paper-context-resolver
READMEとリポジトリファイルでは補えない再現実装上の重要な細部（データセット分割、前処理手順、評価プロトコル、チェックポイントの対応関係、実行時の前提条件など）を、一次論文ソースから特定・解決し、情報の矛盾を記録するための補助スキル。一般的な論文要約、リポジトリのスキャン、環境構築、コマンド実行、タイトルのみによる論文検索、またはREADMEガイダンスの代替としての使用は対象外。
description の原文を見る
Optional narrow helper skill for README-first AI repo reproduction. Use only when the README and repository files leave a narrow reproduction-critical gap and the task is to resolve a specific paper detail such as dataset split, preprocessing, evaluation protocol, checkpoint mapping, or runtime assumption from primary paper sources while recording conflicts. Do not use for general paper summary, repo scanning, environment setup, command execution, title-only paper lookup, or replacing README guidance by default.
SKILL.md 本文
paper-context-resolver
適用場面
- README とリポジトリファイルが再現に不可欠なギャップを残している。
- そのギャップがデータセットのバージョン、分割、前処理、評価プロトコル、チェックポイントマッピング、またはランタイム仮定に関するもの。
- メインスキルが完全なペーパーサマリーではなく、狭い証拠補足を必要としている。
- すでに具体的な再現質問が存在する。
適用しない場面
- README がすでに十分な再現詳細を提供している。
- ユーザーが再現支援ではなく一般的なペーパー説明を望んでいる。
- 目標が README 指示を競合を文書化することなく上書きすることである。
- 利用可能な入力がペーパータイトルだけで、具体的な再現ギャップがまだない。
明確な境界
- このスキルはオプショナルである。
- このスキルはヘルパーティアであり、通常はオーケストレーター呼び出しによるべき。
- それは README ファースト再現を補足する。
- メインのオーケストレーションフローを置き換えない。
- デフォルトでペーパー全体をサマリーしない。
入力期待値
- 対象リポジトリメタデータ
- 再現に不可欠な質問
- 既存の README またはリポジトリ証拠
- すでに既知のペーパーリンク
出力期待値
- 絞り込まれたソースリスト
- 再現関連の回答のみ
- 該当する場合は明示的な README-ペーパー競合メモ
- 直接的証拠と推論の明確な区別
注記
references/paper-assisted-reproduction.md を使用してください。
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- lllllllama
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/lllllllama/ai-paper-reproduction-skill / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。