Eine Ablationsstudie zur Injektion von Agentenfähigkeiten für die PII-Erkennung in kleinen Sprachmodellen, assoziiert mit dem Paper „When Parametric Knowledge Wins: A Controlled Ablation of Agent Skills and Tool Use for PII Detection in Small Language Models“.
Diese Fähigkeit (Skill) implementiert eine kontrollierte Ablationsstudie, die untersucht, wie die Injektion von Agentenfähigkeiten (Agent Skills) und Werkzeugnutzung die Erkennung personenbezogener Informationen (PII) in kleinen Sprachmodellen (Small Language Models, SLMs) beeinflusst. Sie ist für Entwickler und Forscher konzipiert, die verstehen möchten, wann parametrisches Wissen gegenüber werkzeuggestützten Ansätzen bei der PII-Erkennung überlegen ist. Der Skill unterstützt die Plattformen Claude Code, Cursor und Codex und ermöglicht es, verschiedene Konfigurationen von Agentenfähigkeiten zu testen, wie z. B. das Injizieren von PII-Erkennungsregeln, den Einsatz externer Tools oder die Nutzung reinen Modellwissens. Die Ergebnisse zeigen, dass in vielen Fällen das inhärente parametrische Wissen des Modells ausreicht, um PII effektiv zu erkennen, während die Werkzeugnutzung nur in spezifischen Szenarien einen signifikanten Vorteil bietet. Der Skill bietet eine klare Methodik zur Durchführung solcher Ablationsexperimente und erleichtert die Reproduktion der im zugehörigen Paper beschriebenen Ergebnisse.
npx skills add EdyVision/pii-skills-ablation-studyInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Eine Ablationsstudie zur Injektion von Agentenfähigkeiten für die PII-Erkennung in kleinen Sprachmodellen, assoziiert mit dem Paper "When Parametric Knowledge Wins: A Controlled Ablation of Agent Skills and Tool Use for PII Detection in Small Language Models".
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
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.