Compétences ai-research-explore
📦
ai-research-explore
Révision du contenu r2 Critique ⚙️ Commandes externes🌐 Accès réseau🔑 Variables d’environnement⚡ Contient des scripts📁 Accès au système de fichiers
Explorer des candidats de recherche en apprentissage profond
Les équipes de recherche ont besoin de méthodes rigoureuses pour tester des idées candidates sans surestimer les résultats. Cette compétence structure la recherche de sources, le classement des idées, les exécutions bornées et les livrables auditables.
Prend en charge: Claude Codex Code(CC)
N’installez pas automatiquement ce Skill.
La politique de référence exige un examen par un opérateur avant toute action d’installation.
Installer avec mon Agent
Copiez cette demande dans votre Agent. Elle contient la page Skill de référence et le manifeste.
Demande d’agent
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.Votre Agent doit toujours présenter son plan et demander toute confirmation exigée par la politique de sécurité.
Ressources lisibles par les agents
Utilisez ces liens lorsqu’un Agent IA, un crawler ou un script a besoin d’un contexte propre au lieu de lire toute la page.
Tester
Utilisation de « ai-research-explore ». Classer trois idées candidates pour un modèle de segmentation avec un benchmark mIoU fixe.
Résultat attendu:
- Une liste de candidats classés avec des échecs de seuils stricts et des décompositions de score.
- Une idée sélectionnée avec l'appui des sources, le gain attendu, le risque et des notes de rollback.
- Une limite de comparaison expliquant quelles preuves manquent encore.
Utilisation de « ai-research-explore ». Planifier une expérience d'exécution courte pour le candidat sélectionné.
Résultat attendu:
- Un manifeste d'expérience avec l'idée sélectionnée, les surcharges de configuration, les fichiers planifiés et les références de preuves.
- Un plan de smoke test couvrant la syntaxe, la résolution des imports, les chemins de configuration et les vérifications de commandes d'exécution courte.
- Un journal des modifications scientifique qui sépare les résultats exploratoires des affirmations de reproduction fiable.
Utilisation de « ai-research-explore ». Auditer l'appui des sources pour une greffe de module proposée.
Résultat attendu:
- Un inventaire des sources avec des classes de preuves pour les enregistrements externes, analysés, locaux au dépôt et provenant uniquement des références initiales.
- Un rapport de cartographie des sources avec dépôt source, fichier source, fichier cible et classe de patch.
- Une recommandation de continuer, de réduire le patch ou de s'arrêter pour un point de contrôle humain.
Audit de sécurité
Critiquev7 • 08/08/2026 Ouvrir le rapport versionné
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
Fichiers analysés
7,734
Lignes analysées
16
Éléments à examiner
0
Faux positifs ignorés
Préoccupations de sécurité confirmées (2)
Critique
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.
Élevé
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.
Éléments d’évaluation des capacités (16)
Il s’agit de capacités locales réelles qui peuvent être attendues pour cette compétence ; elles nécessitent donc un examen, mais ne sont pas comptabilisées comme comportement malveillant confirmé.
Élevé
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.
Élevé
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.
Élevé
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.
Élevé
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.
Élevé
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.
Élevé
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.
Élevé
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.
Élevé
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.
Élevé
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.
Élevé
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.
Élevé
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.
Moyen
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.
Faible
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.
Faible
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.
Faible
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.
Faible
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.
Facteurs de risque
⚙️ Commandes externes (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
🌐 Accès réseau (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
🔑 Variables d’environnement (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
⚡ Contient des scripts (3)
📁 Accès au système de fichiers (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
Audité par: codex Voir l’historique des audits →
Partager et citer ce rapport
Partagez le rapport d’évaluation versionné, le badge neutre, la carte intégrable et les citations. Skillstore présente les preuves sans décider si ce Skill est sûr.
Copier le lien du rapport
https://skillstore.io/skills/lllllllama-ai-research-explore/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportBadge Markdown
[](https://skillstore.io/skills/lllllllama-ai-research-explore?utm_source=security_passport_badge)Badge HTML
<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>Carte intégrable
<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>Citations académiques (APA · BibTeX · CFF)
Citation APA
lllllllama. (2026). ai-research-explore security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/lllllllama-ai-research-explore/audits/7Citation BibTeX
@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"
Score Skillstore
Pourquoi ce score Niveau de confiance des preuves: Moyen 68
Architecture
85
Maintenabilité
87
Contenu
67
Communauté
83
Conformité aux spécifications
Ce que vous pouvez créer
Classer des idées de recherche candidates
Comparer plusieurs idées candidates en apprentissage profond à un benchmark figé et à un contrat d'évaluation.
Planifier des exécutions d'expériences bornées
Transformer une idée sélectionnée en un plan d'exécution courte et réversible avec des artefacts explicites et des notes de rollback.
Auditer les preuves d'exploration
Examiner l'appui des sources, les signaux de faisabilité et les limites de comparaison avant de passer un candidat à l'échelle.
Essayez ces prompts
Démarrer une revue de candidats
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.
Classer les idées fournies
Evaluate these candidate ideas for <task family> on <dataset>. Rank them by expected gain, feasibility, evaluation risk, source support, and rollback ease.
Créer un plan d'exécution courte
Plan one bounded short-run experiment for the top candidate. Preserve the frozen evaluation command and produce auditable outputs under explore_outputs.
Gouverner une campagne complète
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.
Bonnes pratiques
- Figez current_research, le jeu de données, le benchmark, la source d'évaluation et le budget avant le début du travail sur les candidats.
- Traitez chaque résultat comme exploratoire tant que la mise en contraste des sources, les ablations et la comparaison équitable ne sont pas terminées.
- Exécutez un seul candidat réversible à la fois et conservez les sorties dans les répertoires d'artefacts déclarés.
Éviter
- N'utilisez pas cette compétence pour un brainstorming ouvert sans ancre de recherche durable.
- Ne présentez pas les gains d'exécution courte comme une nouveauté vérifiée, un SOTA ou un succès de reproduction.
- N'activez pas l'exécution optionnelle de commandes ni la recherche réseau sans examiner les entrées de campagne.
Foire aux questions
Qu'optimise cette compétence ?
Elle optimise l'exploration disciplinée de candidats avec des preuves, des limites et des chemins de rollback explicites.
Peut-elle prouver qu'une idée de recherche est nouvelle ?
Non. Elle traite la nouveauté comme une hypothèse qui nécessite une mise en contraste avec la littérature, des ablations et une comparaison équitable.
Nécessite-t-elle un fichier de campagne complet ?
Non. Une campagne minimale nécessite current_research, une famille de tâches, un jeu de données, un benchmark, une source d'évaluation, une référence SOTA et un budget.
Peut-elle exécuter des expériences ?
Oui, mais uniquement via des scripts d'aide et des politiques configurés. Examinez les commandes avant d'activer l'exécution.
Utilise-t-elle des services réseau externes ?
Elle peut résoudre les métadonnées arXiv, DOI, GitHub et web pendant la recherche. Les modes cache-first et seed-only réduisent l'utilisation du réseau.
Quels outils peuvent utiliser cette compétence ?
Le rapport indique une compatibilité avec Claude, Codex et Claude Code.
Détails du développeur
Auteur
lllllllamaLicence
MIT
Révision Skillstore
r2
Avis de version
L’auteur n’a déclaré aucune version.
Réf
656be3040aef5c047555a908cd5c695d22a4a548
Récence de maintenance
09/08/2026
Utilisation
9 téléchargements · 1 vues
Structure de fichiers