explore-code

द्वारा lllllllama

Rigor Improve implementation leaf skill for auditable candidate implementation in deep learning research repositories. Use when the researcher explicitly authorizes exploratory work on an isolated branch or worktree to transplant modules, adapt a backbone, add LoRA or adapter layers, replace a head, or stitch together meaningful low-risk migration ideas with rollback-aware records in `explore_outputs/`. Do not use for end-to-end exploration orchestration on top of `current_research`, trusted...

npx skills add https://github.com/lllllllama/rigorpilot-skills --skill explore-code

ZIP डाउनलोड करें GitHub

explore-code

Use this as the Rigor Improve implementation leaf skill. The installed slug remains explore-code for compatibility.

Use the shared operating principles in ../../references/agent-operating-principles.md; this skill should guide bounded candidate code work without over-prescribing implementation details.

When to apply

When the researcher explicitly authorizes exploratory code changes on an isolated branch or worktree.
When the task is source-anchored module transplant, backbone adaptation, LoRA or adapter insertion, or low-risk module combination.
When summary-level recording is sufficient and the result is a candidate, not a trusted conclusion.

When not to apply

When the request is for trusted baseline work, conservative debugging, or normal training execution.
When the user did not explicitly authorize exploratory modifications.
When the task is a broad refactor or a from-scratch idea implementation.

Clear boundaries

This skill owns exploratory code modifications only.
It must keep work isolated from the trusted baseline.
Use ai-research-explore instead when the task spans both current_research coordination and exploratory runs.
It may hand off execution to minimal-run-and-audit or run-train.
It should favor source-anchored copying and minimal adaptation over freeform rewrites.
It should record why a candidate change is meaningful, how to roll it back, and why it remains a candidate rather than a verified contribution.

Output expectations

explore_outputs/CHANGESET.md
explore_outputs/SCIENTIFIC_CHANGELOG.md
explore_outputs/COMPARABILITY_REPORT.md
explore_outputs/TOP_RUNS.md
explore_outputs/status.json

Notes

Use references/explore-policy.md, ../../references/research-rigor-principles.md, scripts/plan_code_changes.py, and scripts/write_outputs.py.

lllllllama की और Skills

ai-research-explore

Rigor Explore compatible skill slug for meaningful and potentially novel deep learning research candidates. Use when the researcher has chosen the task family, dataset, benchmark, evaluation method, provided SOTA references, and wants candidate-only exploration on top of `current_research` with auditable repo understanding, idea gating, fair comparison, and governed experiments written to `explore_outputs/`. Do not use for README-first trusted reproduction, open-ended direction finding,...

researchdata-analysisapi

analyze-project

Rigor Analyze / Rigor Audit केवल पढ़ने योग्य कौशल है जो गहन शिक्षण अनुसंधान रिपॉजिटरी के लिए है। इसका उपयोग तब करें जब उपयोगकर्ता किसी रिपॉजिटरी को पढ़ना और समझना चाहता है, मॉडल संरचना और प्रशिक्षण या अनुमान प्रवेश बिंदुओं का निरीक्षण करना चाहता है, कॉन्फ़िगरेशन और सम्मिलन बिंदुओं की समीक्षा करना चाहता है, या कोड को संशोधित किए बिना या भारी कार्य चलाए बिना संदिग्ध कार्यान्वयन पैटर्न को चिह्न

developmentcode-reviewresearch

ai-research-reproduction

RigorPilot पुनरुत्पादन-मोड ऑर्केस्ट्रेटर README-प्रथम गहन शिक्षण रिपॉजिटरी पुनरुत्पादन के लिए। उपयोग करें जब उपयोगकर्ता एक अंत-से-अंत, न्यूनतम-विश्वसनीय प्रवाह चाहता है जो पहले रिपॉजिटरी पढ़ता है, सबसे छोटा दस्तावेजीकृत अनुमान या मूल्यांकन लक्ष्य चुनता है, इनटेक, सेटअप, विश्वसनीय निष्पादन, वैकल्पिक विश्वसनीय प्रशिक्षण, वैकल्पिक रिपॉजिटरी विश्लेषण, और वैकल्प

researchdevelopmentdocument

minimal-run-and-audit

Rigor Run skill for README-first deep learning repo reproduction. Use when the task is specifically to capture or normalize evidence from the selected smoke test or documented inference or evaluation command and write standardized `repro_outputs/` files, including patch notes when repository files changed. Do not use for training execution, initial repo intake, generic environment setup, paper lookup, target selection, hidden scientific-meaning changes, or end-to-end orchestration by itself.

developmenttestingcode-review

env-and-assets-bootstrap

README-प्रथम डीप लर्निंग रिपॉजिटरी पुनरुत्पादन के लिए रिगोर सेटअप कौशल। इसका उपयोग तब करें जब कार्य विशेष रूप से README-दस्तावेजित रिपॉजिटरी पर कोई रन करने से पहले एक रूढ़िवादी कोंडा-प्रथम वातावरण, चेकपॉइंट और डेटासेट पथ धारणाएं, कैश स्थान संकेत और सेटअप नोट्स तैयार करना हो। रिपॉजिटरी स्कैनिंग, पूर्ण ऑर्केस्ट्रेशन, पेपर व्याख्या, अंतिम रन रिपोर्टिंग, या सामान्य

developmentdevops

Rigor Improve / Rigor Explore run leaf skill for bounded exploratory evidence in deep learning research repositories. Use when the researcher explicitly authorizes exploratory runs such as small-subset validation, short-cycle guess-and-check, batch sweeps, idle-GPU search, or quick transfer-learning trials, with fair-comparison caveats and no-overclaim summaries in `explore_outputs/`. Do not use for end-to-end exploration orchestration on top of `current_research`, trusted baseline...

researchdevelopmentdata-analysis

गहन शिक्षण अनुसंधान कार्य के लिए रिगोर डिबग / रिगोर ऑडिट कौशल। इसका उपयोग तब करें जब उपयोगकर्ता ट्रेसबैक, टर्मिनल त्रुटि, CUDA OOM, चेकपॉइंट लोड विफलता, आकार बेमेल, NaN हानि लक्षण, या प्रशिक्षण विफलता पेस्ट करता है और किसी भी पैचिंग से पहले रूढ़िवादी निदान चाहता है, जिसमें डिबग फिक्स को शोध योगदान से स्पष्ट रूप से अलग किया गया हो। व्यापक रीफैक्टरिंग, अनुमानात्मक अनु

developmenttestingcode-review

paper-context-resolver

README-प्रथम गहन शिक्षण रिपॉजिटरी पुनरुत्पादन के लिए रिगर पेपर संदर्भ सहायक। केवल तब उपयोग करें जब README और रिपॉजिटरी फ़ाइलें एक संकीर्ण पुनरुत्पादन-महत्वपूर्ण अंतर छोड़ती हैं और कार्य प्राथमिक पेपर स्रोतों से डेटासेट विभाजन, प्रीप्रोसेसिंग, मूल्यांकन प्रोटोकॉल, चेकपॉइंट मैपिंग, या रनटाइम धारणा जैसे किसी विशिष्ट पेपर विवरण को हल करना है, साथ ही विरोधाभासों को र

researchdocumentdata-analysis