# embedding-anisotropy-check

Скилл embedding-anisotropy-check для GitHub Copilot вычисляет анизотропию эмбеддингов и находит базовый уровень сходства для несвязанных пар. Запускается перед оценкой моделей, слоёв или качества ретривера.

- скилл · `type=skill` · GitHub Copilot, Claude Code, Codex, Cursor, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 41430 у репозитория
- Автор: github · официальный репозиторий GitHub
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/github/awesome-copilot/tree/HEAD/skills/embedding-anisotropy-check/SKILL.md
- Обновлён: 2026-10-23
- Проверка безопасности: автоматическая, 2026-11-17 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/embedding-anisotropy-check

## Что делает

Скилл проверяет распределение векторов перед публикацией косинусного сходства. Большинство энкодеров предложений и слоёв трансформеров сдвигают скрытые состояния в одну общую сторону, из-за чего косинус между несвязанными текстами нередко достигает 0.6 или 0.9. Инструмент центрирует векторы по среднему значению генеральной совокупности и сопоставляет сходство пар с базовым уровнем случайных перестановок.

Внутрь входит скрипт `scripts/anisotropy_check.py`, принимающий массивы `A.npy` и `B.npy` размерности `(n, d)`. Скрипт поддерживает расчёт общего среднего флагом `--shared`, а также центрирование по отдельным обучающим выборкам через `--fit-a` и `--fit-b`. В отчёте выводятся анизотропия, показатели до и после центрирования, а также метрика `partner_ranked_first`.

Для двух независимо обученных моделей без явного выравнивания скилл не подходит. Сначала нужно выполнить ортогональное преобразование Прокруста. Для работы скрипта требуется Python 3.9+ и пакет `numpy`.

## Установка

### GitHub Copilot (родная платформа)

1. **GitHub CLI**
```bash
gh skill install github/awesome-copilot skills/embedding-anisotropy-check
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/embedding-anisotropy-check/SKILL.md`

### Claude Code

1. **Через Skills CLI (Vercel)**
```bash
npx skills add github/awesome-copilot --skill embedding-anisotropy-check -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/embedding-anisotropy-check/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/embedding-anisotropy-check/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add github/awesome-copilot --skill embedding-anisotropy-check -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/embedding-anisotropy-check/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add github/awesome-copilot --skill embedding-anisotropy-check -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/embedding-anisotropy-check/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add github/awesome-copilot --skill embedding-anisotropy-check -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/github/awesome-copilot --path skills/embedding-anisotropy-check
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/embedding-anisotropy-check/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/github/awesome-copilot/tree/HEAD/skills/embedding-anisotropy-check/SKILL.md

## Когда брать
- рассчитать базовый уровень косинусного сходства для несвязанных пар
- измерить анизотропию векторов в скрытых слоях трансформера
- центрировать эмбеддинги по среднему вектору обучающей выборки
- проверить смещение представлений при квантовании модели в 4 бита

## Примеры запросов агенту
- Проверь сходство эмбеддингов в `A.npy` и `B.npy` с учётом базового уровня
- Оцени анизотропию представлений после квантования модели в 4 бита
- Сравни представления между слоями трансформера через `anisotropy_check.py`

## Похожие
- [embedding-strategies](https://affpapa.org/nevibecode/skills/embedding-strategies.md) — скилл · 11391 установка
- [embedding-pipeline-builder](https://affpapa.org/nevibecode/skills/embedding-pipeline-builder.md) — скилл · 259 установок
- [dspy-embedding-retrieval](https://affpapa.org/nevibecode/skills/dspy-embedding-retrieval.md) — скилл · ★ 125 у репозитория
- [nlp-engineer](https://affpapa.org/nevibecode/agents/rohitg00-nlp-engineer.md) — субагент · ★ 2858 у репозитория
- [matplotlib](https://affpapa.org/nevibecode/skills/k-dense-ai-matplotlib.md) — скилл · 2500 установок
- [exploratory-data-analysis](https://affpapa.org/nevibecode/skills/k-dense-ai-exploratory-data-analysis.md) — скилл · 2400 установок

Из того же набора: [github/awesome-copilot](https://affpapa.org/nevibecode/by/github/awesome-copilot.md) — 993 карточки

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
