用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/hiyenwong/ai_collection --skill self-verification命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
Graph-native Python reimplementation of the Information Dynamics of Music (IDyOM) model that represents predictive memories as explicit graph objects for musical expectation modeling and network analysis.
Physics-aware end-to-end deep reinforcement learning methodology for quadcopter control with actuator dynamics modeling.
Reinforced Dreamer methodology for asymmetric reinforcement learning using latent guidance to improve world model representations and behaviors in model-based RL.
基于 SOC 职业分类
正在显示 SKILL.md
| name | self-verification |
| description | 自我验证技能，基于 ReVeal 论文实现多轮生成-验证迭代，支持代码和推理任务的可靠自我验证。触发词：自我验证、self-verification、verify、验证代码、验证推理。 |
可靠的自我验证能力，支持代码和推理任务的多轮迭代改进。
基于 ReVeal (arXiv:2506.11442) 论文：
Input: 任务描述
Output: 初始方案/代码
步骤：
1. 分析任务需求
2. 生成初步解决方案
3. 识别潜在问题点
Input: 生成的方案/代码
Output: 验证结果 + 问题列表
验证维度：
- 语法正确性
- 逻辑一致性
- 边界条件处理
- 错误处理完整性
- 性能考量
Loop (max_iterations: 5):
1. 根据验证结果识别问题
2. 针对性修复
3. 重新验证
4. 如果通过 → 结束
5. 如果未通过 → 继续迭代
# 生成初始代码
code = generate_code(task)
# 自我验证
verification = self_verify(code, test_cases)
# 迭代改进
while not verification.passed and iterations < max_iterations:
code = improve_code(code, verification.issues)
verification = self_verify(code, test_cases)
iterations += 1
# 生成推理链
reasoning = generate_reasoning(question)
# 验证推理步骤
validation = validate_reasoning(reasoning)
# 修正逻辑错误
if not validation.valid:
reasoning = correct_reasoning(reasoning, validation.errors)
exec - 运行测试命令read - 读取生成的代码/文件write - 保存改进后的版本edit - 精确修复问题每次迭代后评估：
ice-review - 任务后回顾验证过程self-challenge - 生成验证测试用例memory-retrieval - 检索历史验证经验self-verificationself-verificationself verificationexecreadwriteeditUser:
Agent:
User:
Agent: