AI Skill 大全

论文消融实验规划与执行

结合论文方法、已有结果和算力预算,规划并执行组件消融与参数对比实验,产出优先级清单和结果记录。

功能与用途

适用于已有主要实验结果、准备投稿或补充审稿证据的机器学习项目。提供方法组件、实验指标、论文主张和算力预算后,可得到组件移除与替换、关键参数敏感性及设计方案对比的实验计划,明确各项验证问题、预期表现、优先级和运行顺序,并估算算力需求。还可在项目环境中生成配置或脚本、试跑并执行实验,记录正负结果与发现。使用前需准备可运行的实验代码,并配置执行环境和独立模型评审连接。

适用场景

  • 验证新增模块的贡献:逐项移除或替换方法中的创新组件,检验性能变化是否支持论文中的贡献主张。
  • 回应审稿人的实验质疑:围绕缺失的消融证据补充实验,明确每项对比回答的问题和预期结果。
  • 有限算力下安排补实验:结合预算、代码改动量和实验依赖排序,优先运行信息价值高的组件对比。
  • 检验参数与设计选择:设计关键超参数敏感性测试及替代方案对比,检查方法表现对具体设置的依赖。

适用人群

  • 机器学习研究生
  • 机器学习研究员
  • 准备论文投稿的算法工程师

使用步骤

  1. 提供方法说明、现有结果、论文主张与算力预算。
  2. 生成组件消融、参数敏感性和设计对比计划。
  3. 检查算力成本、代码改动与依赖,确定执行顺序。
  4. 生成配置或脚本,先试跑再执行完整实验。
  5. 汇总正负结果,更新实验日志与研究发现。

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
知识
适用工具
Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
使用难度
专业
版本
main
最近更新
2026-11-03
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Use when main results pass result-to-claim (claim_supported=yes or partial) and ablation studies are needed for paper submission.

使用前准备

  • 已有主要实验结果,且结果至少部分支持论文主张;也可在明确需要补充消融实验时使用。
  • 提供方法组件说明、现有指标、待验证主张及可用算力预算。
  • 执行实验需有可运行的项目代码、数据和计算资源。
  • 按原流程使用时,需配置可调用的 Codex MCP 评审连接。

依赖与权限

  • OPENAI_API_KEY
  • SEMANTIC_SCHOLAR_API_KEY
  • GAP_REPORT
  • NARRATIVE_REPORT
  • RESUBMIT_REPORT
  • GEMINI_API_KEY
  • EXA_API_KEY
  • KEENABLE_API_KEY
  • FIRECRAWL_API_KEY
  • IDEA_REPORT
  • PATH

同类 Skill