Estudio de ablación sobre la inyección de habilidades de agente para la detección de PII en modelos de lenguaje pequeños, asociado al artículo "When Parametric Knowledge Wins: A Controlled Ablation of Agent Skills and Tool Use for PII Detection in Small Language Models"
Este estudio de ablación investiga la efectividad de inyectar habilidades de agente en modelos de lenguaje pequeños (SLMs) para mejorar la detección de Información de Identificación Personal (PII). El objetivo principal es determinar si las habilidades de agente y el uso de herramientas mejoran la capacidad de estos modelos para identificar datos sensibles, como nombres, direcciones o números de tarjetas de crédito, en comparación con el conocimiento paramétrico puro. El estudio, asociado a un artículo académico, controla variables como la estructura de prompts y la selección de herramientas para aislar el impacto de cada componente. Los resultados indican que, en ciertos contextos, el conocimiento paramétrico del modelo puede ser suficiente, y la inyección de habilidades de agente no siempre aporta beneficios significativos. Esto es relevante para desarrolladores que buscan optimizar agentes de IA para tareas de privacidad y seguridad, especialmente en aplicaciones que requieren detección de PII en tiempo real con recursos computacionales limitados. La habilidad se puede integrar en entornos como Claude Code y Cursor, y su documentación incluye instrucciones detalladas sobre cómo configurar el estudio, ejecutar experimentos y analizar los resultados.
npx skills add EdyVision/pii-skills-ablation-studyInstalled? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Un Estudio de Ablación sobre la Inyección de Habilidades de Agente para la Detección de PII en Modelos de Lenguaje Pequeños, asociado al artículo "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.