用途：行人重识别（ReID），基于度量学习学习有判别力的特征嵌入，用于在不同摄像头视角下匹配同一人。
主要能力：提供 re_identification 数据类型的训练、评估、推理、导出与部署流程；监控指标为 cmc_rank_1。模型层声明支持 AutoML（automl_enabled），但可运行 AutoML 需 schemas/train.schema.json 与 references/spec_template_train.yaml 存在且可解析。评估与推理需要 test 和 query 数据集以计算 CMC、mAP 等检索指标。
使用方式：训练/评估/推理均需在 spec_overrides 中强制构造数据源路径。训练常用参数包括 train.num_epochs、train.checkpoint_interval、train.validation_interval、train.num_gpus、num_classes、num_workers、batch_size，以及 dataset.train_dataset_dir、dataset.test_dataset_dir、dataset.query_dataset_dir；评估用 evaluate.test_dataset 与 evaluate.query_dataset；推理用 inference.test_dataset 与 inference.query_dataset。模型预训练权重通过 model.pretrained_model_path 设置。默认 backbone 为 resnet_50，optim.base_lr 默认 3.5e-4，dataset.batch_size 默认 64，dataset.num_classes 默认 751，需与训练数据唯一身份数一致。多 GPU 由 Lightning 管理，train.num_gpus 默认 1、train.gpu_ids 默认 [0]，策略 ddp_find_unused_parameters_true，sync_batchnorm 始终启用，精度强制 FP16。硬件最低 1 GPU，建议 2 GPU，每 GPU 16GB 以上显存。
训练策略：默认 automl_policy 为 auto，在满足条件时经由 tao-skill-bank:tao-run-automl 路由；用户明确要求关闭 AutoML（如 no HPO、plain training）时本 run 取 off，仅走直接模型训练。evaluate、inference、export、deploy 等非训练动作仍在本技能内。
限制：若已启用 AutoML 但缺少 train schema 或模板，则无法运行 AutoML，需等待生成 schemas。query 与 test（gallery）数据集必须共享同一身份命名空间。num_classes 与训练集身份文件夹数不匹配会报错。未提及收费、价格等信息。