CommunityRecherche & Datenanalysegithub.com

lllllllama/minimal-run-and-audit

RigorPilot-Fähigkeit für vertrauenswürdige Ausführung und Berichterstellung bei der README-zuerst-Reproduktion von Deep-Learning-Repositories.

Was ist minimal-run-and-audit?

Diese Fähigkeit (Skill) namens 'minimal-run-and-audit' aus dem Repository lllllllama ist Teil des RigorPilot-Systems und dient der vertrauenswürdigen Ausführung und Dokumentation von Reproduktionsexperimenten in Deep-Learning-Repositories. Sie wird verwendet, wenn eine spezifische Aufgabe darin besteht, Ergebnisse aus einem ausgewählten Rauchtest oder einem dokumentierten Inferenz-/Evaluierungsbefehl zu erfassen, zu normalisieren und in standardisierten `repro_outputs/`-Dateien abzulegen. Die Fähigkeit unterstützt dabei, Patch-Notizen zu erstellen, falls Repository-Dateien während des Prozesses geändert wurden. Sie sollte nicht für Trainingsexperimente, initiale Repository-Aufnahme, generische Umgebungseinrichtung, Paper-Recherche, Zielauswahl, versteckte wissenschaftliche Änderungen oder als eigenständige End-to-End-Orchestrierung verwendet werden. Die Fähigkeit ist besonders nützlich für Entwickler und Forscher, die reproduzierbare und nachvollziehbare Experimente mit Deep-Learning-Modellen durchführen möchten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/lllllllama/ai-paper-reproduction-skill/tree/main/skills/minimal-run-and-audit

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht minimal-run-and-audit?

RigorPilot-Fähigkeit für vertrauenswürdige Ausführung und Berichterstellung bei der README-zuerst-Reproduktion von Deep-Learning-Repositories. Verwende diese Fähigkeit, wenn die Aufgabe spezifisch darin besteht, Ergebnisse aus dem ausgewählten Rauchtest oder dem dokumentierten Inferenz- oder Evaluierungsbefehl zu erfassen oder zu normalisieren und standardisierte repro_outputs/-Dateien zu schreiben, einschließlich Patch-Notizen, wenn Repository-Dateien geändert wurden. Verwende sie nicht für die Ausführung von Training, die erste Repository-Aufnahme, generische Umgebungseinrichtung, Paper-Recherche, Zielauswahl, versteckte wissenschaftliche Änderungen oder die End-to-End-Orchestrierung allein.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

lllllllama/ai-paper-reproduction

Main orchestrator for README-first AI repo reproduction. Use when the user wants an end-to-end, minimal-trustworthy reproduction flow that reads the repository first, selects the smallest documented inference or evaluation target, coordinates intake, setup, trusted execution, optional trusted training, optional repository analysis, and optional paper-gap resolution, enforces conservative patch rules, records evidence assumptions deviations and human decision points, and writes the standardized `repro_outputs/` bundle. Do not use for paper summary, generic environment setup, isolated repo scanning, standalone command execution, silent protocol changes, or broad research assistance outside repository-grounded reproduction.

lllllllama/env-and-assets-bootstrap

Rigor Setup skill for README-first deep learning repo reproduction. Use when the task is specifically to prepare a conservative conda-first environment, checkpoint and dataset path assumptions, cache location hints, and setup notes before any run on a README-documented repository. Do not use for repo scanning, full orchestration, paper interpretation, final run reporting, or generic environment setup that is not tied to a specific reproduction target.

lllllllama/paper-context-resolver

Rigor Paper Context helper for README-first deep learning repo reproduction. Use only when the README and repository files leave a narrow reproduction-critical gap and the task is to resolve a specific paper detail such as dataset split, preprocessing, evaluation protocol, checkpoint mapping, or runtime assumption from primary paper sources while recording conflicts. Do not use for general paper summary, repo scanning, environment setup, command execution, title-only paper lookup, or replacing README guidance by default.

lllllllama/repo-intake-and-plan

Rigor Intake helper for README-first deep learning repo reproduction. Use when the task is specifically to scan a repository, read the README and common project files, extract documented commands, classify inference, evaluation, and training candidates, and return the smallest trustworthy reproduction plan to the main orchestrator. Do not use for environment setup, asset download, command execution, final reporting, paper lookup, or end-to-end orchestration.

Verwandte Skills