# tao-analyze-gaps-vlm-bcq

Скилл tao-analyze-gaps-vlm-bcq находит ложноположительные и ложноотрицательные ответы VLM в задачах бинарной классификации. Помогает подготовить отчёт об ошибках для пайплайнов TAO и DEFT.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 1600 установок · ★ 4106 у репозитория
- Автор: NVIDIA Corporation
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/tao-analyze-gaps-vlm-bcq/SKILL.md
- Обновлён: 2026-10-30
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/tao-analyze-gaps-vlm-bcq

## Что делает

Скилл сравнивает ответы VLM из JSON-файла с эталонной разметкой для вопросов формата да/нет. Вспомогательный скрипт `prepare_vlm_bcq_spec.py` генерирует YAML-спецификацию, после чего внутри контейнера TAO Data Services запускается команда `gap_analysis vlm_bcq -e <spec>`. Поиск ответов выполняется по границам слов: если в строке присутствуют одновременно «yes» и «no» либо нет ни одного из них, пример пропускается с предупреждением.

На выходе инструмент создаёт файл `kpi_gaps.jsonl` с описанием каждого сбоя и текстовый отчёт `kpi_gaps_report.txt` с общим количеством ошибок. Без видимого GPU запуск упадёт: хотя сам анализ не производит вычислений на видеокарте, образ контейнера Data Services обязательно выполняет вызов `nvidia-smi`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-analyze-gaps-vlm-bcq -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/tao-analyze-gaps-vlm-bcq/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/tao-analyze-gaps-vlm-bcq/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-analyze-gaps-vlm-bcq -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/tao-analyze-gaps-vlm-bcq/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-analyze-gaps-vlm-bcq -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/tao-analyze-gaps-vlm-bcq/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills skills/tao-analyze-gaps-vlm-bcq
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/tao-analyze-gaps-vlm-bcq/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-analyze-gaps-vlm-bcq -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/tao-analyze-gaps-vlm-bcq
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/tao-analyze-gaps-vlm-bcq/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-analyze-gaps-vlm-bcq -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/NVIDIA/skills/tree/HEAD/skills/tao-analyze-gaps-vlm-bcq/SKILL.md

## Когда брать
- Выделить ложные срабатывания и пропуски из предсказаний VLM
- Сформировать датасет ошибок `kpi_gaps.jsonl` для анализа первопричин в DEFT
- Сгенерировать спецификацию `vlm_bcq_spec.yaml` для TAO Data Services
- Подсчитать общее число неверных ответов модели в сводном отчёте

## Примеры запросов агенту
- Проанализируй ошибки VLM в файле /data/results.json относительно ground truth
- Подготовь vlm_bcq_spec.yaml и найди все false positives в предсказаниях модели
- Сделай gap analysis для бинарных ответов VLM через TAO Data Services

## Похожие
- [analyze](https://affpapa.org/nevibecode/skills/uipath-analyze.md) — скилл · ★ 160 у репозитория
- [VLM](https://affpapa.org/nevibecode/skills/vlm.md) — скилл · 344 установки
- [ai-readiness-assessment](https://affpapa.org/nevibecode/skills/ai-readiness-assessment.md) — скилл · 260 установок
- [test-gaps](https://affpapa.org/nevibecode/skills/test-gaps.md) — скилл · 755 установок
- [langfuse](https://affpapa.org/nevibecode/skills/langfuse-langfuse.md) — скилл · 21400 установок
- [open-autoglm-phone-agent](https://affpapa.org/nevibecode/skills/open-autoglm-phone-agent.md) — скилл · 1400 установок

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 312 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
