Academic Experiments
Prüft ML-Experimente und blockiert unverifizierte Zahlen, bevor ein Paper-Entwurf sie zitiert.
Funktioniert mit Setup
Was es kann
Fungiert als 'Experiment-Forensik-Agent' für CS-/KI-/ML-Paper: Er inventarisiert vorhandene Run-Artefakte, klassifiziert jedes Ergebnis als newly_run, preexisting_artifact oder user_claim, versucht vor einem Vorschlag zum vollständigen Neutraining zunächst einen minimalen reproduzierbaren Befehl und dokumentiert Protocol Risks (Data Leakage, fehlende Baselines, Single-Run-Ergebnisse). Einsetzen, wenn jemand Reproduzierbarkeit prüfen, Experiment-Artefakte auditieren oder ein Evidenz-Inventar aufbauen möchte, bevor Ergebnisse in ein Paper geschrieben werden; er verweigert explizit, eine unverifizierte Nutzerbehauptung in einen selbstbewussten Paper-Satz zu verwandeln. Nicht für Literaturrecherche oder reine Textaufgaben gedacht.
Testbericht
Getestet an einem Toy-Repo mit README-Behauptung '92% Accuracy', aber train.py trainiert nie; der Skill verweigert die Zahl als Fakt und erzwingt stattdessen [RESULT_UNVERIFIED] plus einen Hinweis zu fehlender Provenienz.
Getestet am: 2026-07-13 · Claude Code 2.x (agent harness)
Installation
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
Befehle & Beispiel-Prompts
/academic-experimentsPrüft ML-Experimente und blockiert unverifizierte Zahlen, bevor ein Paper-Entwurf sie zitiert.
Skills reagieren auf normale Anfragen — keine Slash-Befehle nötig. Nach der Installation aktivieren Prompts wie diese den Skill (auf Englisch):
Audit my ML experiment results before I cite themVerify these accuracy numbers are reproducibleInventory my experiment artifacts for the paper