Une étude d'ablation sur l'injection de compétences d'agent pour la détection d'IPI dans les petits modèles de langage, associée à l'article « When Parametric Knowledge Wins: A Controlled Ablation of Agent Skills and Tool Use for PII Detection in Small Language Models ».
Cette compétence est une étude d'ablation contrôlée qui examine comment l'injection de compétences d'agent et l'utilisation d'outils affectent la détection d'informations personnelles identifiables (IPI) dans de petits modèles de langage (SLM). L'objectif principal est de déterminer si la connaissance paramétrique du modèle (savoir appris lors de l'entraînement) est plus efficace que les compétences d'agent et l'utilisation d'outils pour détecter les IPI. L'étude, décrite dans l'article « When Parametric Knowledge Wins », compare les performances de différentes configurations d'agents (avec ou sans compétences d'agent, avec ou sans outils) sur des ensembles de données contenant des IPI. La compétence est utile pour les chercheurs et développeurs qui s'intéressent aux limites des SLM dans des tâches de sécurité et de confidentialité, et elle montre que dans ce cas, la connaissance paramétrique surpasse les bénéfices apportés par les compétences d'agent ou l'utilisation d'outils. Elle ne fournit pas de code exécutable, mais plutôt un cadre méthodologique et des résultats expérimentaux.
npx skills add EdyVision/pii-skills-ablation-studyInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Une étude d'ablation sur l'injection de compétences d'agent pour la détection d'IPI dans les petits modèles de langage, associée à l'article « 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.