CommunityRecherche & Datenanalysegithub.com

llllllama/paper-context-resolver

Hilfsmittel für den rigorosen Paper-Kontext bei der README-zentrierten Reproduktion von Deep-Learning-Repos. Nur verwenden, wenn README und Repository-Dateien eine enge reproduktionskritische Lücke hinterlassen und die Aufgabe darin besteht, ein spezifisches Paper-Detail aus Primärquellen zu klären und Konflikte zu dokumentieren.

Was ist paper-context-resolver?

Dieses Skill dient als spezialisierter Assistent für die Reproduktion von Deep-Learning-Repositorien, wenn die README und die Projektdateien nicht ausreichen, um ein zentrales Detail aus dem zugrunde liegenden Paper zu klären. Es ist darauf ausgelegt, gezielt Informationen aus Primärquellen des Papers zu extrahieren – beispielsweise zu Dataset-Splits, Vorverarbeitungsschritten, Evaluierungsprotokollen, Checkpoint-Zuordnungen oder Laufzeitannahmen. Dabei zeichnet es auf, wo Konflikte zwischen der Implementierung und dem Paper auftreten. Das Skill ist für den Einsatz in Agenten-Plattformen wie Claude Code, Cursor, Codex oder vergleichbaren Entwicklungsumgebungen konzipiert, die README-zentrierte Ansätze verfolgen. Es arbeitet ressourcenschonend, indem es nur auf konkrete, enge Lücken reagiert und keine allgemeinen Zusammenfassungen, Repository-Scans oder Umgebungssetzung vornimmt. Die Nutzung sollte bewusst erfolgen, nicht als Ersatz für die README oder für Standard-Aufgaben.

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

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

Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht paper-context-resolver?

Rigor Paper-Kontext-Helfer für die README-zentrierte Reproduktion von Deep-Learning-Repos. Nur verwenden, wenn README und Repository-Dateien eine enge reproduktionskritische Lücke hinterlassen und die Aufgabe darin besteht, ein spezifisches Paper-Detail wie Dataset-Split, Vorverarbeitung, Evaluierungsprotokoll, Checkpoint-Zuordnung oder Laufzeitannahme aus primären Paper-Quellen zu klären und dabei Konflikte zu dokumentieren. Nicht für allgemeine Paper-Zusammenfassungen, Repository-Scans, Umgebungseinrichtung, Befehlsausführung, reine Titelsuchen oder als Ersatz für README-Anleitungen verwenden.

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/minimal-run-and-audit

RigorPilot trusted execution and reporting skill for README-first deep learning repo reproduction. Use when the task is specifically to capture or normalize evidence from the selected smoke test or documented inference or evaluation command and write standardized `repro_outputs/` files, including patch notes when repository files changed. Do not use for training execution, initial repo intake, generic environment setup, paper lookup, target selection, hidden scientific-meaning changes, or end-to-end orchestration by itself.

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

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

community

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

community

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

community

affaan-m/everything-claude-code

The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.

community

forrestchang/andrej-karpathy-skills

Agent skill repository discovered by 10x-chat research.

community

langgenius/backend-code-review

Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.

community
← More Recherche & Datenanalyse skills