common

Shared ModelOpt support files. Use only when another ModelOpt skill directs you here.

الانتقال إلى التثبيت مراجعة الملفات

المستودع: NVIDIA/Model-Optimizer
آخر نشاط في المصدر: ٣ نوفمبر ٢٠٢٦ في ١٧:١٣
لغة SKILL.md المكتشفة: الإنجليزية
النجوم: ٥٬٥٣٦
التفرعات: ٨٠٠

خيارات التثبيت

يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.

التثبيت بمساعدة مساعد ذكي

انسخ هذا الطلب إلى المساعد الذكي الذي تستخدمه.

Follow https://skillsmp.com/skill-install/prompt.md to install only the Agent Skill at https://github.com/NVIDIA/Model-Optimizer/tree/main/plugins/modelopt/skills/common.

يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.

npx skills add https://github.com/NVIDIA/Model-Optimizer --skill common

يبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.

تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.

مراجعة ملفات المصدر

اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.

مستكشف الملفات

7 ملفات

SKILL.md

تعليمات المصدر · معاينة للقراءة فقط

name: common
description: Shared ModelOpt support files. Use only when another ModelOpt skill directs you here.

# Shared ModelOpt Support This skill is a placeholder required for Codex plugin validation. Read only the file named by the calling ModelOpt skill.

عرض على GitHub

العودة إلى البحث العودة إلى التثبيت

qad

Run explicitly requested ModelOpt Quantization-Aware Distillation (QAD) through Megatron Bridge (recommended) or Hugging Face Transformers to recover a measured BF16-to-PTQ accuracy gap. Use only when the user explicitly asks for QAD, including its topology, data preparation, launch, resume, checkpoint export, or recovery decisions.

2026-11-04

quant-recipe-search

Use when the user asks to find, search for, or optimize the best quantization recipe for a model, including direct requests like "find the best quantization recipe and generate a PTQ checkpoint." Guides the multi-candidate loop: choose compute-vs-memory success metrics, select ModelOpt recipe baselines, design AutoQuant/manual recipe deltas, interpret sensitivity, and decide next candidates. Do NOT use for a single known PTQ recipe run (use ptq), serving (use deployment), creating/running evals (use evaluation or launching-evals), monitoring jobs (use monitor), MLflow browsing (use accessing-mlflow), or comparing completed baseline-vs-candidate scores only (use compare-results).

2026-11-04

evaluation

Evaluates accuracy of quantized or unquantized LLMs using NeMo Evaluator Launcher (NEL). Triggers on "evaluate model", "benchmark accuracy", "run MMLU", "evaluate quantized model", "run nel". Handles deployment, config generation, and evaluation execution. Always load when validating completed runs or reporting evaluation scores, including standalone launching-evals analysis. Not for quantizing models (use ptq), standalone serving (use deployment), or comparing completed baseline-vs-quantized results (use compare-results).

2026-11-03

عرض الكل من هذا المستودع

common

معلومات المصدر

خيارات التثبيت

التثبيت بمساعدة مساعد ذكي

مراجعة ملفات المصدر

المزيد من هذا المستودع

التثبيت بمساعدة مساعد ذكي

المزيد من هذا المستودع