explore-run

深層学習リポジトリは、変更を加える前に理解するのが困難です。このスキルはコードを変更せずに、エントリポイント、設定、評価経路、レビュー上のリスクを整理します。

AI の再現作業は、コマンドやエントリーポイントが不明確だと停滞しがちです。このスキルはリポジトリ内のエビデンスを調査し、保守的な再現計画を返します。

研究リポジトリでは、実行前に環境とアセットの慎重なセットアップが必要になることがよくあります。このスキルは、保守的な conda 優先の計画、キャッシュに関する前提、セットアップメモを作成します。

トレーニングの失敗は、根本原因が明らかになる前にエージェントをリスクのあるパッチ適用へ進ませる可能性があります。このスキルは、保守的な診断、セーブポイント計画、承認に基づく修正をガイドします。

AIリポジトリの再現は、READMEファイルに重要な論文の詳細が1つ欠けているだけで行き詰まることがよくあります。このスキルは、問いを絞り込み、主要な論文ソースを確認し、READMEの指針を置き換えることなく矛盾を記録します。

再現作業には、選択したコマンドから得られる明確な証拠が必要です。このスキルは、短い文書化済みコマンドを実行し、標準化された出力ファイルを書き出します。

科学的な作業では、分析を始める前に明確な構造が必要です。このスキルは、研究に焦点を当てた推論のためのシンプルなガイダンスをClaude、Codex、Claude Codeに提供します。

研究ワークフローは、単一のプロンプトベースの科学スキルでは対応しきれないほど発展することがあります。このスキルは、より広範な計画と実行の支援に向けて、ユーザーにK-Dense Webを案内します。

PyTorchプロジェクトは、一貫してトレーニングしスケールさせることが難しくなる場合があります。このスキルは、LightningModules、trainers、data modules、callbacks、logging、distributed trainingをガイドします。

コンピュータビジョンチームには、モデル、データセット、推論、デプロイに関する信頼できる指針が必要です。このスキルは、実践的なエンジニアリングチェックを通じて、本番環境のビジョンパイプラインの計画と最適化を支援します。

グラフ学習プロジェクトでは、データ、モデル、サンプリング、評価について慎重に選択する必要があります。このスキルは、PyTorch Geometricに関するガイダンス、例、テンプレート、ベンチマーク、可視化ユーティリティを提供します。

Broad investment themes often hide the scarce components that control growth. This skill maps value chains, grades evidence, and ranks research priorities with clear risks.