| name | reproflow-reproduce-paper |
| description | 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。 |
ReproFlow 论文复现
当用户要求 AI 复现论文、添加论文方法，或把论文方法迁移到自定义数据集时，使用这个 skill。
必要输入
- 论文文件或笔记位于
docs/papers/
- 目标数据集配置位于
configs/data/
- 任务类型和 trainer：
binary、multiclass、regression，或有充分理由的自定义 trainer
- 是否允许完整训练；默认只跑 doctor 和极小 smoke run
渐进式读取
只读取当前步骤需要的内容：
- 第一次实现：
references/paper-workflow.md
- 文件契约和 YAML 形状：
references/contracts.md
- 需要判断 model / trainer / data adapter：
references/decision-guide.md
- 准备交付前：
references/verification.md
- 如果仍不清楚，再读
docs/ai_reproduction_guide.md
默认流程
- 识别论文任务、输入、目标、loss 和评估指标。
- 检查目标数据配置和 batch 形态。
- 生成方法骨架：
python scripts/paper_methods/scaffold.py <method_name> --paper docs/papers/<paper>.pdf --dataset <dataset> --trainer <trainer>
- 先填写
paper_methods/<method_name>/method.yaml，再写模型代码。
- 用最小改动实现论文需要的 model/config/trainer。
- 任何训练命令前先运行 doctor。
- 把论文方法加入
configs/experiment/ 下的公平对比 manifest。
不可破坏的契约
def forward(self, batch):
return {"logits": logits}
- 不要写独立训练脚本。
- 不要在模型代码里硬编码数据列或 label。
- 不要往
Data_pre.py、Dataset.py 或 engine.py 里添加模型专用分支。
- 只有 batch 形态改变时才新增 data adapter。
- 只有 loss、objective 或优化循环改变时才新增 trainer。
- 如果代码或配置只是 scaffold，要明确标记为示例，不要伪装成可运行复现。
