Acerca de
Esta habilidad proporciona configuraciones de parámetros de LLM basadas en evidencia, optimizadas para diferentes tareas, particularmente para demostración de teoremas y razonamiento formal. Incluye ajustes específicos de temperatura, tokens y muestreo basados en la investigación APOLLO para mejorar la generación de pruebas. Los desarrolladores deben utilizarla al configurar Claude para razonamiento matemático o tareas de cadena de pensamiento que requieran salidas estructuradas.
Instalación rápida
Claude Code
Recomendadonpx skills add scooter-lacroix/Maestro -a claude-code/plugin add https://github.com/scooter-lacroix/Maestrogit clone https://github.com/scooter-lacroix/Maestro.git ~/.claude/skills/llm-tuning-patternsCopia y pega este comando en Claude Code para instalar esta habilidad
Repositorio GitHub
Preguntas frecuentes
¿Qué es el Skill llm-tuning-patterns?
llm-tuning-patterns es un Skill de Claude creado por scooter-lacroix. Los Skills agrupan instrucciones y recursos que Claude carga cuando los necesita para realizar tareas relacionadas con llm-tuning-patterns sin indicaciones adicionales.
¿Cómo instalo llm-tuning-patterns?
Usa los comandos de instalación de esta página: añade llm-tuning-patterns a Claude Code como plugin o clona su repositorio en tu directorio de skills y reinicia Claude para cargarlo.
¿A qué categoría pertenece llm-tuning-patterns?
llm-tuning-patterns pertenece a la categoría Otro.
¿Se puede usar llm-tuning-patterns gratis?
Sí. llm-tuning-patterns aparece en AIMCP y se puede instalar gratis.
Habilidades relacionadas
LlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.
Esta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.
Esta habilidad de Claude analiza los mercados de apuestas deportivas, incluyendo spreads, over/unders y apuestas de propuestas, mediante el examen de tendencias históricas y estadísticas situacionales para identificar apuestas de valor. Proporciona una salida en markdown estructurado con recomendaciones accionables con fines educativos. Los desarrolladores deben utilizar esto para herramientas de análisis de apuestas deportivas, teniendo en cuenta que está diseñado únicamente para entretenimiento/educación.
Esta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.