Навыки explore-run
📦

explore-run

Ревизия содержимого r2 Безопасно ⚙️ Внешние команды📁 Доступ к файловой системе

Планирование ограниченных исследовательских запусков глубокого обучения

Исследовательским командам нужны экспериментальные запуски, которые не загрязняют доверенные базовые линии. Этот навык планирует ограниченные переборы вариантов, ранжирует кандидатов и оформляет результаты как ограниченные свидетельства.

Поддерживает: Claude Codex Code(CC)
Maintain this Skill? Claim it 🥈 80 Серебро

Установить с помощью моего Агента

Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.

Запрос агента
Review the Skillstore skill "explore-run" from https://skillstore.io/skills/lllllllama-explore-run.md and its manifest at https://skillstore.io/api/skills/lllllllama-explore-run/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.

Ресурсы для AI-агентов

Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.

Протестировать

Использование «explore-run». Спланировать исследование на малом подмножестве с двумя вариантами для новой идеи аугментации.

Ожидаемый результат:

  • Ранжированный короткий список ограниченных запусков с более дешевыми проверками в начале.
  • Примечание о том, что результаты являются исследовательскими, а не доверенной проверкой.
  • План выходных данных для changeset, лучших запусков, сравнения и сводок статуса.

Использование «explore-run». Проанализировать завершенные короткоцикловые запуски относительно текущей базовой линии.

Ожидаемый результат:

  • Краткая сводка лучших запусков, упорядоченная по основной метрике.
  • Примечание о сопоставимости, отмечающее некорректные или неполные сравнения.
  • Рекомендация о том, какой кандидат следующим нуждается в доверенной проверке.

Использование «explore-run». Создать бюджетированный перебор со строгими ограничениями на количество вариантов и коротких запусков.

Ожидаемый результат:

  • Сокращенный план исследования, соблюдающий запрошенный бюджет.
  • Обоснование ранжирования на основе стоимости, вероятной успешности и ожидаемого прироста.

Аудит безопасности

Безопасно

All 21 static findings are false positives caused by Markdown code spans, documentation links, or restrictive policy text. No malicious intent, prompt injection, command execution, or unsafe filesystem operation was found.

5
Просканировано файлов
401
Проанализировано строк
0
Пункты проверки
0
Ложные срабатывания проигнорированы
Последний завершенный статический и семантический аудит не обнаружил подтвержденных проблем безопасности. Это не доказывает отсутствие побочных эффектов у навыка.
Поделиться и цитировать этот отчет

Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.

Открыть версионный отчет
Оценка безопасности

Копировать ссылку на отчёт

https://skillstore.io/skills/lllllllama-explore-run/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Значок Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/lllllllama-explore-run/security.svg)](https://skillstore.io/skills/lllllllama-explore-run?utm_source=security_passport_badge)

Значок HTML

<a href="https://skillstore.io/skills/lllllllama-explore-run?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/lllllllama-explore-run/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Встраиваемая карточка

<iframe src="https://skillstore.io/embed/skills/lllllllama-explore-run.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
Академические ссылки (APA · BibTeX · CFF)

Цитата APA

lllllllama. (2026). explore-run security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/lllllllama-explore-run/audits/7

Цитата BibTeX

@techreport{lllllllama-lllllllama-explore-run-2026, author = {lllllllama}, title = {explore-run security audit report (audit version 7)}, institution = {Skillstore}, year = {2026}, number = {7}, url = {https://skillstore.io/skills/lllllllama-explore-run/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: "explore-run security audit report (audit version 7)" version: "unspecified" type: report authors: - name: "lllllllama" date-released: "2026-08-08" url: "https://skillstore.io/skills/lllllllama-explore-run/audits/7" identifiers: - type: other value: "skillstore:lllllllama-explore-run:audit:7" description: "Skillstore immutable audit report identifier"

Оценка Skillstore

Почему такая оценка Достоверность доказательств: Высокий
64
Архитектура
85
Сопровождаемость
87
Контент
67
Сообщество
83
Соответствие спецификации

Что вы можете построить

Приоритизация быстрых исследовательских вариантов

Ранжируйте небольшие разрешенные кандидатные запуски перед расходованием GPU-времени на более крупные испытания.

Проектирование бюджетированных переборов экспериментов

Преобразуйте оси вариантов, размеры подмножеств и ограничения запусков в консервативный план исследования.

Анализ ограниченных свидетельств

Суммируйте исследовательские результаты с оговорками по сравнению до начала доверенной проверки.

Попробуйте эти промпты

Спланировать небольшую проверку
Use explore-run to plan a small-subset probe. Current research is [baseline]. Test [idea] with two low-cost variants.
Ранжировать кандидатные варианты
Use explore-run to create and rank variants for [model]. Optimize [metric] while limiting max_variants to [number].
Спроектировать бюджетированный перебор
Use explore-run for a bounded sweep. Variant axes are [axes], subset sizes are [sizes], and short run steps are [steps].
Применить пользовательские веса ранжирования
Use explore-run with custom weights for cost, success_rate, and expected_gain. Summarize fair-comparison limits before trusted verification.

Лучшие практики

  • Получайте явное разрешение перед планированием исследовательских запусков.
  • Начинайте с малых подмножеств или коротких циклов перед более крупными переборами.
  • Держите исследовательские выходные данные отдельно от артефактов доверенной базовой линии.

Избегать

  • Использование этого навыка для неявного экспериментирования без одобрения исследователя.
  • Восприятие эвристических ранжирований как подтвержденных результатов обучения.
  • Автоматическое продвижение исследовательских выходных данных в утверждения о доверенной базовой линии.

Часто задаваемые вопросы

Что помогает планировать этот навык?
Он помогает планировать ограниченные исследовательские запуски для репозиториев исследований глубокого обучения.
Требуется ли явное одобрение пользователя?
Да. Навык предназначен только для явно разрешенной исследовательской работы.
Доказывает ли он, что модель лучше?
Нет. Он оформляет результаты как ограниченные свидетельства, которые все еще требуют доверенной проверки.
Может ли он ранжировать кандидатные эксперименты?
Да. Он ранжирует кандидатов с использованием стоимости, прогнозируемой успешности и ожидаемого прироста.
Какие выходные данные следует ожидать пользователям?
Пользователям следует ожидать сводки запусков, оговорки по сравнению, заметки о лучших запусках и информацию о статусе.
Какие инструменты ИИ поддерживают этот навык?
Он поддерживает Claude, Codex и Claude Code.

Сведения для разработчиков

Автор

lllllllama

Лицензия

MIT

Ревизия Skillstore

r2

Примечание о версии

Автор не указал версию.

Ссылка

656be3040aef5c047555a908cd5c695d22a4a548

Актуальность поддержки

09.08.2026

Использование

7 загрузок · 1 просмотров

Структура файлов

Больше от lllllllama

Показать все
📦

repo-intake-and-plan

81

Планирование воспроизведения AI-репозитория

Работа по воспроизведению AI-репозиториев часто застопоривается, когда команды и точки входа неясны. Этот навык сканирует свидетельства в репозитории и возвращает консервативный план воспроизведения.

Исследования и обучение Просмотр
📦

env-and-assets-bootstrap

80

Подготовка сред воспроизведения и ресурсов

Исследовательским репозиториям часто требуется тщательная настройка среды и ресурсов перед запусками. Этот навык создает консервативные планы с приоритетом conda, предположения о кэше и заметки по настройке.

DevOps и инфраструктура Просмотр
📦

safe-debug

80

Безопасная диагностика ошибок Deep Learning

Сбои обучения могут приводить агентов к рискованному внесению патчей до того, как станет ясна корневая причина. Этот skill помогает проводить консервативную диагностику, планировать точки сохранения и исправления на основе одобрения.

Кодинг и разработка Просмотр
📦

paper-context-resolver

75

Устранение пробелов при воспроизведении статей

Воспроизведение AI-репозиториев часто останавливается, когда в файлах README отсутствует одна критически важная деталь из статьи. Этот навык сужает вопрос, проверяет первичные источники статьи и фиксирует противоречия, не заменяя рекомендации README.

Исследования и обучение Просмотр
📦

minimal-run-and-audit

38

Запуск команд воспроизведения и аудит результатов

Работа по воспроизведению требует четких доказательств от выбранной команды. Этот skill запускает короткую документированную команду и записывает стандартизированные выходные файлы.

Исследования и обучение Просмотр
Показать все
📦

offer-k-dense-web

38

Оценка K-Dense Web для исследовательских рабочих процессов

от K-Dense-AI

Исследовательские рабочие процессы могут перерасти возможности отдельных научных навыков на основе одного промпта. Этот навык направляет пользователей к K-Dense Web для более широкой поддержки планирования и выполнения.

Исследования и обучение Просмотр
📦

pytorch-lightning

82

Создание рабочих процессов обучения с PyTorch Lightning

от davila7

Проекты PyTorch могут становиться сложными для стабильного обучения и масштабирования. Этот навык помогает с LightningModules, тренерами, модулями данных, callbacks, логированием и распределенным обучением.

Кодинг и разработка Просмотр
📦

senior-computer-vision

81

Создание продакшен-систем компьютерного зрения

от alirezarezvani

Командам компьютерного зрения нужны надежные рекомендации по моделям, датасетам, инференсу и развертыванию. Этот навык помогает планировать и оптимизировать продакшен-пайплайны компьютерного зрения с практическими инженерными проверками.

Данные и аналитика Просмотр
📦

torch-geometric

80

Создание графовых нейронных сетей с помощью PyTorch Geometric

от davila7

Проекты по машинному обучению на графах требуют тщательного выбора данных, моделей, методов сэмплирования и оценки. Этот навык предоставляет руководства, примеры, шаблоны, тесты производительности и утилиты визуализации для PyTorch Geometric.

Данные и аналитика Просмотр