Leeroopedia
O cérebro que transforma Agentes Generalistas em Especialistas em ML.
Documentação
Leeroopedia MCP
Dê ao seu agente de codificação de IA acesso a conhecimento curado de ML/IA
$20 de crédito grátis na inscrição. Isso dá muitas buscas, planos e diagnósticos. Elimine as suposições na sua próxima execução de fine-tuning ou implantação de inferência. Não é necessário cartão de crédito. Obtenha sua chave de API →
O que é Leeroopedia?
Sua Wiki de Conhecimento em ML e IA. Aprendida por IA, construída por IA, para IA.
Conhecimento de nível especialista em toda a pilha de ML e IA: fine-tuning e treinamento distribuído, inferência e otimização de kernels de GPU, construção de agentes e pipelines de RAG. Mais de 1000 frameworks e bibliotecas, tudo em um só lugar.
Este servidor MCP transforma seu agente de codificação de IA (Claude Code, Cursor, Claude Desktop, ChatGPT, OpenAI Codex, ...) em um engenheiro especialista em ML/IA.
Explore a base de conhecimento completa em leeroopedia.com.
Quer ir de ponta a ponta?
Leeroopedia dá ao seu agente o conhecimento. Kapso dá a ele a capacidade de agir: pesquisar, experimentar e implantar. Juntos: um agente engenheiro completo de ML/IA.
Conecte-se aos Seus Agentes
Use nosso servidor hospedado para configuração zero. Basta colar esta URL em qualquer cliente MCP que suporte servidores remotos:
https://mcp.leeroopedia.com/mcp?token=kpsk_your_key_here
Ou veja os guias por cliente abaixo para instruções detalhadas (incluindo configuração local).
Configure com Claude Code Configure com Cursor Configure com Claude Desktop Configure com OpenAI Codex Configure com ChatGPTBenchmarks
Medimos o efeito do Leeroopedia MCP em tarefas reais de ML:
-
Otimização de Inferência de ML. Escreva kernels CUDA/Triton para 10 problemas KernelBench. 2.11x de speedup geométrico vs 1.80x (+17%), com/sem Leeroopedia MCP.
-
Pós-treinamento de LLM. SFT + DPO + merge LoRA + servidor vLLM + IFEval de ponta a ponta em 8×A100. 21.3 vs 18.5 de precisão IFEval strict-prompt, 34.6 vs 30.9 de precisão strict-instruction, 272.7 vs 231.6 de throughput.
-
RAG Auto-Evolutivo. Construa um serviço de RAG que se melhora automaticamente ao longo de várias rodadas. 45.16 vs 40.51 de Precision@5, 40.32 vs 35.29 de Recall@5, em 52 vs 62 min de tempo real.
-
Agente de Suporte ao Cliente. Sistema de triagem multiagente que classifica 200 tickets em 27 intenções. 98 vs 83 de desempenho no benchmark, 11s vs 61s por consulta.
Ferramentas Disponíveis
O servidor fornece 8 ferramentas agênticas: busca, planejamento, revisão, verificação, diagnóstico, hipótese, consulta de hiperparâmetros e recuperação de páginas.
Veja todas as 8 ferramentas com parâmetros e uso