ocean326 实验设计规划器
使用这个技能，把一个有潜力的 idea 变成精炼且有说服力的实验计划。
当计划需要更强的 evaluation、tokenization、long-context 或 run-tracking 模式时，读取 references/upstream-patterns.md。
工作流程
- 先锁定实验目标：
- 要验证的 claim 是什么
- 什么结果算成功
- 明确第一轮比较对象：
- trivial baseline
- 当前强基线
- 最接近的 prior method
- 选择：
- datasets and splits
- metrics
- compute budget
- reporting format
- 设计消融阶梯：
- 去掉主改动
- 替换目标函数
- 替换模型结构
- 改变数据规模或数据条件
- 压测序列长度或上下文大小
- 检查 AI 任务常见失败点：
- 是否存在隐藏调参优势
- 预训练数据是否不公平
- 参数量是否不可比
- seed 是否不稳定
- 指标是否和 claim 不匹配
- 第一轮尽量保持最小化。优先一个能定性的关键结果，而不是一大堆模糊矩阵。
- 如果计划被“贡献点不清楚”卡住，回退到
research-idea-clarifier。
输出要求
返回：
- 实验目标
- 基线集合
- 指标与数据设置
- 消融矩阵
- 成功与失败判据
示例
- “使用 $research-experiment-design-planner 为这个序列模型想法设计第一版实验计划。”
- “使用 $research-experiment-design-planner 选择最小但有说服力的消融集合。”
- “使用 $research-experiment-design-planner 把这个 novelty claim 变成清晰的评测计划。”