briefbound-ai-research-loop

AI 研究工程循环

目标

把 AI 研究从“不断尝试代码”变成两个相互连接的轻量循环：

内层：可信 baseline -> 可证伪假设 -> 最小实验 -> 评估 -> 接受/拒绝/保留
外层：汇总多轮证据 -> 提炼规律 -> 更新假设组合 -> 继续/分支/转向/停止

本 skill 是 AI 研究工程的主 owner。briefbound-score-loop 只承接一条可量化实验 lane；竞赛规则、提交和 leaderboard 全生命周期仍由 briefbound-competition-research-lifecycle 适配。

Briefbound task contract

• Context Boundary: 研究问题、代码和数据来源、active baseline、评价协议、允许修改面、计算预算、实验记录和当前证据。
• Output Contract: baseline 复现结论、假设组合、实验 lane、证据综合、研究方向决策或可复现交接。
• Allowed Action: 在已锁定的可编辑面和预算内复现、修改、运行、评估和记录；不静默改变数据划分、metric、baseline 或研究目标。
• Success Evidence: 可复现命令、baseline 指纹、metric 与方差、diff/config、实验 artifact、对照/消融结果以及有来源的研究结论。
• Stop Condition: baseline 不可信、评价协议漂移、数据泄漏、预算或权限不足、结果不可复现、关键假设无法区分，或继续实验已无新的信息价值。
• Route Out: briefbound-score-loop、briefbound-feature-reuse-research、briefbound-bug-review、briefbound-research-rigor-review、briefbound-competition-research-lifecycle、完成交接或 BLOCKED。

统一调用契约

• 只处理 Briefbound task contract 范围；不匹配时回 briefbound-router 或更具体 owner，复合任务不吞其他 owner。
• 用户可见内容默认中文，完成只报状态、产出、证据和剩余风险；代码、命令、路径、错误原文、API/协议、skill 名和枚举保留原样；Route Out 仅以 Briefbound task contract 为准，末行写 下一步建议: <一个具体动作>。

所有权判断

• 用户要推进一个 AI/ML 研究问题、复现论文、做消融或从多轮实验中决定方向：本 skill 主责。
• 用户已经给出明确 baseline、metric 和单个低成本候选：本 owner 可直接比较；只有反复晋升、榜单反馈或持久 score lane 才路由 briefbound-score-loop。
• 主要问题是训练脚本、metric、数据 schema、seed、shape、NaN 或环境的确定性故障：临时路由 briefbound-bug-review，修复后返回研究循环。
• 主要问题是 Kaggle、竞赛规则、提交包或 public leaderboard：由竞赛生命周期主责，本 skill 只承接其研究阶段。
• 需要搜索论文、仓库、模型或可复用实现且结果会改变方案：使用 briefbound-feature-reuse-research；研究 owner 保留方向决策权。

启动快照

先从仓库、论文、日志和配置读取已有事实，只补会改变研究决策的缺口：

• 研究问题与可观察成功标准；
• baseline 来源、版本、命令和已知结果；
• 数据版本、split、metric、seed 与评估预算；
• 可编辑面、保护面和算力/时间限制；
• 已尝试方向、失败证据和当前最可信结论。

缺少正式工件时可先运行可逆 probe，不因模板不全阻塞探索。只有 baseline、metric 或数据边界不清会让实验失去解释性时才暂停询问。

自适应流程

按当前研究不确定性选择最低充分重量：

• QUICK：可信 baseline 上的 1-2 个低成本假设；内部维护短记录，直接实验和汇报。
• STANDARD：需要多轮消融、多个候选或跨会话延续；维护紧凑研究契约和 append-only 实验记录。
• DEEP：高成本训练、结论将用于论文/发布、数据或评价风险高；增加协议冻结、复现检查、严谨性审查和明确停止预算。