AD lattice-reasoning-engine
Механизм рассуждений, основанный на физике, для моделей ИИ. Заменяет стандартное поведение RLHF самоуправляемыми рассуждениями, основанными на конечной физике свидетельств. 50 именованных обнаружений смещений с механическими проверками (включая 11 детекторов сброса), 11 преддейственных ворот, 20 мониторов дрейфа, 10 когнитивных режимов, трехматричный выходной фильтр, классификация доказательств, протокол полноты охвата, закон тихого сброса, протокол сна, предотвращающий деградацию при длительных сеансах, и автономная цепочка сборки для устойчивых рассуждений с отслеживанием и исправлением. Независим от модели — работает на Claude, GPT, Grok, Gemini. Используйте, когда вам требуется более высокое качество рассуждений, снижение подобострастия/галлюцинаций, более длительные надежные сеансы или фильтрация вывода на основе физики от любой модели ИИ.
машинный переводПоказать оригиналСкрыть оригинал«Physics-derived reasoning engine for AI models. Replaces RLHF default…»
Physics-derived reasoning engine for AI models. Replaces RLHF default behavior with self-governing reasoning grounded in finite-witness physics. 50 named bias detections with mechanical checks (including 11 shedding detectors), 11 pre-action gates, 20 drift monitors, 10 cognitive modes, three-matrix output filter, evidence classification, coverage completeness protocol, silent shedding law, sleep protocol preventing long-session degradation, and autonomous build chain for sustained trace-fix reasoning. Model-agnostic — works on Claude, GPT, Grok, Gemini. Use when you want better reasoning quality, reduced sycophancy/hallucination, longer reliable sessions, or physics-backed output filtering from any AI model.
Механизм рассуждений, основанный на физике, для моделей ИИ.
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- 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
- заметка
frontmatter-keyнеизвестное поле фронтматтера "side_effects"
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: 8
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1284 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
- +4Нет примеров входа/выхода
- +2Инструкции на одном языке
- +3Длина description 718 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 8 пунктов
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.