lllllllama

深度學習除錯常導致投機性的修補，破壞研究可重現性。此技能在任何程式碼修改前提供保守的診斷並設置明確的核准關卡，使除錯修正與研究貢獻保持分離。

Deep learning training runs often lack reproducible evidence and clear status reporting. This skill executes a selected training command conservatively and writes standardized training evidence to train_outputs/.

手動掃描 AI 程式庫以尋找重現命令既耗時又容易出錯。此技能可自動執行「先看 README」的分析流程，提取已記錄的命令並生成最精簡的可信重現計劃。

在復現人工智慧研究時，儲存庫的 README 通常會在資料集分割、評估協定或預處理細節方面留下關鍵缺口。此技能從主要論文來源解決這些狹義的復現問題，同時保留以 README 為先的指導方針。

執行 AI 論文複現實驗需要一致的命令執行和標準化報告。此技能執行冒煙測試、推理運行或評估命令，同時自動生成結構化輸出包以供審計追蹤。

深度學習研究人員需要快速執行探索性試驗,同時避免過度宣稱結果。本技能會產生預算感知的變體矩陣,並附帶公平比較的注意事項,將探索性證據與可信基線明確區分。

Deep learning researchers need to explore code modifications without breaking trusted baselines. This skill creates conservative, auditable change plans with explicit rollback paths for isolated worktrees.

為論文複現設定 AI 研究環境既複雜又容易出錯。本技能自動執行保守的 conda 優先環境創建與資源路徑規劃，以減少設定摩擦。

理解一個新的深度學習儲存庫既耗時又容易出錯。此技能提供唯讀的靜態分析,以映射模型結構、訓練入口點和可疑模式,無需修改程式碼或執行昂貴的訓練任務。

Reproducing deep learning papers is slow and error-prone because commands, datasets, and assumptions are scattered across READMEs. This skill reads the repository first, selects the smallest documented target, and writes a standardized repro_outputs/ bundle with evidence, deviations, and human decision points.

研究人員難以系統性地探索並以科學嚴謹度為新穎的深度學習想法進行排序。此技能在 current_research 之上提供可稽核的候選方案探索，具備想法閘控、公平比較與受控管的工作流程。