CommunityRecherche et analyse de donnéesgithub.com

lllllllama/paper-context-resolver

Qu'est-ce que paper-context-resolver ?

Ce compétence, nommée `lllllllama/paper-context-resolver`, sert d'assistant contextuel pour la citation d'articles dans le cadre du dépôt Rigor. Elle est conçue pour être utilisée exclusivement lorsque le fichier README et les fichiers du dépôt ne fournissent pas suffisamment de détails pour reproduire un résultat spécifique, comme le partitionnement d'un jeu de données, les étapes de prétraitement, le protocole d'évaluation, le mappage des points de contrôle ou une hypothèse d'exécution. L'outil se concentre sur la résolution de lacunes très spécifiques et critiques pour la reproduction, en consultant directement les sources primaires de l'article et en enregistrant les conflits potentiels. Il ne doit pas être utilisé pour des résumés d'articles généraux, des analyses de dépôt, la configuration d'environnement, l'exécution de commandes, des recherches basées uniquement sur des titres, ou pour remplacer les instructions du README par défaut. Cette approche minimale garantit que l'outil intervient uniquement là où les instructions du dépôt sont insuffisantes, réduisant les risques d'hallucination ou d'erreurs d'interprétation lors de la reproduction de modèles deep learning.

Compatible avec~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 et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

ChatGPT Claude Gemini Grok Perplexity DeepSeek

Documentation

llllllllama/paper-context-resolver

Assistant contextuel de l'article Rigor pour la reproduction de dépôts deep learning en priorisant le fichier README. Utilisez-le uniquement lorsque le README et les fichiers du dépôt laissent une lacune critique pour la reproduction, et pour résoudre des détails spécifiques de l'article (partitionnement de jeu de données, prétraitement, protocole d'évaluation, mappage de points de contrôle, hypothèse d'exécution) à partir des sources primaires, tout en signalant les conflits. Ne pas utiliser pour un résumé général d'article, une analyse de dépôt, une configuration d'environnement, une exécution de commandes, une recherche basée uniquement sur le titre, ou pour remplacer les instructions du README par défaut.

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.

Skills associés

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 et analyse de données skills