# Experiment Design > 學術研究實驗設計技能——從研究假設到可重現實驗計畫的完整流程。當使用者需要規劃實驗、設計 ablation study、選擇 baseline、確定評估指標，或問「我應該跑哪些實驗」時，一定要使用此技能。觸發詞包括：實驗設計、experiment design、ablation、baseline、跑什麼實驗、evaluation metric、如何驗證方法。適用於機器學習、NLP、CV 等領域的實驗規劃。 - Skill: `mo7yw4ng/experiment-design` (Agent Skill, multi-file: 6 files) - Install (CLI): `npx skillmds@latest add mo7yw4ng/experiment-design` - Raw SKILL.md: https://api.skillmd.com/api/skills/mo7yw4ng/experiment-design/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - License: MIT - Author: mo7yw4ng (https://skillmd.com/u/mo7yw4ng) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/mo7yw4ng/experiment-design --- # 實驗設計技能 ## 概述 本技能提供一套結構化的實驗設計流程，適用於機器學習、自然語言處理、電腦視覺等領域的學術研究。目標是協助研究者從模糊的研究想法出發，產出一份嚴謹、可重現、且具說服力的實驗計畫。 ## 核心設計理念 好的實驗設計應具備以下特質： - **可證偽性**：實驗結果必須能夠支持或否定研究假設 - **公平性**：所有比較對象在相同條件下評估 - **可重現性**：他人能夠依據描述完整重現實驗 - **充分性**：實驗覆蓋足夠的面向以支撐論文結論 --- ## 實驗設計 Pipeline 完整的實驗設計遵循以下六步流程： ``` 假設 → 變數 → 指標 → Baseline → Ablation → 計算預算 ``` 每一步的產出都是下一步的輸入，形成嚴謹的推導鏈。 --- ## 步驟一：研究假設明確化 ### 目的 將模糊的研究動機轉化為可驗證的具體假設。 ### 方法 1. **辨識研究問題**：你想回答什麼問題？ 2. **提出核心假設**：對問題的預期答案是什麼？ 3. **明確化假設**：假設必須具備可測量性與可證偽性 4. **分解子假設**：將複雜假設拆解為可逐一驗證的子假設 ### 假設的品質標準 | 標準 | 說明 | |------|------| | 具體性 | 明確指出預期的效果方向與幅度 | | 可測量性 | 可以用量化指標來驗證 | | 可證偽性 | 存在可能否定假設的實驗結果 | | 相關性 | 與研究問題直接相關 | ### 範例 - 不佳：「我們的方法比較好」 - 良好：「在 SQuAD 2.0 資料集上，加入跨注意力機制後，F1 分數相較於純自注意力基線提升至少 2 個百分點」 詳見：[實驗規劃參考](references/experiment-planning.md) --- ## 步驟二：變數定義 ### 自變數（Independent Variables） 研究者主動操控的變數，即實驗中「改變的東西」。 - 模型架構的變體 - 訓練策略的差異 - 資料處理方式的不同 ### 依變數（Dependent Variables） 用來衡量實驗結果的變數，即「被測量的東西」。 - 模型效能指標（準確率、F1、BLEU 等） - 效率指標（推論時間、記憶體用量） - 品質指標（人工評估分數） ### 控制變數（Control Variables） 實驗中保持不變的變數，確保比較的公平性。 - 隨機種子 - 訓練資料集與切分方式 - 超參數（非研究對象的部分） - 硬體環境 - 預訓練模型版本 ### 變數控制原則 1. **單一變數原則**：每次實驗僅改變一個自變數 2. **完整記錄原則**：所有變數的值都必須記錄 3. **合理範圍原則**：自變數的取值範圍應有理論依據 詳見：[實驗規劃參考](references/experiment-planning.md) --- ## 步驟三：評估指標選擇 ### 選擇原則 1. **領域慣例**：優先選擇該領域公認的標準指標 2. **多面向覆蓋**：同時報告效能、效率、穩健性指標 3. **統計顯著性**：報告多次實驗的平均值與標準差 4. **合理性**：指標能真正反映研究假設所關注的面向 ### 常見指標類別 | 類別 | 指標範例 | |------|----------| | 分類任務 | Accuracy、Precision、Recall、F1-score、AUC-ROC | | 生成任務 | BLEU、ROUGE、METEOR、BERTScore、人工評估 | | 資訊擷取 | MAP、MRR、NDCG、Recall@K | | 效率指標 | FLOPs、參數量、推論延遲、記憶體佔用 | | 穩健性 | 跨資料集表現、對抗樣本準確率 | ### 統計檢驗 - 報告多次隨機種子實驗的平均值與標準差 - 必要時進行統計顯著性檢驗（如 paired t-test、bootstrap test） - 標註統計顯著性水準（p < 0.05, p < 0.01） --- ## 步驟四：Baseline 選擇與設定 ### 必選 Baseline 類型 1. **經典方法**：該領域歷史上重要的方法 2. **當前 SOTA**：最新的最佳表現方法 3. **簡單 Baseline**：簡單但合理的基準方法（如隨機、多數類別、TF-IDF） ### 公平比較原則 - 使用相同的資料切分 - 使用相同的評估協定 - 盡可能使用原作者的程式碼與超參數 - 若需重新實現，需驗證重現結果與原論文一致 ### 常見錯誤 - 僅與弱基線比較 - 未使用最新 SOTA 作為基線 - 基線的超參數未經調校 - 比較條件不一致（如不同的預訓練模型） 詳見：[Baseline 選擇指南](references/baseline-selection.md) --- ## 步驟五：Ablation Study 設計 Ablation Study 是驗證方法中各組件貢獻的關鍵實驗。本技能定義四種 Ablation 模式： ### 模式一：完整消融（Component Ablation） 逐一移除或替換方法中的各個組件，觀察效能變化。 - 每次僅移除一個組件 - 記錄移除後的效能變化 - 藉此判斷每個組件的貢獻度 ### 模式二：超參敏感度分析（Hyperparameter Sensitivity） 探討關鍵超參數對效能的影響。 - 選擇 2-4 個最重要的超參數 - 在合理範圍內變化超參數值 - 繪製超參數-效能曲線圖 ### 模式三：跨資料集遷移（Cross-Dataset Transfer） 驗證方法的泛化能力。 - 在多個不同資料集上測試 - 包含不同規模、不同領域的資料集 - 分析方法在何種條件下效果最佳或最差 ### 模式四：定性分析（Qualitative Analysis） 透過可視化與案例分析深入理解模型行為。 - 注意力權重視覺化 - 成功與失敗案例分析 - 特徵空間視覺化（如 t-SNE） - 錯誤類型分類與統計 詳見：[Ablation 設計指南](references/ablation-design.md) --- ## 步驟六：計算資源預估 ### 預估項目 1. **單次實驗成本** - GPU 時數 - 記憶體需求 - 儲存空間需求 2. **實驗總量計算** ``` 總 GPU 時數 = 單次時數 × 模型變體數 × 資料集數 × 隨機種子數 × 超參組合數 ``` 3. **安全係數** - 建議預留 1.5-2 倍的預估資源 - 考慮除錯、預實驗、追加實驗的需求 ### 資源最佳化策略 - 先以小規模資料集進行預實驗 - 使用早停（early stopping）節省訓練時間 - 善用混合精度訓練（mixed precision） - 合理安排實驗優先順序 --- ## 可重現性要求 實驗計畫必須包含完整的可重現性資訊，確保他人能夠精確重現結果。 ### 必要揭露項目 1. **硬體環境** - GPU 型號與數量 - CPU 規格 - 記憶體大小 2. **軟體環境** - 程式語言版本 - 深度學習框架版本 - 關鍵套件版本 3. **隨機性控制** - 隨機種子設定 - 確定性演算法設定 - 多次實驗的種子列表 4. **訓練協定** - 完整的超參數列表 - 優化器設定 - 學習率排程 - 資料增強策略 - 早停準則 5. **資料處理** - 資料集版本與來源 - 前處理步驟 - 資料切分方式 6. **評估協定** - 評估指標的精確定義 - 評估頻率 - 模型選擇準則 詳見：[可重現性清單](references/reproducibility-checklist.md) --- ## 輸出：結構化實驗計畫文件 本技能的最終產出為一份結構化的實驗計畫文件，包含以下章節： 1. 研究假設與子假設 2. 變數定義表 3. 評估指標與統計方法 4. Baseline 列表與設定 5. Ablation Study 設計矩陣 6. 計算資源預估與時程規劃 7. 可重現性資訊 使用模板：[實驗計畫模板](templates/experiment-plan.md) --- ## 使用流程 ### 輸入 - 研究主題或論文草稿 - 提出的方法描述 - 可用的計算資源 ### 處理 1. 引導使用者明確化研究假設 2. 協助定義自變數、依變數、控制變數 3. 根據任務類型建議評估指標 4. 根據研究領域建議 Baseline 5. 設計 Ablation Study 方案 6. 預估計算資源需求 ### 輸出 - 完整的實驗計畫文件（依照模板格式） - 實驗優先順序建議 - 潛在風險與應對方案 --- ## 品質檢查清單 在完成實驗計畫後，請確認以下項目： - [ ] 每個研究假設都有對應的實驗來驗證 - [ ] 所有自變數的取值範圍已明確定義 - [ ] 控制變數已完整列出 - [ ] 評估指標涵蓋多個面向 - [ ] Baseline 包含經典方法、SOTA、簡單基線 - [ ] Ablation Study 覆蓋所有提出的組件 - [ ] 計算資源預估合理且包含安全係數 - [ ] 可重現性資訊完整 - [ ] 統計檢驗方法已確定 --- ## 參考資源 - [實驗規劃方法](references/experiment-planning.md) - [Baseline 選擇指南](references/baseline-selection.md) - [Ablation 設計指南](references/ablation-design.md) - [可重現性清單](references/reproducibility-checklist.md) - [實驗計畫模板](templates/experiment-plan.md)