CommunityPesquisa e Análise de Dadosgithub.com

lllllllama/minimal-run-and-audit

Habilidade de execução confiável e relatório do RigorPilot para reprodução de repositórios de deep learning baseada em README. Use quando a tarefa for capturar ou normalizar evidências de um teste de fumaça ou comando de inferência/avaliação documentado e escrever arquivos padronizados em `repro_outputs/`, incluindo notas de patch quando arquivos do repositório forem alterados.

O que é minimal-run-and-audit?

Esta habilidade, parte do ecossistema RigorPilot, é projetada para executar comandos de inferência ou avaliação documentados em repositórios de deep learning, garantindo reprodutibilidade e transparência. Ela normaliza as saídas desses comandos, como logs, métricas ou artefatos, e as escreve em um formato padronizado dentro do diretório `repro_outputs/`. Quando arquivos do repositório são modificados durante o processo (por exemplo, devido a patches de dependências ou ajustes de configuração), a habilidade também gera notas de patch detalhadas. Seu objetivo principal é fornecer evidências claras e auditáveis de que um determinado comando foi executado e funcionou como esperado, facilitando a verificação de resultados. Não deve ser usada para treinamento de modelos, configuração inicial de ambiente ou tarefas de orquestração de ponta a ponta; seu foco estrito é na captura e normalização de evidências de execução. Suporta plataformas como Claude Code, Cursor e Codex, integrando-se diretamente ao fluxo de trabalho de reprodução de experimentos.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/lllllllama/ai-paper-reproduction-skill/tree/main/skills/minimal-run-and-audit

Installed? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Ver original→Navegar por todas as habilidades

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentação

O que minimal-run-and-audit faz?

Habilidade de execução confiável e relatório do RigorPilot para reprodução de repositórios de deep learning baseada em README. Use quando a tarefa for especificamente capturar ou normalizar evidências do teste de fumaça selecionado ou do comando de inferência/avaliação documentado e escrever arquivos padronizados em repro_outputs/, incluindo notas de patch quando arquivos do repositório forem alterados. Não use para execução de treinamento, recepção inicial do repositório, configuração genérica de ambiente, consulta a artigos, seleção de alvos, alterações ocultas de significado científico ou orquestração de ponta a ponta isoladamente.

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/paper-context-resolver

Rigor Paper Context helper for README-first deep learning repo reproduction. Use only when the README and repository files leave a narrow reproduction-critical gap and the task is to resolve a specific paper detail such as dataset split, preprocessing, evaluation protocol, checkpoint mapping, or runtime assumption from primary paper sources while recording conflicts. Do not use for general paper summary, repo scanning, environment setup, command execution, title-only paper lookup, or replacing README guidance by default.

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.

Habilidades Relacionadas

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 Pesquisa e Análise de Dados skills