القائمة
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。
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
在不修改训练主循环的前提下，为 ReproFlow 添加或配置评估指标。
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-model |
| description | 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。 |
当用户需要添加 baseline、论文方法或模型结构变体时，使用这个 skill。
../reproflow-reproduce-paper/references/paper-workflow.md。../reproflow-reproduce-paper/references/contracts.md。../reproflow-reproduce-paper/references/decision-guide.md。models/<model_name>.py 或 paper_methods/<method_name>/model.pyconfigs/model/<model_name>.yamlconfigs/tuning/<model_name>_grid.yamlconfigs/ablation/<model_name>_ablation.yaml尽量让模型支持这些通用参数：
def __init__(self, input_dim: int, task_type: str, num_classes: int = 1, ...):
...
def forward(self, batch):
features = batch["basic_features"]
return {"logits": logits}
期望输出形状：
(batch,) 或 (batch, 1)(batch, num_classes)(batch,) 或 (batch, 1)python scripts/doctor.py data=sample_binary model=<model_name> trainer=binary metrics=default
python main.py data=sample_binary model=<model_name> trainer=binary metrics=default training_loop.epochs=1
如果模型只适配某个任务，只运行对应任务的 sample 检查。