菜单
學術研究實驗設計技能——從研究假設到可重現實驗計畫的完整流程。當使用者需要規劃實驗、設計 ablation study、選擇 baseline、確定評估指標，或問「我應該跑哪些實驗」時，一定要使用此技能。觸發詞包括：實驗設計、experiment design、ablation、baseline、跑什麼實驗、evaluation metric、如何驗證方法。適用於機器學習、NLP、CV 等領域的實驗規劃。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
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/voidful/academic-skills --skill experiment-design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。
Complete academic research skill suite covering the full pipeline: paper reading (read/explain papers with storytelling), idea generation (brainstorm research directions), experiment design (plan experiments, ablation, baselines), proof writing (mathematical proofs, LaTeX theorems), paper writing (draft to camera-ready for top venues like NeurIPS/ICLR/ACL), paper review (structured 4-step review with scoring), and professor fit analysis (evaluate advisors, cold emails, interview strategy). Trigger keywords: read paper, brainstorm, experiment design, prove, write paper, review, professor fit, advisor, cold email, LaTeX, research, NeurIPS, ICLR, ACL, arXiv, 讀論文, 寫論文, 審稿, 實驗設計, 數學證明, 研究方向, 教授分析, 選指導教授.
analyze a professor from google scholar, publication lists, personal websites, lab pages, and field-specific bibliographic databases (e.g., DBLP, PubMed, SSRN, PhilPapers, MathSciNet, arXiv, Scopus) to evaluate research strength, mentoring quality, collaboration network, lab resources, research taxonomy, future directions, applicant fit, outreach emails, and interview strategy. designed for students at all levels — PhD applicants, master's students, and undergraduate researchers (capstone/thesis/independent study) — across all academic disciplines. use when the user wants to assess whether a professor or lab is worth applying to, compare advisors, prepare a cold email, find a thesis or capstone advisor, infer future research openings, or build a structured dossier from public academic evidence.
學術研究的 Idea 產生技能——從發散到收斂，系統化地產出高品質研究構想。當使用者想腦力激盪研究方向、找新 research idea、或問「我接下來可以做什麼研究」時，一定要使用此技能。觸發詞包括：brainstorm、想 idea、研究方向、下一步做什麼、有什麼可以研究的、找 gap、research proposal。適用於任何階段的學術研究構想生成。
基于 SOC 职业分类
正在显示 SKILL.md
| name | experiment-design |
| description | 學術研究實驗設計技能——從研究假設到可重現實驗計畫的完整流程。當使用者需要規劃實驗、設計 ablation study、選擇 baseline、確定評估指標，或問「我應該跑哪些實驗」時，一定要使用此技能。觸發詞包括：實驗設計、experiment design、ablation、baseline、跑什麼實驗、evaluation metric、如何驗證方法。適用於機器學習、NLP、CV 等領域的實驗規劃。 |
| license | MIT |
| compatibility | Works with Claude Code, ChatGPT/Codex CLI, and Gemini CLI. |
| metadata | {"author":"Research Reading Agent","version":"1.0.0"} |
本技能提供一套結構化的實驗設計流程，適用於機器學習、自然語言處理、電腦視覺等領域的學術研究。目標是協助研究者從模糊的研究想法出發，產出一份嚴謹、可重現、且具說服力的實驗計畫。
好的實驗設計應具備以下特質：
完整的實驗設計遵循以下六步流程：
假設 → 變數 → 指標 → Baseline → Ablation → 計算預算
每一步的產出都是下一步的輸入，形成嚴謹的推導鏈。
將模糊的研究動機轉化為可驗證的具體假設。
| 標準 | 說明 |
|---|---|
| 具體性 | 明確指出預期的效果方向與幅度 |
| 可測量性 | 可以用量化指標來驗證 |
| 可證偽性 | 存在可能否定假設的實驗結果 |
| 相關性 | 與研究問題直接相關 |
詳見：實驗規劃參考
研究者主動操控的變數，即實驗中「改變的東西」。
用來衡量實驗結果的變數，即「被測量的東西」。
實驗中保持不變的變數，確保比較的公平性。
詳見：實驗規劃參考
| 類別 | 指標範例 |
|---|---|
| 分類任務 | Accuracy、Precision、Recall、F1-score、AUC-ROC |
| 生成任務 | BLEU、ROUGE、METEOR、BERTScore、人工評估 |
| 資訊擷取 | MAP、MRR、NDCG、Recall@K |
| 效率指標 | FLOPs、參數量、推論延遲、記憶體佔用 |
| 穩健性 | 跨資料集表現、對抗樣本準確率 |
Ablation Study 是驗證方法中各組件貢獻的關鍵實驗。本技能定義四種 Ablation 模式：
逐一移除或替換方法中的各個組件，觀察效能變化。
探討關鍵超參數對效能的影響。
驗證方法的泛化能力。
透過可視化與案例分析深入理解模型行為。
單次實驗成本
實驗總量計算
總 GPU 時數 = 單次時數 × 模型變體數 × 資料集數 × 隨機種子數 × 超參組合數
安全係數
實驗計畫必須包含完整的可重現性資訊，確保他人能夠精確重現結果。
硬體環境
軟體環境
隨機性控制
訓練協定
資料處理
評估協定
詳見：可重現性清單
本技能的最終產出為一份結構化的實驗計畫文件，包含以下章節：
使用模板：實驗計畫模板
在完成實驗計畫後，請確認以下項目：