搜索结果: "量化"
面试准备技能Skill interview-preparation
面试准备技能是一种综合性的职业发展技能，旨在帮助求职者系统性准备各类面试，包括行为面试、技术面试、作品集评审和薪资谈判等。它运用STAR/CAR框架构建故事库，提供常见问题模式、公司研究策略和谈判技巧，强调量化成果和个性化准备。关键词包括：面试准备、求职技巧、行为面试、技术面试、薪资谈判、公司研究、STAR方法、CAR框架、故事银行、面试策略。
信号交易Skill signals
这个技能用于监控外部信号源（如RSS、Twitter、Telegram和webhooks），自动触发交易。它支持过滤规则、配置交易参数，专用于Solana区块链上的量化交易。关键词：信号交易、量化交易、自动交易、Solana、算法交易。
流星DLMM交易助手Skill meteora
流星DLMM交易助手是一个基于Solana区块链的动态流动性市场制造商（DLMM）命令行工具，专为去中心化金融（DeFi）交易设计。它支持代币交换、获取实时报价和列出DLMM池，帮助用户高效管理流动性并进行量化交易。关键词：Solana, DLMM, 动态流动性, 市场制造商, DeFi, 量化交易, 区块链。
代币交易技能Skill BankrDev-TokenTrading
此技能用于执行区块链代币的买卖、交换和跨链操作，支持量化交易和智能合约集成，适用于交易机器人开发和Web3应用。关键词包括代币交易、区块链、量化交易、跨链桥、智能合约和Web3。
Jupyter笔记本执行器Skill jupyter-notebook-executor
Jupyter笔记本执行器是一个用于自动化执行、参数化管理和结果提取的编程工具。它支持机器学习工作流中的探索性数据分析（EDA）、模型解释性分析和实验自动化。主要功能包括参数化笔记本运行、输出提取验证、格式转换（HTML/PDF）、单元格执行控制、错误处理和超时管理。适用于数据科学、量化金融和AI开发中的自动化分析流程。
Opinion.trade预测市场交易Skill opinion
这是一个用于在 Opinion.trade 预测市场进行链上交易和数据分析的技能。它允许用户通过命令行接口搜索市场、获取实时价格、查看订单簿、下达买卖订单以及管理账户。该技能集成了 BNB 链上的去中心化中央限价订单簿 (CLOB)，支持对政治、加密货币、体育等各类事件的未来结果进行投机或对冲。关键词：预测市场，区块链交易，BNB链，链上订单簿，量化交易，DeFi，智能合约，市场数据，API集成。
模型优化Skill ModelOptimization
模型优化技能涉及一系列技术，用于在保持准确度的同时减小机器学习模型的大小、提高推理速度。关键技术包括量化、剪枝、知识蒸馏等，旨在实现模型的高效部署。
大模型量化科普写作Skill "大模型量化科普写作"
这个技能用于生成关于大模型量化技术的公众号级科普文章，帮助技术大众（如AI爱好者、初级工程师）轻松理解复杂AI概念，通过生活化类比、结构化对比和避坑指南降低学习门槛，遵循三段式逻辑，确保内容可读性强。关键词：大模型量化、科普写作、公众号、AI工程化、技术传播。
令牌指标自动化Skill token-metrics-automation
此技能通过Rube MCP和Composio的Token Metrics工具包，实现令牌指标的自动化操作，支持量化金融和数据分析领域的工具发现、连接管理和任务执行，关键词包括Token Metrics、自动化、量化交易、数据分析、Rube MCP、Composio。
Ralph量化工具集Skill ralph-tools
Ralph量化工具集是专门为股票量化交易设计的软件工具，提供数据统计分析、算法交易策略开发和回测系统功能，适用于量化金融领域的专业人士，关键词包括量化交易、数据分析、策略回测、股票评估。
统计分析技能Skill statistical-analysis
统计分析技能用于应用统计方法，包括描述性统计、趋势分析、异常检测和假设测试，帮助进行数据分析、量化金融、股票评估、商业智能等任务，有效检测异常、计算相关性、测试显著性，优化决策。关键词：统计分析、量化金融、数据科学、趋势分析、假设测试、异常检测、SEO搜索优化。
vLLM高性能LLM推理服务Skill serving-llms-vllm
vLLM是一个用于部署和优化大语言模型（LLM）推理的开源框架，支持高吞吐量、低延迟推理，通过PagedAttention和连续批处理技术提升效率，兼容OpenAI API，并适用于量化模型（如AWQ、GPTQ、FP8）和GPU内存受限环境。关键词：vLLM，大语言模型，推理服务，PagedAttention，连续批处理，高吞吐量，量化模型，AI部署，OpenAI兼容，LLM推理