该技能是NeMo-RL实验的自动化研究代理工作流，用于执行假设检验、开放式发现和长期研究活动。它涵盖从阅读配方、运行基线到迭代实验的完整流程，以Git和TSV日志作为实验账本，并支持按用户定义的停止条件管理实验预算。关键词：NeMo-RL、自动研究、强化学习、实验、基线、假设检验、复现、日志。

该技能是一份详细的操作手册，指导用户通过nrl-k8s CLI在Kubernetes集群上启动、监控、停止和调试NeMo-RL训练任务。内容包括临时RayJob模式与长生命周期RayCluster模式的区别、配方和基础设施文件的选择、相关命令行标志、端到端工作流程、常见陷阱及排错方法。该技能适用于需要高效管理和迭代大规模强化学习训练任务的场景。搜索关键词：NeMo-RL、Kubernetes、RayCluster、RayJob、nrl-k8s、训练调度、调试、分布式训练。

本技能为NeMo-RL智能体在Brev实例上运行提供操作规范，涵盖存储分层规则、环境密钥安全加载、缓存与临时目录路径重定向、实验目录规划、启动前磁盘检查、运行中监控及清理策略。适用于nemo-rl-auto-research活动、训练任务、模型/数据集下载、W&B/Hugging Face认证流程等需要处理大文件和认证的工作流。关键词：Brev、NeMo-RL、存储管理、环境变量、缓存、实验管理、自动研究、强化学习、训练、磁盘管理。