Was macht autoresearch-adal?
Vergleiche AdaL und Claude Code auf Autoresearch-Benchmarks, um bessere Hyperparameter zu finden, mehr Experimente durchzuführen und schneller zu konvergieren.
Vergleiche AdaL und Claude Code auf Autoresearch-Benchmarks, um bessere Hyperparameter zu finden, mehr Experimente durchzuführen und schneller zu konvergieren.
Diese Skill-Kombination ermöglicht es, die Leistung von AdaL (Adaptive Learning) und Claude Code auf Autoresearch-Benchmarks direkt zu vergleichen. Ziel ist es, Hyperparameter effizienter zu optimieren, die Anzahl der Experimente zu erhöhen und die Konvergenzgeschwindigkeit zu verbessern. Der Skill ist besonders nützlich für Entwickler, die maschinelles Lernen oder Hyperparameter-Tuning betreiben und dabei die Stärken beider Systeme nutzen möchten. Er unterstützt die Automatisierung von Experimenten und liefert klare Vergleichsergebnisse, um fundierte Entscheidungen über die Wahl der optimalen Konfiguration zu treffen.
npx skills add Tavarasu/autoresearch-adalInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Vergleiche AdaL und Claude Code auf Autoresearch-Benchmarks, um bessere Hyperparameter zu finden, mehr Experimente durchzuführen und schneller zu konvergieren.
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.