Academic Experiments
Kontroluje ML experimenty a blokuje neověřená čísla dřív, než skončí v návrhu článku.
Funguje s nastavením
Co umí
Funguje jako „forenzní agent pro experimenty“ u CS/AI/ML článků: zinventarizuje existující run artefakty, každý výsledek zařadí jako newly_run, preexisting_artifact nebo user_claim, před navrhováním kompletního přetrénování zkusí minimální reprodukovatelný příkaz a sepíše Protocol Risks (únik dat, chybějící baseline, výsledky z jediného běhu). Spusť ho, když potřebuješ ověřit reprodukovatelnost, zauditovat experimentální artefakty nebo sestavit inventář důkazů před zápisem výsledků do článku; výslovně odmítá vydávat neověřené tvrzení uživatele za jistý fakt v článku. Není určen na rešerše literatury ani psaní prózy.
Testovací report
Na testovacím repu, kde README tvrdí „92% přesnost“, ale train.py nic netrénuje: skill odmítl číslo vydat za fakt, vynutil [RESULT_UNVERIFIED] a poznámku o chybějícím původu; naivní baseline 92% prostě opsal.
Testováno: 2026-07-13 · Claude Code 2.x (agent harness)
Instalace
git clone https://github.com/joshua-zyy/academic-paper-writer cd academic-paper-writer mkdir -p ~/.claude/skills cp -r skills/academic-experiments ~/.claude/skills/academic-experiments
Příkazy a ukázkové prompty
/academic-experimentsKontroluje ML experimenty a blokuje neověřená čísla dřív, než skončí v návrhu článku.
Skilly se spouštějí běžnými požadavky — žádné příkazy k zapamatování. Po instalaci ho aktivují prompty jako tyto (anglicky):
Audit my ML experiment results before I cite themVerify these accuracy numbers are reproducibleInventory my experiment artifacts for the paper