run-train

от lllllllama

Rigor Train skill for deep learning research repositories. Use when a documented or selected training command should be run conservatively for startup verification, short-run verification, full kickoff, or resume, with command, config, seed, log, checkpoint, status, and metric evidence written to standardized `train_outputs/`. Do not use for environment setup, exploratory sweeps, speculative idea implementation, or end-to-end orchestration.

npx skills add https://github.com/lllllllama/rigorpilot-skills --skill run-train

Скачать ZIP GitHub

run-train

Use this as the Rigor Train skill. The installed slug remains run-train for compatibility.

Use the shared operating principles in ../../references/agent-operating-principles.md; this skill should keep training evidence bounded while leaving repository-specific monitoring details to the model.

When to apply

When the training command has already been selected and should be executed conservatively.
When the researcher wants startup verification, short-run verification, full training kickoff, or resume handling.
When the run needs structured training status, checkpoint, and metric reporting.

When not to apply

When the main task is environment setup or asset download.
When the researcher wants inference-only or evaluation-only execution.
When the task is speculative exploration, multi-variant sweeps, or autonomous idea implementation.
When the user still needs repository intake or paper gap resolution.

Clear boundaries

This skill executes a selected training command and normalizes the resulting evidence.
It does not choose the overall research goal on its own.
It does not own exploratory branching or speculative code adaptation.
It should record partial, blocked, resumed, and kicked-off states clearly.
It should preserve reproducibility context such as configs, seeds, checkpoints, logs, metrics, and runtime assumptions when available.

Input expectations

selected training goal
runnable training command
environment and asset assumptions
run mode such as startup verification, short-run verification, full kickoff, or resume

Output expectations

train_outputs/SUMMARY.md
train_outputs/COMMANDS.md
train_outputs/LOG.md
train_outputs/SCIENTIFIC_CHANGELOG.md
train_outputs/COMPARABILITY_REPORT.md
train_outputs/status.json

Notes

Use references/training-policy.md, ../../references/deep-learning-experiment-principles.md, scripts/run_training.py, and scripts/write_outputs.py.

Больше skills от lllllllama

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

Навык Rigor Analyze / Rigor Audit только для чтения, предназначенный для исследовательских репозиториев глубокого обучения. Используйте, когда пользователь хочет прочитать и понять репозиторий, изучить структуру модели и точки входа для обучения или инференса, просмотреть конфигурации и точки вставки, или выявить подозрительные шаблоны реализации без изменения кода или запуска тяжелых задач. Не используйте для активного выполнения команд, масштабного рефакторинга, спекулятивной адаптации кода или автоматического исправления ошибок.

developmentcode-reviewresearch

ai-research-reproduction

Оркестратор режима воспроизведения RigorPilot для воспроизведения репозиториев глубокого обучения с подходом "сначала README". Используется, когда пользователю нужен сквозной, минимально надёжный процесс, который сначала читает репозиторий, выбирает наименьшую задокументированную цель для инференса или оценки, координирует приёмку, настройку, доверенное выполнение, опциональное доверенное обучение, опциональный анализ репозитория и опциональное устранение расхождений с публикацией, применяет консервативные правила патчей, фиксирует свидетельства, предположения, отклонения и точки принятия решений человеком,...

researchdevelopmentdocument

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...

developmentresearchcode-review

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

Навык Rigor Setup для воспроизведения репозитория глубокого обучения с README-first. Используйте, когда задача заключается в подготовке консервативного окружения на основе conda, предположений о путях к контрольным точкам и наборам данных, подсказок о расположении кэша и заметок по настройке перед запуском в репозитории с документацией README. Не используйте для сканирования репозитория, полной оркестрации, интерпретации статей, составления финальных отчетов или общей настройки окружения, не привязанной к конкретной цели воспроизведения.

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

Навык Rigor Debug / Rigor Audit для исследовательской работы в области глубокого обучения. Используйте, когда пользователь вставляет traceback, ошибку терминала, CUDA OOM, сбой загрузки контрольной точки, несоответствие форм, симптом NaN loss или сбой обучения и хочет консервативной диагностики до любого исправления, с четким разделением отладочных исправлений и исследовательских вкладов. Не используйте для широкого рефакторинга, спекулятивной адаптации, автоматического исследовательского исправления или общего ознакомления с репозиторием.

developmenttestingcode-review