Menu
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。
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
| 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。
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。