mcpField
A
analyze-results

analyze-results

github.com/wanshuiyin数据与数据库18.2k555 次安装4 天前更新
代码仓库

关于 analyze-results

用于分析 JSON 或 CSV 实验结果的研究技能。它整理对比数据、检查统计模式,并将观察结果归纳为发现和后续实验建议。

主要功能

  1. 01定位 JSON 和 CSV 结果
  2. 02构建变量对比表
  3. 03计算相对基线的变化
  4. 04汇总多种子均值与波动
  5. 05识别趋势与异常值
  6. 06建议后续实验

适用场景

  1. 01比较模型或超参数实验
  2. 02检查不同随机种子的可复现性
  3. 03调查异常结果

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/wanshuiyin/auto-claude-code-research-in-sleep --skill analyze-results

安装后在 Claude Code 中输入/analyze-results确认已加载。

详细介绍

分析实验结果

分析:$ARGUMENTS

工作流

步骤 1:定位结果

查找所有相关的 JSON/CSV 结果文件:

  • 检查 figures/、results/ 或项目专用的输出目录
  • 将 JSON 结果解析为结构化数据
步骤 2:构建对比表

按以下项目整理结果:

  • 自变量:模型类型、超参数、数据配置
  • 因变量:主要指标(例如困惑度、准确率、损失)、次要指标
  • 相对基线的变化:始终计算相对改进幅度
步骤 3:统计分析
  • 如果有多个随机种子:报告均值 +/- 标准差,并检查可复现性
  • 如果对某个参数进行了扫描:识别趋势(单调变化、U 形、平台期)
  • 标记离群值或可疑结果
步骤 4:生成洞见

对于每项发现,按以下结构组织:

  1. 观察:数据呈现的情况(附具体数字)
  2. 解释:可能的原因
  3. 意义:这对研究问题意味着什么
  4. 下一步:设计能验证这一解释的实验
步骤 5:更新文档

如果发现具有重要意义:

  • 提议更新项目笔记或实验报告
  • 起草简洁的发现陈述(1-2 句话)

输出格式

始终包含:

  1. 原始数据表
  2. 关键发现(编号列出,简洁明了)
  3. 建议的后续实验(如有)

评论

支持 Markdown