Explore Run (RigorPilot)
Runs exploratoires bornés — validation sur petits sous-ensembles, sondes à cycle court, sweeps en batch, recherche sur GPU inactif — classés par coût/taux de succès/gain attendu avec réserves de comparaison équitable
- Quoi
- Runs exploratoires bornés — validation sur petits sous-ensembles, sondes à cycle court, sweeps en batch, recherche sur GPU inactif — classés par coût/taux de succès/gain attendu avec réserves de comparaison équitable
- Coût
- Gratuit
- Prérequis
- un environnement de recherche en deep learning avec du calcul (temps GPU/accélérateur) pour les runs — ce skill planifie et classe les runs exploratoires ; l'exécution réelle est déléguée à minimal-run-and-audit ou run-train.
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill feuille de run « Rigor Improve / Rigor Explore » de RigorPilot pour des preuves exploratoires bornées dans les dépôts de recherche en deep learning. Il planifie l'exécution exploratoire uniquement quand le chercheur l'autorise explicitement : validation sur petits sous-ensembles, essais-erreurs à cycle court, sweeps en batch, recherche sur GPU inactif, ou essais rapides de transfer learning — avec réserves de comparaison équitable et résumés sans sur-affirmation dans `explore_outputs/`. La sélection des candidats avant exécution pèse trois facteurs — `cost`, `success_rate`, `expected_gain` — avec des poids conservateurs par défaut (rééquilibrés seulement si le chercheur fournit `selection_weights`), élagage budgétaire via `max_variants` et `max_short_cycle_runs`, et axes de variantes exprimés par `variant_axes`, `subset_sizes` et `short_run_steps` ; le classement en aval bascule sur les vraies preuves d'exécution, jamais purement heuristique. Le skill ne possède que la planification et la synthèse — l'exécution réelle des commandes est déléguée à `minimal-run-and-audit` ou `run-train` — et il garde l'état expérimental isolé de la baseline fiable, préférant les vérifications sur petits sous-ensembles et cycles courts avant les runs plus lourds, et étiquetant les résultats comme preuves bornées avec des notes explicites sur quand une comparaison n'est pas directement équitable. Crédit : @lllllllama. Bémols honnêtes : il classe des candidats, il ne certifie pas le succès — le classement est heuristique jusqu'à l'existence de vraies preuves d'exécution ; les vrais runs exigent du vrai calcul (temps GPU, budgets) que vous gérez vous-même ; utilisez `ai-research-explore` pour l'orchestration de bout en bout et `run-train` pour l'exécution d'entraînement fiable. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage.
Version :
Installation
Prérequis : un environnement de recherche en deep learning avec du calcul (temps GPU/accélérateur) pour les runs — ce skill planifie et classe les runs exploratoires ; l'exécution réelle est déléguée à minimal-run-and-audit ou run-train. Installe-moi « Runs exploratoires — RigorPilot ». Le skill feuille de run de RigorPilot : runs exploratoires bornés (validation sur petits sous-ensembles, sondes à cycle court, sweeps en batch, recherche sur GPU inactif) classés par coût/taux de succès/gain attendu, avec réserves de comparaison équitable et résumés sans sur-affirmation dans explore_outputs/. Dépôt : https://github.com/lllllllama/rigorpilot-skills/blob/main/skills/explore-run/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers auxiliaires) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md et les scripts pour tout comportement suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code, les identifiants passent uniquement par le coffre sécurisé. Vérifie que c'est bien le cas ; ARRÊTE sur le moindre drapeau rouge et dis-le-moi. 3. Installe-le comme skill : copie SKILL.md et ses fichiers auxiliaires dans le répertoire des skills de l'agent, dans un dossier nommé « rigorpilot-explore-run ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même. GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne l'exige jamais sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête et demande-moi.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.