AIKraft/AI/Войти
AIKraft/Skills/ai-research-explore

ai-research-explore

Находит кандидаты для глубоких исследований в машинном обучении на основе текущих работ, SOTA-референсов и выбранных датасетов. Используется для аудита репозиториев, фильтрации идей и написания управляемых экспериментов в explore_outputs/.

lllllllama official Данные ★ 496

Что делает навык

Находит кандидатов для глубоких исследований в машинном обучении, опираясь на текущие работы, SOTA-референсы и выбранные датасеты. Используется для аудита репозиториев, фильтрации идей и написания управляемых экспериментов в директории explore_outputs/.

Когда применять

  • Аудит существующих репозиториев на предмет потенциальных направлений для исследований.
  • Фильтрация идей для отбора наиболее перспективных кандидатов.
  • Написание управляемых экспериментов в директории explore_outputs/.
  • Подготовка гипотез новизны и значимости до проведения сравнительного анализа.

Как работает

  1. Загрузить общие принципы работы из ../ai-research-reproduction/references/agent-operating-principles.md.
  2. Загрузить принципы научной строгости из ../ai-research-reproduction/references/research-rigor-principles.md для оценки утверждений.
  3. Загрузить принципы экспериментов глубокого обучения из ../ai-research-reproduction/references/deep-learning-experiment-principles.md, если детали эксперимента влияют на сопоставимость или воспроизводимость.
  4. Определить кандидатов для исследований на основе текущих работ (current_research anchor), SOTA-референсов и выбранных датасетов.
  5. Подготовить материалы для аудита, фильтрации идей или написания экспериментов в explore_outputs/.
  6. Обеспечить сохранение научной строгости, сопоставимости, воспроизводимости и аудируемого сотрудничества.

Примеры запросов агенту

Найди кандидатов для глубоких исследований в машинном обучении на основе текущих работ и SOTA-референсов.
Проведи аудит репозиториев и отфильтруй идеи для написания управляемых экспериментов в explore_outputs/.
Подготовь гипотезы новизны для выбранных датасетов, сохраняя научную строгость.

Что понадобится

  • Директория explore_outputs/ для хранения результатов экспериментов.
  • Файлы принципов: agent-operating-principles.md, research-rigor-principles.md, deep-learning-experiment-principles.md.
  • Доступ к текущим работам (current_research anchor) и SOTA-референсам.

Описание составлено по SKILL.md навыка, сверено 05.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «ai-research-explore» из репозитория: # https://github.com/lllllllama/rigorpilot-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r ai-research-explore/ ~/.claude/skills/ai-research-explore/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.