全部 skill

llama.cpp 本地 GGUF 推理，并从 HuggingFace Hub 发现模型。

清洗大模型训练数据：去重、过滤与 PII 脱敏。

High-throughput LLM inference on NVIDIA GPUs.EN

NVIDIA 的 LLM 应用运行时安全框架。特性：越狱检测、输入/输出验证、事实核查、幻觉检测、PII 过滤、毒性检测。用 Colang 2.0 DSL 写可编程护栏。生产就绪，跑在 T4 GPU。

用 NVIDIA TensorRT 优化 LLM 推理达最大吞吐与最低延迟。在 NVIDIA GPU（A100/H100）生产部署、需比 PyTorch 快 10-100× 的推理、或用量化（FP8/INT4）、在途批处理、多 GPU 扩展服务模型时使用。

GPU 加速的 LLM 训练数据策展。支持文本/图像/视频/音频。特性：模糊去重（快 16×）、质量过滤（30+ 启发）、语义去重、PII 脱敏、NSFW 检测。经 RAPIDS 跨 GPU 扩展。准备高质量训练集、清洗 web 数据、或去重大语料时使用。

用 NVIDIA Megatron-Core 高级并行策略训练大模型（2B-462B 参数）。训练 >1B 参数模型、需最大 GPU 效率（H100 上 47% MFU）、或需张量/流水线/序列/上下文/专家并行时使用。Nemotron、LLaMA、DeepSeek 用的生产框架。

跨 100+ 基准（来自 18+ harness，含 MMLU、HumanEval、GSM8K、安全、VLM）多后端执行评估 LLM。需在本地 Docker、Slurm HPC、或云平台可扩展评估时使用。NVIDIA 企业级平台，容器优先架构做可复现基准。