Academic Experiments
Controlla gli esperimenti ML, bloccando i numeri non verificati prima che finiscano in una bozza di paper.
Richiede configurazione
Cosa fa
Funziona come un 'agente forense per esperimenti' per paper di CS/AI/ML: fa l'inventario degli artefatti di run esistenti, classifica ogni risultato come newly_run, preexisting_artifact o user_claim, tenta un comando minimo riproducibile prima di suggerire un retraining completo, e scrive i Protocol Risks (data leakage, baseline mancanti, risultati da singola run). Attivalo quando qualcuno chiede di verificare la riproducibilità, fare l'audit degli artefatti sperimentali, o costruire un inventario di prove prima di scrivere i risultati in un paper; rifiuta esplicitamente di far passare una user_claim non verificata come una frase sicura nel paper. Non adatto a revisioni della letteratura o compiti di scrittura in prosa.
Rapporto di test
Su un repo con README che dichiara '92% accuracy' ma un train.py che non allena nulla, lo skill impone [RESULT_UNVERIFIED] e una nota Protocol Risks, dove una baseline ingenua avrebbe scritto il numero come fatto certo.
Testato il: 2026-07-13 · Claude Code 2.x (agent harness)
Installazione
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
Comandi e prompt di esempio
/academic-experimentsControlla gli esperimenti ML, bloccando i numeri non verificati prima che finiscano in una bozza di paper.
Gli skill si attivano con richieste in linguaggio naturale, senza comandi da ricordare. Dopo l'installazione, prompt come questi lo attivano (in inglese):
Audit my ML experiment results before I cite themVerify these accuracy numbers are reproducibleInventory my experiment artifacts for the paper