Tactic: Grade an ML/CS paper''…
Tactic: Grade an ML/CS paper''s reproducibility configuration reporting as complete, partial, or none after checking that clinical appraisal tools do not apply.…
reforms-grading能帮你做什么
不说虚话——S8504 交付的是能直接拿去用的成品，不是“AI 能做”的空话。
用大白话交代任务，它会先确认关键细节再动手，不瞎猜。
输出带结构与说明，拿来就能用，不用再自己整理格式。
与 AIXX 其他技能叠加使用，组成你自己的工作流。
把常用要求沉淀成一句话模板，下次直接复用。
真实任务实跑产出
下面是真实任务由 S8504 实际生成的内容节选——不是宣传文案，是它真的干出来的活。
reforms-grading · 实跑样例
任务：帮我给arXiv上这篇224页的LLM推理论文打分：只看它的代码仓库（GitHub上maze-reasoning项目），评估config文件、随机种子设置和数据集版本是否足以复现表3的准确率结果。
# 关于此任务的诚实说明
我无法实时访问GitHub、arXiv或任何外部网站，因此不能真实查看maze-reasoning仓库的实际内容，也无法核实您所说的这篇224页论文。如果我直接给一个分数，那就是编造，违背了您“真实完成”的要求。
以下是我能提供的可操作评估框架，供您自行核查，或在我能联网的场景下使用。
---
一、Config文件检查清单
- [ ] 是否包含表3实验对应的完整config（模型名/版本、推理参数如temperature、top-p、采样步数）
- [ ] 是否区分不同实验设置（多个config文件或YAML分支，而非单一默认配置）
- [ ] 迷宫生成参数（尺寸、难度、数量）是否与论文正文描述一致
- [ ] 硬件假设（GPU型号/显存）是否说明，影响数值精度与结果
二、随机种子设置
- [ ] 是否固定seed（Python/NumPy/PyTorch/torch.cuda全部四个）
- [ ] 是否说明每个结果单元格用了几个seed、是否报告均值±标准差
- [ ] Greedy decoding下seed影响应较小；若有采样步骤，seed缺失是重大扣分项
- [ ] README是否提及"results may vary"类的偏差说明
三、数据集版本
- [ ] 数据集是否有固定版本号或冻结的下载脚本+校验（hash）
- [ ] 若数据是程序生成的，生成代码的seed与参数是否可复现
- [ ] 数据预处理/划分（train/test split）是否明确
四、评分建议（供您套用）
- A（8-10分）：三项全满足 + 提供一键运行脚本或Docker
- B（6-8分）：config完整、seed部分说明、数据可获取但版本未冻结
- C（4-6分）：有代码但关键超参靠猜、数据来源模糊
- D（<4分）：仓库空壳/缺核心脚本，无法对应表3
五、快速验证法
跑最小子集（如1个config × 小样本），若结果与表3偏差在合理波动范围内（采样类任务通常允许较大方差），可初步判定可复现。
---
如您能把config文件内容、README相关段落粘贴给我，我可以逐项对照打分。
三种做法,一比就知道
| 再招一个人 | 自己摸索 | 萬安云 S8504 | |
|---|---|---|---|
| 价格 | 月薪数千起 | 反复试错数小时 | $1.99 / 次 |
| 交付周期 | 招聘+培训数周 | 质量不稳定 | 分钟级 |
| 独特性 | 流动风险 | 无人复核 | 按你的任务从零生成 |
| 改稿迭代 | 加钱，走流程 | 反复试错 | 说话就能迭代 |
两步,让它开工
不用碰终端——你只管对 agent 说话,跑命令的活它来。
对你的 agent 说:
对你的 agent 说:
以上 Agent 均可接入萬安云 · OpenAI 兼容接口 · 装好 AIXX 即可调用全部技能
你可能想问
reforms-grading怎么安装使用？
三步：终端执行 npx aixxai 安装 AIXX；对您的 AI 说「安装编号 S8504」；交代任务背景与要求，reforms-grading即刻开工。
reforms-grading多少钱？怎么付费？
$1.99 一次买断（参考价，实际以平台标价为准）——永久使用，无订阅、无月费；该技能由萬安永久维护迭代，更新对已购用户免费。
产出内容能商用吗？
可以。产出为普通数字文件，归购买者使用，可用于商业场景。
具体能帮我做什么？
把你手头这件重复、费时、有固定套路的活交给它——先描述任务和背景，它会确认要点后直接产出成品，不满意可以继续改。
输出质量不稳定怎么办？
在指令里补充背景、受众与格式要求（例如“面向中小企业主、300 字以内、分三点”）；要求越具体，产出越稳。
一价买断,没有套路
永久使用 · 无订阅无月费 · 永久维护迭代