API ВЕГА

Помогает исследовать кандидаты для deep learning-задачи на основе зафиксированного current_research: оценивает идеи, организует ограниченные эксперименты и сравнивает результаты с текущей опорной точкой. Подходит для авторизованного исследовательского поиска, но не доказывает новизну и не заменяет доверенное воспроизведение результатов.

Возможности

  • Проверяет, заданы ли исследовательский контекст и явное разрешение на exploration.
  • Фиксирует задачу, датасет, benchmark, источник оценки, SOTA-ориентир и бюджет вычислений.
  • Ранжирует идеи по ожидаемому выигрышу, стоимости, вероятности успеха, риску оценки и другим критериям.
  • Предпочитает проверять по одному ограниченному кандидату; для изменений кода и пробных запусков использует explore-code и explore-run.
  • Сохраняет результаты в analysis_outputs/, sources/ и explore_outputs/, включая отчёты о научном изменении и границах сравнения.
  • Не выдаёт exploratory gains за успешное воспроизведение и останавливается при нехватке данных, бюджета или ясности.

Когда использовать

  • Выбраны семейство задач, датасет, benchmark и метод оценки, а исследователь разрешил проверять кандидаты.
  • Есть опорное состояние current_research: например, branch, commit, checkpoint или запись запуска.
  • Нужно оценить несколько вариантов или провести ограниченный sweep с сопоставлением результатов.
  • Требуется сохранить идеи исследователя и получить аудируемые артефакты экспериментов.

Примеры

Минимальный набор полей для research_campaign:

current_research
task_family
dataset
benchmark
evaluation_source
sota_reference
compute_budget

Артефакты кампании могут включать:

analysis_outputs/
sources/
explore_outputs/
SCIENTIFIC_CHANGELOG.md
COMPARABILITY_REPORT.md

Для готового детерминированного процесса создания артефактов в навыке указаны скрипты:

scripts/orchestrate_explore.py
scripts/write_outputs.py

Установка

npx skills add https://github.com/lllllllama/rigorpilot-skills --skill ai-research-explore