nemo-curator

Orchestra-Research/AI-Research-SKILLs/05-data-processing/nemo-curator

提供 GPU 加速数据清洗支持文本图像视频模糊去重质量过滤语义去重 PII 检测

GPU-accelerated data curation for LLM training. Supports text/image/video/audio. Features fuzzy deduplication (16× faster), quality filtering (30+ heuristics), semantic deduplication, PII redaction, NSFW detection. Scales across GPUs with RAPIDS. Use for preparing high-quality training datasets, cleaning web data, or deduplicating large corpora.

把下面的话发给 Claude Code、Codex 或 Cursor。智能体会先检查内容，经你确认再安装。

请帮我安装这个 Agent Skill：https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/main/05-data-processing/nemo-curator

1. 先读取该目录下的 SKILL.md 和其他文件，检查是否有可疑内容（执行未知脚本、读取密钥、向外发送数据等），用中文告诉我它会做什么、需要哪些权限；
2. 等我确认后，再把整个目录安装到 ~/.claude/skills/nemo-curator/（如果你不是 Claude Code，安装到你自己约定的 skills 目录）；
3. 安装后告诉我怎么触发它。

安装到个人 Skill 目录（对所有项目生效）。只想在当前项目用，改为 .claude/skills/。

git clone --depth 1 --filter=blob:none --sparse https://github.com/Orchestra-Research/AI-Research-SKILLs.git /tmp/nemo-curator-src
cd /tmp/nemo-curator-src && git sparse-checkout set "05-data-processing/nemo-curator"
mkdir -p ~/.claude/skills && cp -r "05-data-processing/nemo-curator" ~/.claude/skills/nemo-curator

Skill 可以让智能体执行脚本。安装第三方 Skill 前务必看一遍内容，详见「安全」一课。

SKILL.md

在 GitHub 查看

正在从 GitHub 读取……