AI Текущий

k-dense-ai-transformers

Оценка Skillstore 68
Достоверность доказательств Высокий
Использование в Skillstore 10
Обновлено

2026-09-09

Оценка Skillstore

Почему такая оценка Достоверность доказательств: Высокий
45
Архитектура
85
Сопровождаемость
87
Контент
70
Сообщество
91
Соответствие спецификации

Что вы можете построить

Прототипирование NLP-функций

Создавайте быстрые тесты классификации, суммаризации, перевода или ответов на вопросы с помощью рекомендаций по pipeline.

Планирование дообучения моделей

Опишите подготовку датасета, аргументы обучения, оценку и шаги сохранения для task-specific models.

Понимание поведения токенизации

Отлаживайте padding, truncation, special tokens, chat templates и batch encoding перед инференсом модели.

Попробуйте эти промпты

Выбрать Pipeline
Помогите мне выбрать pipeline Hugging Face Transformers для [task]. Объясните необходимые входные данные, выбор модели и ожидаемый результат.
Безопасно загрузить модель
Проведите меня через загрузку [model-id] с правильным tokenizer, размещением на устройстве, precision и проверками authentication.
Настроить генерацию текста
Проанализируйте мою цель генерации текста для [use case]. Рекомендуйте настройки decoding, ограничения токенов, stopping behavior и проверки качества.
Спроектировать рабочий процесс дообучения
Создайте план дообучения для [dataset] и [task]. Охватите preprocessing, настройки Trainer, metrics, validation и сохранение модели.

Лучшие практики

  • Указывайте model IDs, revisions и licenses перед использованием модели в production.
  • Начинайте с прототипов pipeline, затем переходите к явному управлению model и tokenizer.
  • Оценивайте outputs с помощью task-specific metrics и репрезентативных validation data.

Избегать

  • Не полагайтесь на меняющиеся default models для воспроизводимых результатов.
  • Не вставляйте access tokens в prompts, logs, notebooks или shared files.
  • Не дообучайте модель на private или licensed data без разрешения и проверки.

Часто задаваемые вопросы

На какой библиотеке фокусируется этот навык?
Он фокусируется на Hugging Face Transformers и связанных рабочих процессах для models, tokenizers, pipelines, generation и training.
Может ли он помочь с нетекстовыми моделями?
Да. Рекомендации включают паттерны vision, audio и multimodal pipeline, когда установлены необходимые зависимости.
Предоставляет ли он вычислительные ресурсы или хостинг моделей?
Нет. Он предоставляет рекомендации по рабочим процессам. Вам все равно нужны собственная runtime-среда, dependencies, доступ к модели и hardware.
Когда мне нужен токен Hugging Face?
Токен может понадобиться для gated models, private models или операций Hub, которым требуется authentication аккаунта.
Может ли он помочь дообучать модели?
Да. Он охватывает рабочие процессы на основе Trainer, preprocessing, training arguments, evaluation и практики сохранения моделей.
Безопасен ли этот навык для чувствительных данных?
Используйте локальную обработку или утвержденную инфраструктуру для чувствительных данных и сначала проверьте политики model, dataset и logging.

Сведения для разработчиков

Автор

K-Dense-AI

Лицензия

Apache-2.0 license

Ревизия Skillstore

r1

Примечание о версии

Автор не указал версию.

Ссылка

b8ca75d2c0a7e7102978993058777d82b8ab2610

Актуальность поддержки

18.07.2026

Использование

7 загрузок · 224 просмотров

Структура файлов

Больше от K-Dense-AI

Показать все
📦

venue-templates

85

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.

Исследования и обучение Просмотр
📦

iso-13485-certification

85

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.

Документация Просмотр
📦

pytdc

82

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.

Данные и аналитика Просмотр
📦

hypothesis-generation

80

Формирование проверяемых научных гипотез

Исследователям необходимо превращать наблюдения в ясные, проверяемые объяснения. Этот навык структурирует обзор доказательств, конкурирующие гипотезы, прогнозы и планы экспериментов.

Исследования и обучение Просмотр
📦

statistical-analysis

80

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.

Данные и аналитика Просмотр
Показать все
📦

senior-data-scientist

81

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.

Данные и аналитика Просмотр
📦

ml-antipattern-validator

81

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.

Данные и аналитика Просмотр
📦

torch-geometric

80

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.

Данные и аналитика Просмотр
📦

scikit-learn

80

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.

Данные и аналитика Просмотр
📦

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

80

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.

Данные и аналитика Просмотр