掌握 LLM 申请的综合评估策略，从自动化指标到人工评估和 A/B 测试。

LlamaGuard是专门用于内容安全分类的7-8B参数模型。

具有最小依赖性的纯 C/C++ LLM 推理，针对 CPU 和非 NVIDIA 硬件进行了优化。

按照严格的学术方法进行系统、全面的文献综述。搜索多个文献数据库，按主题综合研究结果，验证所有引用的准确性，并生成 Markdown 和 PDF 格式的专业输出文档。

研究海报是会议、研讨会和学术活动中科学交流的重要媒介。该技能为使用 LaTeX 包创建专业的、具有视觉吸引力的研究海报提供了全面的指导。生成具有适当布局、排版、配色方案和视觉层次结构的出版质量海报。

Latch 是一个 Python 框架，用于将生物信息学工作流程构建和部署为无服务器管道。基于 Flyte 构建，使用 @workflow/@task 装饰器创建工作流，使用 LatchFile/LatchDir 管理云数据，配置资源并集成 Nextflow/Snakemake 管道。

掌握 LangChain 框架，通过代理、链、内存和工具集成构建复杂的 LLM 应用程序。

用于构建 LLM 支持的应用程序的最流行的框架。

LaminDB 是一个开源生物学数据框架，旨在使数据可查询、可追踪、可重现和公平（可查找、可访问、可互操作、可重用）。它提供了一个统一的平台，通过单个 Python API 将 Lakehouse 架构、谱系跟踪、特征存储、生物本体、LIMS（实验室信息管理系统）和 ELN（电子实验室笔记本）功能结合在一起。

当您需要执行以下操作时，请使用知识蒸馏：

KEGG（京都基因和基因组百科全书）是用于生物途径分析和分子相互作用网络的综合生物信息学资源。

使用现代测试框架和最佳实践在 JavaScript/TypeScript 应用程序中实施稳健测试策略的综合指南。

专家级信息安全管理系统 (ISMS) 审核，全面了解 ISO 27001、安全审核方法、安全控制评估和网络安全合规性验证。

这项技能无需手动操作，即可将杂乱的发票、收据和财务文件文件夹转变为干净、可报税的归档系统。

要编写内部通信，请将此技能用于：

当您需要执行以下操作时，请使用讲师：

这项技能可以获取您的图像和屏幕截图，并使它们看起来更好——更锐利、更清晰、更专业。

假设生成是开发可检验解释的系统过程。根据观察形成基于证据的假设、设计实验、探索相互竞争的解释并做出预测。将这项技能应用于跨领域的科学探究。

Hypogenic 使用大型语言模型提供自动假设生成和测试，以加速科学发现。该框架支持三种方法：HypoGeniC（数据驱动假设生成）、HypoRefine（协同文献和数据集成）和 Union 方法（文献和数据驱动假设的机械组合）。

快速、可用于生产的分词器，具有 Rust 性能和 Python 易用性。