quantization-evaluation-pipeline
Execute GGUF quantization with imatrix protection, perform statistical benchmark evaluation with error bars, generate academic-style methodology documentation, and create comprehensive scorecards. Use when evaluating model quantization quality, comparing quantization methods, or generating publication-ready evaluation results with subagent execution and PowerShell progress visualization.
npx skills add majiayu000/claude-skill-registry --skill quantization-evaluation-pipeline-zapabob-so8t --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# GGUF量子化評価パイプライン ## 概要 このスキルは、GGUF量子化におけるimatrix保護を使用した高度な評価パイプラインを実行します。統計的ベンチマーク評価、エラーバー付きグラフ生成、学術文献形式の手法記述、そしてサブエージェントによる実行とPowerShell進捗可視化を提供します。 ## 主な機能 ### 1. GGUF量子化 with imatrix保護 - imatrixデータ収集と重要度ベース量子化 - BF16/Q8_0/Q4_K_Mなどの量子化形式対応 - 量子化劣化の最小化 ### 2. 統計的ベンチマーク評価 - GSM8K, MATH, ARC-Challenge, ELYZA Tasks 100 - 複数回実行による統計的信頼性確保 - エラーバー付き性能グラフ生成 ### 3. 学術文献形式ドキュメント - 手法の詳細な記述 - 実験設定と結果の体系的整理 - 出版-readyなフォーマット ### 4. サブエージェント実行 - 並列処理による効率化 - リアルタイム進捗監視 - エラー回復機能 ### 5. PowerShell進捗可視化 - リアルタイム進捗バー - リソース使用量表示 - 推定残り時間計算 ## 使用方法 ### 基本実行 ```bash # 量子化評価パイプライン実行 python scripts/quantization_evaluation_pipeline.py --model models/aegis_v25_final --quantizations bf16,q8_0,q4_k_m ``` ### パラメータ - `--model`: 評価対象モデルパス - `--quantizations`: 量子化形式（カンマ区切り） - `--benchmarks`: 評価ベンチマーク（デフォルト: gsm8k,math,arc_challenge,elyza） - `--runs`: 各評価の繰り返し回数（デフォルト: 5） - `--subagent`: サブエージェント使用（デフォルト: true） ### PowerShell進捗可視化 ```powershell # 進捗監視スクリプト実行 .\scripts\monitor_quantization_progress.ps1 -PipelineId $pipelineId ``` ## 実行フロー ### Phase 1: imatrixデータ収集 ```bash # imatrixデータ生成 python scripts/quantization/collect_imatrix_data.py --model models/aegis_v25_final --output imatrix_data/model_v2.5.imatr
- 概要
- 主な機能
- 1. GGUF量子化 with imatrix保護
- 2. 統計的ベンチマーク評価
- 3. 学術文献形式ドキュメント
- 4. サブエージェント実行
- 5. PowerShell進捗可視化
- 使用方法
- 基本実行
- パラメータ
- PowerShell進捗可視化
- 実行フロー
- Phase 1: imatrixデータ収集
- Phase 2: GGUF量子化実行
python scripts/quantization_evaluation_pipeline.py --model models/aegis_v25_final --quantizations bf16,q8_0,q4_k_m python scripts/quantization/collect_imatrix_data.py --model models/aegis_v25_final --output imatrix_data/model_v2.5.imatrix python scripts/quantization/quantize_with_imatrix.py --model models/aegis_v25_final --imatrix imatrix_data/model_v2.5.imatrix --formats bf16,q8_0,q4_k_m python scripts/evaluation/statistical_benchmark_evaluation.py --models quantized_models/ --benchmarks gsm8k,math,arc_challenge,elyza --runs 5 python scripts/quantization/collect_imatrix_data.py --dataset-size 100000 python scripts/quantization/quantize_with_imatrix.py --protection-level high
What does the quantization-evaluation-pipeline skill do?
Execute GGUF quantization with imatrix protection, perform statistical benchmark evaluation with error bars, generate academic-style methodology documentation, and create comprehensive scorecards. Use when evaluating model quantization quality, comparing quantization methods, or generating publication-ready evaluation results with subagent execution and PowerShell progress visualization.
How do I install it?
Run `npx skills add majiayu000/claude-skill-registry --skill quantization-evaluation-pipeline-zapabob-so8t --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From majiayu000/claude-skill-registry, a repository with 534 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.