基于SHAP框架解释机器学习模型预测，提供特征归因、局部与全局解释及可视化。适用于调试模型、审计公平性、对比特征重要性及向利益相关者展示可解释性结果。
TensorBoard是用于机器学习可视化的工具，支持训练指标监控、模型调试、实验对比、架构可视化及性能分析。
指导调试AReaL分布式训练问题，涵盖死锁、结果错误、OOM及通信故障。提供最小复现策略、环境配置及具体排查步骤，辅助快速定位分布式训练中的技术瓶颈。
提供Apache Spark作业的性能优化方案，涵盖分区策略、内存管理、Shuffle优化及数据倾斜处理。用于调试慢任务、调整配置及扩展数据处理流水线。
面向LLM智能体强化学习训练、评估及实验设计的故障排查技能。针对奖励不收敛、KL发散等具体症状，提供基于知识图谱的根因分析与修复建议，辅助算法选型与调优。
用于分析、调试和多GPU训练调优LengthPoolSortDataset跨rank长度同步机制，解决梯度同步瓶颈。
用于修复机器学习实验中的工程故障，如NaN、GPU OOM、数据加载瓶颈及复现失败等。旨在区分代码错误与科学发现，优先解决导致实验无效的底层技术问题。
- «
- 1
- »
