Fähigkeiten ai-research-explore
📦
ai-research-explore
Inhaltsrevision r2 Kritisch ⚙️ Externe Befehle🌐 Netzwerkzugriff🔑 Umgebungsvariablen⚡ Enthält Skripte📁 Dateisystemzugriff
Deep-Learning-Forschungskandidaten erkunden
Forschungsteams benötigen disziplinierte Methoden, um Kandidatenideen zu testen, ohne Ergebnisse zu überbewerten. Diese Skill strukturiert Quellensuche, Ideenbewertung, begrenzte Läufe und auditierbare Ausgaben.
Unterstützt: Claude Codex Code(CC)
Diesen Skill nicht automatisch installieren.
Die maßgebliche Richtlinie verlangt vor jeder Installationsaktion eine Prüfung durch einen Bediener.
Mit meinem Agent installieren
Kopieren Sie diese Anfrage in Ihren Agent. Sie enthält die maßgebliche Skill-Seite und das Manifest.
Agent-Anfrage
Review the Skillstore skill "ai-research-explore" from https://skillstore.io/skills/lllllllama-ai-research-explore.md and its manifest at https://skillstore.io/api/skills/lllllllama-ai-research-explore/manifest. Verify the artifact. Do not auto-install. Inspect the skill and report your findings, then wait for an operator or manual installation decision.Ihr Agent sollte weiterhin seinen Plan anzeigen und alle von der Sicherheitsrichtlinie verlangten Bestätigungen anfordern.
Agent-lesbare Ressourcen
Verwenden Sie diese Links, wenn ein KI-Agent, Crawler oder Skript sauberen Kontext benötigt, statt die vollständige Seite zu lesen.
Testen
„ai-research-explore“ wird verwendet. Drei Kandidatenideen für ein Segmentierungsmodell mit einem festen mIoU-Benchmark bewerten.
Erwartetes Ergebnis:
- Eine bewertete Kandidatenliste mit Hard-Gate-Fehlschlägen und Score-Aufschlüsselungen.
- Eine ausgewählte Idee mit Quellenunterstützung, erwartetem Nutzen, Risiko und Rollback-Notizen.
- Eine Vergleichsgrenze, die erklärt, welche Nachweise noch fehlen.
„ai-research-explore“ wird verwendet. Einen Kurzlaufversuch für den ausgewählten Kandidaten planen.
Erwartetes Ergebnis:
- Ein Experimentmanifest mit ausgewählter Idee, Konfigurationsüberschreibungen, geplanten Dateien und Nachweisreferenzen.
- Ein Smoke-Plan, der Syntax, Importauflösung, Konfigurationspfade und Kurzlauf-Befehlsprüfungen abdeckt.
- Ein wissenschaftliches Changelog, das explorative Ergebnisse von vertrauenswürdigen Reproduktionsansprüchen trennt.
„ai-research-explore“ wird verwendet. Quellenunterstützung für eine vorgeschlagene Modultransplantation auditieren.
Erwartetes Ergebnis:
- Ein Quelleninventar mit Nachweisklassen für externe, geparste, repo-lokale und seed-only Datensätze.
- Ein Quellenzuordnungsbericht mit Quell-Repo, Quelldatei, Zieldatei und Patch-Klasse.
- Eine Empfehlung, fortzufahren, den Patch einzugrenzen oder für einen menschlichen Checkpoint anzuhalten.
Sicherheitsaudit
Kritischv7 • 8.8.2026 Versionsbericht öffnen
Most static alerts are false positives caused by Markdown formatting, identifiers, nested Python structures, and fixed argument-list subprocess calls. Confirmed risks include outbound lookup traffic, unrestricted user-derived URLs, and instructions to read files outside the skill package. Automatic imports execute target repository modules during feasibility checks, creating an unsandboxed arbitrary code execution risk.
34
Gescannte Dateien
7,734
Analysierte Zeilen
16
Prüfelemente
0
Falschmeldungen ignoriert
Bestätigte Sicherheitsbedenken (2)
Kritisch
Automatic Target Repository Code Execution
Feasibility checks import selected Python files from the target repository. Module top-level code executes automatically, twice, without sandboxing or explicit execution consent.
spec.loader.exec_module directly executes repository modules during routine feasibility checks. Filename exclusions do not prevent malicious top-level code in other Python files.
Hoch
Unaudited Cross-Package Module Execution
The output wrapper imports and executes a shared Python module located outside the audited skill directory. Package-relative trust is assumed without integrity verification.
The fixed relative path leaves the audited package and exec_module runs the external file. No hash, signature, or ownership validation is performed.
Elemente der Fähigkeitsprüfung (16)
Dies sind echte lokale Fähigkeiten, die für diese Fähigkeit erwartet werden können; daher müssen sie überprüft werden, werden jedoch nicht als bestätigtes bösartiges Verhalten gezählt.
Hoch
Python HTTP libraries
request = urllib.request.Request(
The request accepts user-derived HTTP URLs without a host allowlist or private-address checks. This creates an SSRF-capable request path.
Hoch
Python HTTP libraries
with urllib.request.urlopen(request, timeout=REQUEST_TIMEOUT_SECONDS) as response:
urlopen sends requests to user-derived URLs without blocking loopback, private, or metadata addresses. This enables server-side request forgery.
Hoch
Path traversal sequence
`../../references/agent-operating-principles.md`, then load
The instruction explicitly reads ../../references, crossing the audited skill boundary. External content can influence agent behavior without being included in this package audit.
Hoch
Path traversal sequence
`../../references/research-rigor-principles.md` for research claims and
The instruction explicitly reads ../../references, crossing the audited skill boundary. External content can influence agent behavior without being included in this package audit.
Hoch
Path traversal sequence
`../../references/deep-learning-experiment-principles.md` when experiment
The instruction explicitly reads ../../references, crossing the audited skill boundary. External content can influence agent behavior without being included in this package audit.
Hoch
Path traversal sequence
- Load `../../references/explore-variant-spec.md` for run-level variant matrix
The instruction explicitly reads ../../references, crossing the audited skill boundary. External content can influence agent behavior without being included in this package audit.
Hoch
Path traversal sequence
- Load `../../references/research-thinking-loop.md` before proposing or ranking candidate changes; i
The instruction explicitly reads ../../references, crossing the audited skill boundary. External content can influence agent behavior without being included in this package audit.
Hoch
Path traversal sequence
- Load `../../references/research-rigor-principles.md` before making novelty, contribution, SOTA, or
The instruction explicitly reads ../../references, crossing the audited skill boundary. External content can influence agent behavior without being included in this package audit.
Hoch
Path traversal sequence
- Consult `~/.rigorpilot/PERSONAL_RIGOR.md` if present, under `../../references/continuous-learning-
The instruction explicitly reads ../../references, crossing the audited skill boundary. External content can influence agent behavior without being included in this package audit.
Hoch
Path traversal sequence
- Load `../../references/deep-learning-experiment-principles.md` when training,
The instruction explicitly reads ../../references, crossing the audited skill boundary. External content can influence agent behavior without being included in this package audit.
Hoch
Hidden file in home directory
- Consult `~/.rigorpilot/PERSONAL_RIGOR.md` if present, under `../../references/continuous-learning-
The skill directs the agent to read a hidden file from the user's home directory. That is cross-boundary access to potentially sensitive local content.
Mittel
Hidden file access
- Consult `~/.rigorpilot/PERSONAL_RIGOR.md` if present, under `../../references/continuous-learning-
The instruction accesses ~/.rigorpilot/PERSONAL_RIGOR.md outside the skill and workspace. Advisory use still exposes local content to the agent context.
Niedrig
Hardcoded URL
f"https://export.arxiv.org/api/query?id_list={urllib.parse.quote(arxiv_id)}",
The provider performs an intended metadata lookup against export.arxiv.org. This is real network egress, although the identifier is encoded and no secret is sent.
Niedrig
Hardcoded URL
f"https://doi.org/{urllib.parse.quote(doi, safe='/')}",
The provider performs an intended metadata lookup against doi.org. This is real network egress, although the identifier is encoded and no secret is sent.
Niedrig
Hardcoded URL
payload = http_get_json(f"https://api.github.com/repos/{owner}/{repo}/readme")
The provider performs an intended metadata lookup against api.github.com. This is real network egress to a fixed public host without credential transmission.
Niedrig
Hardcoded URL
payload = http_get_json(f"https://api.github.com/repos/{owner}/{repo}")
The provider performs an intended metadata lookup against api.github.com. This is real network egress to a fixed public host without credential transmission.
Risikofaktoren
⚙️ Externe Befehle (50)
scripts/lookup/inventory_writer.py:13 scripts/lookup/inventory_writer.py:32 scripts/lookup/inventory_writer.py:60 scripts/lookup/inventory_writer.py:79 scripts/lookup/inventory_writer.py:86 scripts/lookup/repo_extractors.py:93 scripts/orchestrate_explore.py:50 scripts/orchestrate_explore.py:55 scripts/orchestrate_explore.py:66 scripts/orchestrate_explore.py:113 scripts/orchestrate_explore.py:145 scripts/orchestrate_explore.py:153 scripts/orchestrate_explore.py:156 scripts/orchestrate_explore.py:267 scripts/orchestrate_explore.py:276 scripts/orchestrate_explore.py:511 scripts/orchestrate_explore.py:512 scripts/orchestrate_explore.py:513 scripts/orchestrate_explore.py:514 scripts/orchestrate_explore.py:856 scripts/orchestrate_explore.py:1080 scripts/orchestrate_explore.py:1083 scripts/orchestrate_explore.py:1086 scripts/orchestrate_explore.py:1092 scripts/orchestrate_explore.py:1095 scripts/orchestrate_explore.py:1098 scripts/orchestrate_explore.py:1167 scripts/orchestrate_explore.py:1171 scripts/orchestrate_explore.py:1173 scripts/orchestrate_explore.py:1175 scripts/orchestrate_explore.py:1410 scripts/orchestrate_explore.py:1413 scripts/orchestrate_explore.py:1431 scripts/orchestrate_explore.py:1433 scripts/orchestrate_explore.py:1457 scripts/orchestrate_explore.py:1459 scripts/orchestrate_explore.py:1463 scripts/orchestrate_explore.py:1465 scripts/orchestrate_explore.py:1467 scripts/orchestrate_explore.py:1469 scripts/orchestrate_explore.py:1474 scripts/orchestrate_explore.py:1478 scripts/orchestrate_explore.py:1501 scripts/orchestrate_explore.py:1502 scripts/orchestrate_explore.py:1503 scripts/orchestrate_explore.py:1507 scripts/orchestrate_explore.py:1513 scripts/orchestrate_explore.py:1515 scripts/orchestrate_explore.py:1519 scripts/orchestrate_explore.py:1521
🌐 Netzwerkzugriff (12)
scripts/lookup/normalizers.py:43 scripts/lookup/normalizers.py:88 scripts/lookup/normalizers.py:107 scripts/lookup/normalizers.py:135 scripts/lookup/providers/arxiv_provider.py:36 scripts/lookup/providers/base.py:6 scripts/lookup/providers/base.py:61 scripts/lookup/providers/base.py:68 scripts/lookup/providers/doi_provider.py:21 scripts/lookup/providers/doi_provider.py:36 scripts/lookup/providers/github_provider.py:23 scripts/lookup/providers/github_provider.py:67
🔑 Umgebungsvariablen (8)
scripts/lookup/providers/optional_provider.py:21 scripts/lookup/providers/optional_provider.py:17 scripts/lookup/providers/optional_provider.py:10 scripts/lookup/providers/optional_provider.py:11 scripts/lookup/providers/optional_provider.py:12 scripts/passes/lookup_sources.py:180 scripts/passes/lookup_sources.py:196 scripts/passes/lookup_sources.py:329
⚡ Enthält Skripte (3)
📁 Dateisystemzugriff (17)
scripts/orchestrate_explore.py:12 scripts/orchestrate_explore.py:61 scripts/orchestrate_explore.py:754 scripts/orchestrate_explore.py:884 scripts/orchestrate_explore.py:929 scripts/orchestrate_explore.py:936 scripts/orchestrate_explore.py:943 SKILL.md:21 SKILL.md:22 SKILL.md:23 SKILL.md:116 SKILL.md:118 SKILL.md:119 SKILL.md:120 SKILL.md:121 SKILL.md:120 SKILL.md:120
Geprüft von: codex Audit-Verlauf anzeigen →
Diesen Bericht teilen & zitieren
Teile den versionierten Bewertungsbericht, das neutrale Badge, die Einbettungskarte und Zitate. Skillstore berichtet Nachweise, ohne zu entscheiden, ob dieser Skill sicher ist.
Berichtslink kopieren
https://skillstore.io/skills/lllllllama-ai-research-explore/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown-Badge
[](https://skillstore.io/skills/lllllllama-ai-research-explore?utm_source=security_passport_badge)HTML-Badge
<a href="https://skillstore.io/skills/lllllllama-ai-research-explore?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/lllllllama-ai-research-explore/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Einbettungskarte
<iframe src="https://skillstore.io/embed/skills/lllllllama-ai-research-explore.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Wissenschaftliche Zitate (APA · BibTeX · CFF)
APA-Zitat
lllllllama. (2026). ai-research-explore security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/lllllllama-ai-research-explore/audits/7BibTeX-Zitat
@techreport{lllllllama-lllllllama-ai-research-explore-2026,
author = {lllllllama},
title = {ai-research-explore security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/lllllllama-ai-research-explore/audits/7},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "ai-research-explore security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "lllllllama"
date-released: "2026-08-08"
url: "https://skillstore.io/skills/lllllllama-ai-research-explore/audits/7"
identifiers:
- type: other
value: "skillstore:lllllllama-ai-research-explore:audit:7"
description: "Skillstore immutable audit report identifier"
Skillstore-Score
Warum dieser Score Evidenzvertrauen: Mittel 68
Architektur
85
Wartbarkeit
87
Inhalt
67
Gemeinschaft
83
Spezifikationskonformität
Was Sie erstellen können
Kandidatenideen bewerten
Mehrere Deep-Learning-Kandidatenideen anhand eines eingefrorenen Benchmarks und Evaluierungsvertrags vergleichen.
Begrenzte Experimentläufe planen
Eine ausgewählte Idee in einen reversiblen Kurzlaufplan mit expliziten Artefakten und Rollback-Notizen überführen.
Erkundungsnachweise auditieren
Quellenunterstützung, Machbarkeitssignale und Vergleichsgrenzen prüfen, bevor ein Kandidat skaliert wird.
Diese Prompts ausprobieren
Kandidatenprüfung starten
Use ai-research-explore to review candidate-only ideas for current_research <branch or commit>. Keep the dataset, benchmark, evaluation source, and compute budget fixed.
Bereitgestellte Ideen bewerten
Evaluate these candidate ideas for <task family> on <dataset>. Rank them by expected gain, feasibility, evaluation risk, source support, and rollback ease.
Kurzlaufplan erstellen
Plan one bounded short-run experiment for the top candidate. Preserve the frozen evaluation command and produce auditable outputs under explore_outputs.
Eine vollständige Kampagne steuern
Run a governed Rigor Explore campaign from this research_campaign file. Use cache-first source lookup, baseline gating, source mapping, atomic decomposition, and implementation fidelity checks.
Bewährte Praktiken
- current_research, Datensatz, Benchmark, Evaluierungsquelle und Budget einfrieren, bevor Kandidatenarbeit beginnt.
- Jedes Ergebnis als explorativ behandeln, bis Quellenkontrast, Ablationen und fairer Vergleich abgeschlossen sind.
- Jeweils einen reversiblen Kandidaten ausführen und Ausgaben in den deklarierten Artefaktverzeichnissen halten.
Vermeiden
- Diese Skill nicht für offenes Brainstorming ohne dauerhaften Forschungsanker verwenden.
- Kurzlaufgewinne nicht als verifizierte Neuheit, SOTA oder Reproduktionserfolg darstellen.
- Optionale Befehlsausführung oder Netzwerksuche nicht aktivieren, ohne die Kampagneneingaben zu prüfen.
Häufig gestellte Fragen
Worauf optimiert diese Skill?
Sie optimiert für disziplinierte Kandidatenerkundung mit expliziten Nachweisen, Grenzen und Rollback-Pfaden.
Kann sie beweisen, dass eine Forschungsidee neu ist?
Nein. Sie behandelt Neuheit als Hypothese, die Literaturkontrast, Ablationen und fairen Vergleich benötigt.
Erfordert sie eine vollständige Kampagnendatei?
Nein. Eine minimale Kampagne benötigt current_research, Aufgabenfamilie, Datensatz, Benchmark, Evaluierungsquelle, SOTA-Referenz und Budget.
Kann sie Experimente ausführen?
Ja, aber nur über konfigurierte Hilfsskripte und Richtlinien. Befehle vor dem Aktivieren der Ausführung prüfen.
Verwendet sie externe Netzwerkdienste?
Sie kann während der Suche arXiv-, DOI-, GitHub- und Web-Metadaten auflösen. Cache-first- und seed-only-Modi reduzieren die Netzwerknutzung.
Welche Tools können diese Skill verwenden?
Der Bericht listet Kompatibilität mit Claude, Codex und Claude Code auf.
Entwicklerdetails
Autor
lllllllamaLizenz
MIT
Skillstore-Revision
r2
Versionshinweis
Der Autor hat keine Version angegeben.
Ref.
656be3040aef5c047555a908cd5c695d22a4a548
Aktualität der Wartung
9.8.2026
Nutzung
9 Downloads · 1 Aufrufe
Dateistruktur