ReproFlow

在不修改训练主循环的前提下，为 ReproFlow 添加或配置评估指标。

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。