AI Skills
ai-research-reproduction

ai-research-reproduction

熱門

與 Rigor Reproduce 相容的技能代碼，用於以 README 為優先的深度學習儲存庫再現。當使用者想要一個端到端、最小可信賴的流程時使用，該流程會先讀取儲存庫，選擇最小的文件化推論或評估目標，協調導入、設定、可信執行、可選的可信訓練、可選的儲存庫分析及可選的論文差距解決，執行保守的修補規則，記錄證據、假設、偏差及人類決策點，並寫入標準化的 `repro_outputs/` 套件。不適用於論文摘要、通用環境設定、孤立儲存庫掃描、獨立命令執行、無聲協議變更、分數追逐，或儲存庫基礎再現之外的廣泛研究協助。

443星標
9分支
更新於 2026/6/21
獲取技能源代碼

相關技能

doc-coauthoring15萬planning-and-task-breakdown7.7萬ppt-master3.9萬
SKILL.md
readonlyread-only
name
ai-research-reproduction
description

與 Rigor Reproduce 相容的技能代碼，用於以 README 為優先的深度學習儲存庫再現。當使用者想要一個端到端、最小可信賴的流程時使用，該流程會先讀取儲存庫，選擇最小的文件化推論或評估目標，協調導入、設定、可信執行、可選的可信訓練、可選的儲存庫分析及可選的論文差距解決，執行保守的修補規則，記錄證據、假設、偏差及人類決策點，並寫入標準化的 `repro_outputs/` 套件。不適用於論文摘要、通用環境設定、孤立儲存庫掃描、獨立命令執行、無聲協議變更、分數追逐，或儲存庫基礎再現之外的廣泛研究協助。

ai-research-reproduction

目的

將此作為與 Rigor Reproduce 相容的技能代碼，用於以 README 為優先的深度學習儲存庫再現。安裝後的代碼保持為 ai-research-reproduction 以維持相容性。此技能引導代理執行最小可信賴的執行，並附有可稽核的證據；它不應微觀管理模型可從儲存庫推斷的實作細節。再現不是「透過更改任何東西讓它跑起來」；而是忠實地閱讀 README、環境、權重、資料集及文件化的命令，然後記錄結果與偏差。

從 ../../references/agent-operating-principles.md 中的共享運作原則開始，然後在涉及科學意義、可比性或實驗細節時載入 ../../references/research-rigor-principles.md 和 ../../references/deep-learning-experiment-principles.md。

適用時機

當以下所有條件成立時使用此技能：

  • 目標是一個 AI 程式碼儲存庫，包含 README、腳本、設定檔或文件化的命令。
  • 請求涵蓋多個可信階段，例如導入、設定、執行、訓練驗證、分析、論文差距解決及報告。
  • 期望的結果是一個小的可再現目標，而非廣泛的實驗。

請勿將此技能用於論文摘要、通用環境設定、孤立儲存庫掃描、獨立命令執行、開放式研究設計，或明確的僅候選探索。

可信目標選擇

選擇能夠誠實展示儲存庫基礎再現的最小目標：

  1. 文件化的推論
  2. 文件化的評估
  3. 文件化的訓練啟動或部分驗證
  4. 僅在使用者明確確認後才進行完整訓練

將 README 指引視為主要的再現意圖。使用儲存庫檔案來釐清 README，而非默默取代它。當 README 與論文衝突時，記錄衝突並僅針對狹義的再現關鍵差距使用 paper-context-resolver。

工作流程

  1. 閱讀 README 及鄰近的儲存庫訊號。
  2. 使用 repo-intake-and-plan 提取文件化的命令及候選目標。
  3. 選擇並說明最小可信目標的理由。
  4. 僅針對特定目標的環境、檢查點、資料集及快取假設使用 env-and-assets-bootstrap。
  5. 僅在結構、插入點或可疑的實作模式需要唯讀釐清時使用 analyze-project。
  6. 使用 minimal-run-and-audit 執行文件化的推論、評估、冒煙測試或合理性執行。
  7. 當選擇的可信目標是訓練啟動、短執行驗證、完整啟動或恢復時，改用 run-train。
  8. 在做出更完整的訓練聲明或任何可能改變資料集、分割、檢查點、前處理、指標、損失、模型語義或結果解讀的變更之前，暫停等待人類審查。
  9. 寫入標準化輸出，並在可行時以使用者的語言提供簡潔的最終備註。

修補邊界

優先避免編輯儲存庫。如果需要編輯，保持保守且可稽核：

  • 在程式碼變更之前，先嘗試命令列參數、環境變數、路徑修正、依賴版本修正或依賴檔案修正。
  • 必要時允許再現修正，但不得隱藏。說明變更了什麼、為何必要、是否改變科學意義，以及是否影響與論文、README 或基線的可比性。
  • 避免變更模型架構、核心推論語義、訓練邏輯、損失函數或實驗意義。
  • 如果必須變更儲存庫檔案，請建立名為 repro/YYYY-MM-DD-short-task 的分支，保持驗證過的修補提交稀疏，並在 PATCHES.md 中記錄對 README 忠實度的影響。

請參閱 references/patch-policy.md。

輸出

始終以 repro_outputs/ 為目標：

SUMMARY.md
COMMANDS.md
LOG.md
SCIENTIFIC_CHANGELOG.md
COMPARABILITY_REPORT.md
status.json
PATCHES.md   # 僅在套用修補時

使用 assets/ 下的範本及 references/output-spec.md 中的欄位規則。

  • 將最簡短的高價值摘要放入 SUMMARY.md。
  • 將可複製的命令放入 COMMANDS.md。
  • 將過程證據、假設、失敗及決策放入 LOG.md。
  • 將科學意義及變更效果放入 SCIENTIFIC_CHANGELOG.md。
  • 將比較錨點及協議偏差放入 COMPARABILITY_REPORT.md。
  • 將持久的機器可讀狀態放入 status.json。
  • 在必要時將分支、提交、驗證及對 README 忠實度的影響放入 PATCHES.md。
  • 區分已驗證的事實與推測的猜測。

參考資料載入

  • 在撰寫人類可讀輸出時載入 references/language-policy.md。
  • 在做出可比性、貢獻或研究結果聲明之前載入 ../../references/research-rigor-principles.md。
  • 當資料集、分割、指標、檢查點、訓練或評估細節重要時載入 ../../references/deep-learning-experiment-principles.md。
  • 在做出協議敏感的決策之前載入 references/research-safety-principles.md。
  • 在修改儲存庫檔案之前載入 references/patch-policy.md。
  • 將專門的邏輯保留在子技能、腳本、範本或參考資料中，而非擴充此進入點。