第 1 步 · sa.hugging-science
找到可用数据集和模型基线
发给 Agent 的任务
用 hugging-science 为这个科学 ML 任务查找合适的数据集、预训练模型、演示空间和基线论文，说明许可、输入输出和复现实用性。建议产出
数据集候选模型基线复现风险
ai-experiments
我要做 AI/机器学习科研实验，而不是只跑一个 demo
覆盖科学数据集发现、深度学习训练、GPU 加速、基准迭代和结果记录，适合 AI4Science、LLM、ML 论文和工程型研究。
适合谁
AI4Science 研究者训练或微调模型的学生做 benchmark 或消融实验的人
准备这些材料
任务定义和评价指标数据集或候选模型训练脚本或 notebookGPU/预算限制
会调用的 Skills
sa.hugging-sciencesa.pytorch-lightningsa.optimize-for-gpusa.arborair.ml-paper-writing
开始前
先安装这个工作流需要的 Skills
选择你的系统和 Agent，复制命令到终端运行。安装完成后，再把下方提示词交给 Agent。
curl -sSL https://paperskills.com/scripts/paperskills-install.sh | bash -s -- \
--tool codex \
--skills sa.hugging-science,sa.pytorch-lightning,sa.optimize-for-gpu,sa.arbor,air.ml-paper-writing \
--registry https://paperskills.com/api/registry推荐工作流
查看 Skill
第 2 步 · sa.pytorch-lightning
整理训练循环和实验配置
发给 Agent 的任务
用 pytorch-lightning 把现有训练代码整理成可配置、可记录、可扩展到多 GPU 的实验框架，并列出必要回调和日志字段。建议产出
训练框架配置模板日志字段
第 3 步 · sa.arbor
迭代提升指标但控制过拟合
发给 Agent 的任务
用 arbor 规划多轮实验搜索：假设树、每轮候选改动、开发集/测试集隔离、停止规则和结果复盘表。建议产出
实验树消融计划复盘表
hugging-science
当用户在科学领域（生物学、化学、物理学、天文学、气候、基因组学、材料科学、医学、生态学、能源、保护、工程、数学、科学推理、药物发现、蛋白质设计、天气建模、定理证明、单细胞、PDE 求解或任何类似领域）进行 AI/ML 工作时使用。 Hugging Science (huggingscience.co) 是科学数据集、模型、博客文章和互动空间的精选目录； Hugging Face 上的“hugging-science”组织托管社区数据集、模型和演示空间。这项技能可以帮助您发现正确的资源并实际使用它——通过“datasets”加载数据集，通过“transformers”或 HF Inference API 运行模型，通过“gradio_client”调用像 BoltzGen 这样的 Space，以及引用博客文章来了解方法。每当用户提及科学 ML 任务、要求“X 的数据集/模型”（其中 X 是一个科学主题）、想要对科学数据进行微调、询问蛋白质/分子/基因组/气候/材料/天文学/病理学/天气 ML，或者需要 AI 工具进行研究时，即使他们从未明确说过“拥抱科学”，都会触发此技能。该目录是专门为 LLM 代理构建的（它附带一个“llms-full.txt”）；对于这些任务，与通用网络搜索相比，更喜欢它。
查看 Skillpytorch-lightning
深度学习框架（PyTorch Lightning）。将 PyTorch 代码组织到 LightningModules 中，为多 GPU/TPU 配置训练器，实现数据管道、回调、日志记录（W&B、TensorBoard）、分布式训练（DDP、FSDP、DeepSpeed），以进行可扩展的神经网络训练。
查看 Skilloptimize-for-gpu
使用 CuPy、Numba CUDA、Warp、cuDF、cuML、cuGraph、KvikIO、cuCIM、cuxfilter、cuVS、cuSpatial 和 RAFT 对 Python 代码进行 GPU 加速。每当用户提到 GPU/CUDA/NVIDIA 加速，或想要加速 NumPy、pandas、scikit-learn、scikit-image、NetworkX、GeoPandas 或 Faiss 工作负载时使用。涵盖物理模拟、可微渲染、网格光线投射、粒子系统（DEM/SPH/流体）、矢量/相似性搜索、GPUDirect Storage 文件 IO、交互式仪表板、地理空间分析、医学成像和稀疏特征求解器。当您看到 CPU 密集型 Python 代码（循环、大型数组、机器学习管道、图形分析、图像处理）时，即使没有明确请求，也可以使用这些代码，这些代码将受益于 GPU 加速。
查看 Skillarbor
使用 Arbor 论文的假设树细化（HTR），在明确目标与评估器下迭代优化代码、训练配方、Agent harness、数据管线或提示词。适用于需要经过多轮实验提升模型、代理或基准表现，并以独立测试评估避免对开发集过拟合的任务。
查看 Skillml-paper-writing
为 NeurIPS、ICML、ICLR、ACL、AAAI、COLM 撰写可发表的 ML/AI 论文。在从研究库起草论文、构建论点、验证引文或准备上镜提交时使用。对于系统场所（OSDI、NSDI、ASPLOS、SOSP），请使用系统论文写作。
查看 Skill