BD distillation-adversarial-verify
Инженерный цикл испытаний с использованием методов противодействия для межмодельной дистилляции: проводит тестирование на контрпримерах для извлеченных ключевых правил принятия решений / навыков студента, количественно оценивая, "были ли усвоены реальные знания или только поверхностные формулировки". При заданном наборе правил (вызываемые функции или словарь правил) и наборе тестовых данных выдает оценку надежности каждого правила и общую оценку качества дистилляции, а также помечает правила, требующие доработки. Чистая стандартная библиотека, нулевые зависимости, возможность локального запуска (--selftest с примерами в комплекте).
машинный переводПоказать оригиналСкрыть оригинал«跨模型蒸馏工程化的对抗验证环：对蒸馏出的关键决策规则 / 学生技能做反例测试，量化"学到了真能力 还是只学到表面话术"。给定一组规则(可调用…»
跨模型蒸馏工程化的对抗验证环：对蒸馏出的关键决策规则 / 学生技能做反例测试，量化"学到了真能力 还是只学到表面话术"。给定一组规则(可调用函数或规则 dict)与对抗用例集，输出每条规则的健壮性 评分与整体蒸馏质量分，并标记需回炉的规则。纯标准库、零依赖、可本地实跑(--selftest 自带样例)。
Инженерный цикл испытаний с использованием методов противодействия для межмодельной дистилляции: проводит тестирование на контрпримерах для извлеченных…
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created" - заметка
frontmatter-keyнеизвестное поле фронтматтера "visibility"
Процессный рейтинг: все десять параметров 46/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 100Шаги. Шагов: 15
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 521 токенов
- 100Повторный запуск. Изменяющих операций нет
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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 152 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 15 пунктов
- +4Есть примеры (3 блоков кода)
- +3Все 2 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.