HypoGeniC 가설 생성 감사

무엇을 해주나

ChicagoHAI의 hypogenic 패키지(HypoGeniC / HypoRefine)를 사용할 때, 모델 호출 전에 반드시 로컬 검토를 먼저 수행하는 워크플로우를 강제합니다.

• hypogenic==0.3.5 고정 설치(휠 SHA-256 포함)와 격리 환경 구성 안내
• 공식 task YAML 설정과 이 스킬의 로컬 실행 정책(JSON) 구분·검증
• 데이터셋 매니페스트 체크섬, 스키마, 라벨 분포, 학습/검증/테스트 교차 중복(누수) 감사
• 요청 수·토큰 상한 기반의 보수적 비용/실행 상한 계획 수립
• 생성된 가설 뱅크와 예측 결과를 원문 노출 없이 요약 검사
• 모델 호출 없이 정확도·커버리지·macro-F1·혼동행렬 산출
• 호스팅 제공자(OpenAI/Anthropic) 데이터 보존 정책 게이트 안내

번들 스크립트는 모두 결정적이며 로컬 전용으로, hypogenic을 임포트하지 않고 .env를 읽거나 외부 API를 호출하지 않습니다.

이런 분께 추천

• 라벨 데이터에서 LLM 기반 가설 생성을 실험하는 연구자·대학원생
• HypoBench 데이터셋으로 재현 가능한 벤치마크를 돌려야 하는 ML 엔지니어
• LLM API 비용과 민감 데이터 유출 위험을 사전에 통제해야 하는 팀

활용 예시

1. "HypoBench 리뷰 데이터셋으로 hypogenic을 돌리기 전에 분할 누수부터 확인해줘" → audit_dataset.py로 체크섬·중복 그룹 리포트를 받고, 교차 중복이 있으면 실행이 차단됩니다.
2. "GPT 모델로 300회 호출 예정인데 상한 비용이 얼마인지 알려줘" → 검토된 run config에 단가를 채우고 plan_run.py로 보수적 상한과 준비 여부 판정을 받습니다.
3. "이미 저장된 테스트 예측으로 macro-F1과 혼동행렬만 뽑아줘" → evaluate_local.py report가 추가 모델 호출 없이 지표를 계산하고 한계점까지 함께 보고합니다.

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/hypogenic 폴더를 내 ~/.claude/skills/hypogenic/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.