关于 training-run-forensics
training-run-forensics 是一款根据训练曲线、配置、样本输出及代码或数据变更来诊断模型训练问题的技能。它区分症状与可能原因，并在开展新一轮搜索前安排检查和修复的优先级。
主要功能
- 01分类训练症状
- 02整理可能原因
- 03确定区分性检查
- 04按概率和成本安排修复优先级
适用场景
- 01调查训练发散或过拟合
- 02诊断验证噪声或训练崩溃
- 03在新一轮超参数搜索前选择检查项
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/training-run-forensics确认已加载。
详细介绍
训练运行取证
将训练运行视为证据。
信息收集
请提供：
- 损失/指标曲线；
- 优化器、学习率调度、批量大小、精度、正则化；
- 训练/验证样本或预测结果；
- 近期代码/数据更改；
- 相关时的硬件/分布式设置。
工作流程
- 收集曲线、配置、样本输出和近期代码更改。
- 对症状分类：发散、过拟合、欠拟合、崩溃、训练停滞、验证噪声。
- 列出可能原因的候选清单。
- 找出最精简且能区分原因的检查。
- 按概率和成本确定修复优先级。
- 说明开始任何新一轮搜索之前应先运行哪些检查。
规则
- 不要盲目地对超参数进行穷举尝试。
- 将症状与原因区分开。
- 曲线形状只有与配置和数据证据相互印证后，才能作为诊断依据。
- 如果症状指向数据泄漏或数据集划分不匹配，请转交给
data-pipeline-auditor。
输出
请返回：
- 症状分类；
- 可能原因；
- 区分原因的检查；
- 修复顺序；
- 能推翻诊断的证据。
评论
支持 Markdown