training-efficiency-audit

审计机器学习训练工作流中的计算资源浪费问题，包括：未使用早停机制、暴力式超参数搜索、未启用混合精度训练、检查点间隔过大导致必须完全重启、重复训练以及加速器闲置。当用户分享训练脚本/配置（PyTorch、TensorFlow、JAX、HF Trainer）、搜索配置（Optuna、W&B、Ray Tune），询问训练为何缓慢或成本高昂，或要求进行训练可持续性审查时，请使用此技能。属于“精益智能体AI技能”的一部分；输出结果为 lean-findings.json。

模型生成摘要（rules/v1 · 2026-11-15 13:23）：审计机器学习训练工作流中的计算资源浪费问题，包括：未使用早停机制、暴力式超参数搜索、未启用混合精度训练、检查点间隔过大导致必须完全重启、重复训练以及加速器闲置
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-15 13:23	617ddb81	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。