nanochat-llm-training
nanochatを使用すれば、100ドル以下の低コストでGPT-2レベルの大規模言語モデルを訓練できます。これはKarpathyによる最小限のハッキング可能なツールで、トークン化、事前学習、ファインチューニング、評価、推論、チャットUIなど、必要な全ての機能をカバーしています。
description の原文を見る
Train your own GPT-2 level LLM for under $100 using nanochat, Karpathy's minimal hackable harness covering tokenization, pretraining, finetuning, evaluation, inference, and chat UI.
SKILL.md 本文
nanochat LLM トレーニング
スキル提供: ara.so — Daily 2026 Skills collection.
nanochat は Karpathy による最小限で改造可能なハーネスで、単一の GPU ノード上で LLM をエンドツーエンドでトレーニングすることができます。トークン化、事前トレーニング、SFT ファインチューニング、RL、評価（DCLM CORE スコア）、KV キャッシュを使用した推論、ChatGPT 風の Web UI をカバーしています。単一の複雑度ダイアル（--depth）で、他のすべてのハイパーパラメーター（幅、ヘッド数、学習率、トレーニング期間、重み減衰）が自動的に設定され、計算量最適なトレーニングが実現します。GPT-2 レベルの能力（2019 年では $43,000）を 8×H100 ノードで約 $48 の費用で再現できます（約 2 時間）。
インストール
nanochat は依存関係管理に uv を使用します：
git clone https://github.com/karpathy/nanochat.git
cd nanochat
# 必要に応じて uv をインストール
curl -LsSf https://astral.sh/uv/ins
...
詳細情報
- 作者
- aradotso
- ライセンス
- unknown
- 最終更新
- 不明
Source: https://github.com/aradotso/trending-skills / ライセンス: unknown
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。