reproflow-add-model

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。

ReproFlow 添加模型

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。

写代码前先看

• 如果是论文复现，先读 ../reproflow-reproduce-paper/references/paper-workflow.md。
• 如果需要确认模型、数据或 trainer 契约，读 ../reproflow-reproduce-paper/references/contracts.md。
• 如果模型需要非标准 batch 或非标准 loss，读 ../reproflow-reproduce-paper/references/decision-guide.md。

必要文件

• models/<model_name>.py 或 paper_methods/<method_name>/model.py
• configs/model/<model_name>.yaml
• 可选：configs/tuning/<model_name>_grid.yaml
• 可选：configs/ablation/<model_name>_ablation.yaml

模型构造函数

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, ...):
    ...

Forward 契约

def forward(self, batch):
    features = batch["basic_features"]
    return {"logits": logits}

期望输出形状：

• 二分类：(batch,) 或 (batch, 1)
• 多分类：(batch, num_classes)
• 回归：(batch,) 或 (batch, 1)

验证

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。