cuOpt 多目标探索
用 cuOpt 展示竞争目标之间的 Pareto 权衡。
技能明确限定为编排既有 cuOpt 求解，不执行破坏性操作，也要求不要把权衡替用户决定；skill-card 还提示不得在提示、日志或输出中包含秘密。扣分在于未明确用户确认、数据流、权限边界、回滚方案或实际依赖安全控制。
正文在 payoff table、weighted-sum、ε-constraint、支配过滤、MILP 时间限制、dual 解释和异常状态处理方面自洽，并要求对非 Optimal 结果显式标记。静态审查且缺少针对该技能关键路径的提交测试或 CI 覆盖，因此受静态上限约束，仅给 9 分。
触发条件、单目标排除条件、适用的 LP/MILP/QP 情形及 weighted-sum 与 ε-constraint 的选择较清楚。扣分在于输入模式、输出契约、求解器版本/环境要求和不适用边界仍不完整，未提供中文使用指导；核心功能依赖 cuOpt 及其他 API/ formulation 技能。
有结构化 frontmatter、版本号、Apache-2.0、作者团队、标签、接口索引、benchmark、skill card 和 NVIDIA 维护来源。扣分在于缺少推荐的 Instructions 和 Examples 章节，作者格式不符合静态检查要求，缺少明确 changelog、维护责任人和技能专属更新路径；依赖安装说明也在其他技能中。
技能给出了可直接复用的多目标工作流：单目标锚定、前沿扫描、过滤、交换率、knee 识别及最终决策留给用户；提交 benchmark 报告显示 5 个任务通过且正确性/有效性有测量。扣分在于 benchmark 仅为静态可见报告、样本少且一次尝试，且 Codex 有效性为 63%，不能静态确认代表性输出无需较多复核。
SKILL.md、evals.json 和 BENCHMARK.md 提供了可审计的流程、测试任务、预期行为和结果记录，支持有限复核。扣分在于没有该技能专属测试套件、CI 复现步骤、原始运行产物或跨来源独立 corroboration；静态审查不能据此获得更高分。
- 执行前需确认 cuOpt、相关 API/formulation 技能及其版本可用，并核实模型状态、求解间隙、时间限制和不可行结果。
- 该技能不会替用户确定权重或最终方案；前沿完整性、knee 判断和交换率仍需人工审查，尤其是 MILP 和非 Optimal 结果。
- 未提供中文示例或明确的中国大陆网络可达性说明；若运行环境依赖海外 cuOpt 服务或文档，应预先验证可访问性。
这个 Skill 能做什么，适合哪些场景？
该技能指导代理通过多次单目标 cuOpt 求解，追踪并解释多个相互冲突目标之间的 Pareto 前沿。它先分别优化各目标并建立收益表，再使用加权和或 ε-约束扫描候选解。流程会收集、去重并过滤被支配点，随后帮助用户识别交换率和拐点。它适用于 LP、MILP、QP，也可将相同方法用于路由权衡。
定义并检查相互冲突的目标；分别求解每个目标并记录收益表；按归一化权重执行加权和扫描，或扫描 ε-约束右端值；对每组参数运行 cuOpt 求解并记录目标值和解；过滤被支配点与重复点并排序形成前沿；在 LP/QP 线性 ε-约束中读取对偶值作为局部交换率，并标记拐点。
- 优化人员面对成本与服务水平冲突、且尚未确定权重时，用它生成可比较的方案集合。
- 运营研究人员需要同时平衡覆盖率与成本，并希望查看完整非支配曲线时，用 ε-约束扫描。
- MILP 用户担心加权和遗漏非凸前沿区域时，用该流程恢复更完整的前沿。
- 投资或规划模型需要比较收益、风险、预算等目标，并通过收益表确定扫描范围时，用它建立权衡分析。
- 路由建模者需要比较距离、车辆数和时间等目标时，沿用同一前沿探索流程。
这个 Skill 有哪些优点和局限？
- 明确区分单目标最优解与完整权衡前沿。
- 通过收益表提供 ε 扫描范围和目标归一化尺度。
- ε-约束方法可覆盖加权和无法到达的非凸区域。
- 指导用户报告交换率、拐点、求解状态和权重或 ε 条件。
- ε-约束需要更多求解次数和参数记录。
- 加权和只能发现前沿凸包上的点，MILP 结果可能稀疏。
- MILP 和含二次约束的问题不提供可用对偶值；MILP 也不能使用 PDLP warm start。
- 来源材料描述的是指导工作流，未说明随技能提供脚本或测试套件。
如何安装这个 Skill？
使用仓库 README 中的 skills CLI 流程安装指定技能：
npx skills add nvidia/skills --skill cuopt-multi-objective-exploration --yes
README 未说明该单项技能需要复制到哪个本地目录；CLI 会提示安装目的地。
如何使用这个 Skill？
在已加载该技能的代理中提出多目标 cuOpt 任务，例如：“请用 cuOpt 探索成本与服务水平之间的 Pareto 前沿，先建立 payoff table，再优先使用 ε-constraint 扫描并解释拐点。”该技能只提供工作流指导；具体求解调用依赖 cuOpt API 相关技能。
这个 Skill 与同类方案有什么区别？
该技能明确比较加权和与 ε-约束：加权和适合快速绘制凸前沿草图；当问题是 MILP、前沿可能非凸或需要完整曲线时，ε-约束更合适。