القائمة
在不修改训练主循环的前提下，为 ReproFlow 添加或配置评估指标。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
在遵守 ReproFlow 模型、配置、数据和 trainer 契约的前提下，添加新的深度学习模型或 baseline。
使用配置、doctor 检查、日志和生成文件诊断 ReproFlow 运行失败。
通过数据 YAML、adapter/Dataset 契约和 doctor 检查，把自定义数据集接入 ReproFlow。
在 ReproFlow 中复现机器学习论文，把 docs/papers 中的论文转成方法插件、配置、adapter/trainer 选择、smoke check 和公平对比实验。
使用统一指标和随机种子创建或运行 baseline 与论文方法的公平对比实验。
| name | reproflow-add-metric |
| description | 在不修改训练主循环的前提下，为 ReproFlow 添加或配置评估指标。 |
当用户需要新增评估指标或指标组合时，使用这个 skill。
metrics/classification.pymetrics/regression.pymetrics/ranking.pymetrics/registry.pyconfigs/metrics/*.yamlengine.py。dict[str, float]。SUPPORTED_METRICS。configs/metrics/*.yaml。python scripts/doctor.py data=sample_binary model=transformer trainer=binary metrics=default
python main.py data=sample_binary model=transformer trainer=binary metrics=default training_loop.epochs=1
如果是任务专用指标，也要运行对应任务的 sample 命令。