# ml-autoresearch

Скилл ml-autoresearch запускает автономный цикл ML-исследований, где каждое следующее изменение кода опирается на диагностику модели или научные статьи.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 185 у репозитория
- Автор: gaasher
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/gaasher/Agent-Loop-Skills/tree/HEAD/loops/ml-autoresearch/SKILL.md
- Обновлён: 2026-06-30
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/ml-autoresearch

## Что делает

Скилл превращает Claude Code в автономного исследователя для машинного обучения. Вместо случайного перебора гиперпараметров агент выполняет один эксперимент, анализирует поведение модели по логам — градиенты, активации, эмбеддинги и ошибки, — а затем формулирует проверяемую гипотезу для следующей итерации. За один прогон вносится строго одно изменение, чтобы динамика целевой метрики оставалась прозрачной.

Перед стартом агент генерирует конфиг `loop.run.yaml`, где фиксируются допустимые для правки файлы, команда запуска и лимиты по времени или эпохам. Если включён параметр `<literature> = on`, поиск решений связывается с утилитой `literature-search`: агент ищет релевантные статьи, оценивает силу доказательств и переносит в код только проверенные подходы. При выключенном режиме цикл работает исключительно на внутренней диагностике проекта.

Для работы требуется Python 3.9+, а без чётко определённой скалярной метрики в логах цикл просто не сможет оценить результат. Оценивать код помогает критерий простоты: улучшение метрики на 0.001 за счёт добавления 20 строк сомнительного кода отбрасывается, но такое же улучшение через удаление кода принимается.

## Установка

### Claude Code (родная платформа)

1. **Через маркетплейс плагинов**
В чате агента (не в терминале):
```text
/plugin marketplace add gaasher/Agent-Loop-Skills
```
В чате агента (не в терминале):
```text
/plugin install agent-loops@agent-loop-skills
```
Команда ставит плагин agent-loops целиком, со всеми его скиллами

2. **Через Skills CLI (Vercel)**
```bash
npx skills add gaasher/Agent-Loop-Skills --skill ml-autoresearch -a claude-code
```

3. **Вручную: положить файлы**
- Файл: `~/.claude/skills/ml-autoresearch/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/ml-autoresearch/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add gaasher/Agent-Loop-Skills --skill ml-autoresearch -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add gaasher/Agent-Loop-Skills --skill ml-autoresearch -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install gaasher/Agent-Loop-Skills loops/ml-autoresearch/SKILL.md
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/ml-autoresearch/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add gaasher/Agent-Loop-Skills --skill ml-autoresearch -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/gaasher/Agent-Loop-Skills --path loops/ml-autoresearch
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/ml-autoresearch/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/gaasher/Agent-Loop-Skills/tree/HEAD/loops/ml-autoresearch/SKILL.md

## Когда брать
- вести непрерывный цикл ML-экспериментов без ручного вмешательства
- обосновывать архитектурные правки диагностикой весов и ошибок модели
- проверять гипотезы из научных статей перед их внедрением в пайплайн
- отслеживать историю итераций и метрик в едином журнале `results.tsv`

## Примеры запросов агенту
- Запусти цикл исследований ml-autoresearch для оптимизации loss в train.py
- Настрой автономный research loop с проверкой гипотез по статьям через literature on
- Инициализируй sandbox для ml-autoresearch с таргетом на accuracy и тайм-аутом 30 минут

## Похожие
- [explore-run](https://affpapa.org/nevibecode/skills/explore-run.md) — скилл · 362600 установок
- [pytorch-lightning](https://affpapa.org/nevibecode/skills/k-dense-ai-pytorch-lightning.md) — скилл · 2300 установок
- [ai-research-reproduction](https://affpapa.org/nevibecode/skills/ai-research-reproduction.md) — скилл · 363300 установок
- [migrate-max-v2-to-v3](https://affpapa.org/nevibecode/skills/migrate-max-v2-to-v3.md) — скилл · 324 установки
- [autoresearch](https://affpapa.org/nevibecode/skills/orchestra-research-autoresearch.md) — скилл · 1200 установок
- [pytorch](https://affpapa.org/nevibecode/rules/pytorch.md) — правило · ★ 3589 у репозитория

Из того же набора: [gaasher/agent-loop-skills](https://affpapa.org/nevibecode/by/gaasher/agent-loop-skills.md) — 26 карточек

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