与Rigor Explore兼容的技能标识，用于有意义且可能具有新颖性的深度学习研究候选方案。当研究者已选择任务族、数据集、基准、评估方法，提供SOTA参考，并希望在`current_research`基础上进行仅候选方案的探索，且要求可审计的仓库理解、想法筛选、公平比较以及将受控实验写入`explore_outputs/`时使用。不适用于以README为先的可信复现、开放式方向探索、狭窄的仅代码或仅运行探索、被动仓库分析、已验证的新颖性声明或隐式实验。
ai-research-explore
目的
在研究者明确授权在持久的current_research锚点基础上进行仅候选方案的工作后，使用此与Rigor Explore兼容的技能标识。安装后的标识保持为ai-research-explore以确保兼容性。Rigor Explore用于有意义且可能具有新颖性的深度学习研究候选方案，同时保持科学严谨性、可比性、可复现性和可审计的协作。在文献对比、消融实验证据和公平比较之前，新颖性和显著性仍为假设。该技能不承诺自主发现、全局基准完整性、新颖性证明或可信复现成功。
从../../references/agent-operating-principles.md中的共享操作原则开始，然后加载../../references/research-rigor-principles.md以了解研究声明，以及../../references/deep-learning-experiment-principles.md以了解实验细节影响可比性或可复现性的情况。
适用场景
仅当请求同时满足以下两个条件时使用此技能：
- 明确的探索授权，例如仅候选方案工作、隔离分支或工作树、扫描、多个变体或探索性排序。
- 持久的
current_research上下文，例如分支、提交、检查点、运行记录或已训练的本地模型状态。
将狭窄的仅代码请求保留给explore-code。将狭窄的仅运行请求保留给explore-run。将被动仓库分析保留给analyze-project。将以README为先的复现保留给ai-research-reproduction。
研究节奏
使用双循环节奏：
- 外循环：理解仓库，冻结任务/数据集/评估/预算，保留用户想法，映射来源，筛选想法，并决定下一个实验是否值得运行。
- 内循环：进行一次有边界的候选变更或运行，进行冒烟测试，收集证据，与当前锚点排序，然后停止或带着新证据返回外循环。
此节奏为指导，而非僵化的自主循环。在遇到明确障碍、科学意义不明确、预算耗尽、缺少锚点/评估或需要人工检查点时停止。
工作流程
- 确认
current_research和明确的探索通道授权。 - 接受传统的
variant_spec或更高级别的research_campaign。 - 在活动模式下，在候选工作之前冻结任务、数据集、基准、评估来源、SOTA参考和预算。
- 仅构建当前活动所需的仓库理解工件，通常通过
analyze-project完成。 - 当来源支持重要时，进行有边界、优先缓存的来源查找；优先使用本地策展文献（如Zotero），然后使用种子来源、仓库本地定位器、公共定位器或可选的网络查找。将查找视为来源解析，而非开放式的文献搜索。
- 保留研究者提供的想法，可选地添加一小部分有边界的单变量种子想法，并使用明确的筛选标准和分数分解对想法进行排序。
- 每次优先处理一个清晰的候选方案。使用
explore-code进行有边界的代码适配，使用explore-run进行短周期试验或扫描。 - 仅当探索计划需要实际执行证据时，使用
minimal-run-and-audit或run-train。 - 将仅候选方案的输出写入
analysis_outputs/、sources/和explore_outputs/；切勿将探索性收益呈现为可信复现成功。包括SCIENTIFIC_CHANGELOG.md和COMPARABILITY_REPORT.md以说明候选方案的科学意义和比较边界。
排序与证据
- 在执行前，根据预期收益、成本、成功可能性、补丁范围、依赖拖累、评估风险和回滚便利性对候选方案进行优先级排序。
- 在执行后，首先根据实际证据排序：命令状态、观察到的指标、工件、更改的路径、冒烟测试结果和可复现性说明。
- 保持研究者提供的
evaluation_source和sota_reference在活动期间冻结；不要声称它们是全局完整的。 - 如果最佳想法过于接近或实现无法分解为可审计单元，则停止检查点，而不是默默选择。
活动输入
对于Rigor Explore活动，首选research_campaign，但应保持最小化。持久核心是：
current_researchtask_familydatasetbenchmarkevaluation_sourcesota_referencecompute_budget
将candidate_ideas、variant_spec、research_lookup、idea_policy、idea_generation、source_constraints、feasibility_policy、baseline_gate和execution_policy作为可选指导，而非代理必须在每次活动中填写的字段。有关高级模式和工件期望，请参阅references/research-campaign-spec.md。
参考加载
- 加载
references/ai-research-explore-policy.md以了解通道安全和候选语义。 - 仅当活动文件存在或用户要求Rigor Explore活动治理时，加载
references/research-campaign-spec.md。 - 加载
../../references/explore-variant-spec.md以了解运行级变体矩阵细节。 - 在做出新颖性、贡献、SOTA或可比性声明之前，加载
../../references/research-rigor-principles.md。 - 当训练、评估、基线、消融、指标、检查点或数据集细节重要时，加载
../../references/deep-learning-experiment-principles.md。 - 使用
scripts/orchestrate_explore.py和scripts/write_outputs.py处理现有的确定性工件工作流。
