BC hypogenic
Автоматическая генерация и проверка гипотез с использованием больших языковых моделей. Используйте этот навык при генерации научных гипотез из наборов данных, объединении инсайтов из литературы с эмпирическими данными, проверке гипотез на основе наблюдаемых данных или проведении систематического исследования гипотез для научных открытий в таких областях, как обнаружение обмана, обнаружение контента ИИ, анализ психического здоровья или другие эмпирические исследовательские задачи.
машинный переводПоказать оригиналСкрыть оригинал«Automated hypothesis generation and testing using large language model…»
Automated hypothesis generation and testing using large language models. Use this skill when generating scientific hypotheses from datasets, combining literature insights with empirical data, testing hypotheses against observational data, or conducting systematic hypothesis exploration for research discovery in domains like deception detection, AI content detection, mental health analysis, or other empirical research tasks.
Автоматическая генерация и проверка гипотез с использованием больших языковых моделей.
Как процесс C 53/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск
Такой же скилл встречается ещё в 1 месте: RA-Skills
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 5266 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 53/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Стоимость исполнения. Тело инструкции 5266 токенов
- 85Шаги. Шагов: 121, расплывчатых формулировок: 3
- 100Согласованность. Имя и обязательные поля на месте
- low Разделов верхнего уровня: 20. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 427 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 47 заголовков
- +3Пошаговые инструкции: 121 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (25 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.