用途：为 NVIDIA TAO 网络运行自动化超参数优化（HPO）。AutoMLRunner 以单一接口管理完整循环：生成推荐、启动训练任务、提取指标、将结果反馈给优化器，最终返回最佳配置。一次推荐（rec）等于一次带特定超参数的完整训练。
主要能力：支持算法包括 bayesian、hyperband、asha、bohb、llm 等；平台无关，可对接实现标准 SDK 形态（create_job、get_job_status、get_job_logs、get_failure_analysis）的对象。可选 SDK：LeptonSDK（DGX Cloud 多节点）、BrevSDK、SlurmSDK、KubernetesSDK、DockerSDK。Lepton、SLURM、K8s 支持每次推荐多节点分布式训练，Brev 与本地 Docker 为单主机。
使用方式：需先安装 nvidia-tao-automl 平台扩展，例如 pip install "$($SB/scripts/resolve_versions_key.py wheels.tao_automl_lepton)"。验证：python3 -c "from tao_automl.runner import AutoMLRunner; print('OK')"。流程分为解析意图与预检、选择算法（默认 bayesian）、配置运行、监控恢复、解读结果。默认快速启动为 10 次推荐、5 分钟监控。需凭据、数据集可见性、镜像确认与算力形态满足后再创建运行器。
限制：AutoML 为模型级开关，且要求对应 models/<network>/schemas/train.schema.json 已打包且有效，否则不可运行。必读模型 SKILL.md 与 schema 作为超参数、指标、覆盖项来源；本技能不得硬编码模型常量。每次新请求须使用带时间戳的独立工作区与运行器。llm/hybrid/autoresearch 算法必须显式提供 llm_endpoint 等参数，否则会退化为随机采样。单次推荐耗时约 10–90 分钟。具体支持模型清单需运行随附脚本查询；收费、价格等信息暂未提供。