Claude Skill MartKhám phá skillSkill là gì?
 
← Về danh sách

Kiểm toán sinh giả thuyết HypoGeniC

Skill giúp lập kế hoạch, kiểm tra và đánh giá an toàn cho HypoGeniC/HypoRefine khi sinh giả thuyết bằng LLM từ dữ liệu văn bản có nhãn.

Dữ liệu · Phân tíchNâng cao★ 33,030⑂ 3,248Điểm AI 8/10Cập nhật lần cuối: 9 thg 8, 2026

Skill này làm gì

Áp dụng quy trình "kiểm tra cục bộ trước, gọi model sau" cho gói hypogenic của ChicagoHAI (HypoGeniC / HypoRefine).

  • Hướng dẫn cài đặt ghim phiên bản hypogenic==0.3.5 kèm SHA-256 của wheel, trong môi trường cách ly
  • Phân biệt và kiểm tra file cấu hình task YAML chính thức so với chính sách chạy cục bộ (JSON) của skill
  • Kiểm toán dataset: checksum, schema, phân bố nhãn, trùng lặp chéo giữa train/validation/test (rò rỉ split)
  • Lập dự toán chi phí/số lượt gọi theo giới hạn request và token, mang tính chặn trên bảo thủ
  • Kiểm tra kho giả thuyết và file dự đoán mà không in ra nội dung văn bản gốc
  • Tính accuracy, coverage, macro-F1 và confusion matrix mà không cần gọi model
  • Cổng kiểm tra chính sách lưu trữ dữ liệu của OpenAI/Anthropic trước khi gửi dữ liệu nhạy cảm

Các script kèm theo hoạt động cục bộ, không import hypogenic, không đọc .env, không gọi API.

Phù hợp với ai

  • Nhà nghiên cứu, học viên cao học thử nghiệm sinh giả thuyết bằng LLM từ dữ liệu có nhãn
  • Kỹ sư ML cần chạy benchmark HypoBench theo cách tái lập được
  • Nhóm cần kiểm soát chi phí API và rủi ro rò rỉ dữ liệu nhạy cảm trước khi chạy

Ví dụ sử dụng

  1. "Kiểm tra rò rỉ split của dataset HypoBench trước khi chạy hypogenic" → audit_dataset.py trả báo cáo checksum và nhóm trùng lặp, và fail nếu có trùng chéo.
  2. "Tôi dự kiến 300 lượt gọi GPT, chi phí tối đa là bao nhiêu?" → điền giá vào run config đã review rồi chạy plan_run.py để nhận chặn trên và trạng thái sẵn sàng.
  3. "Chỉ cần macro-F1 và confusion matrix từ file dự đoán đã lưu" → evaluate_local.py report tính chỉ số kèm phần nêu rõ giới hạn khoa học.

· · · Hướng dẫn cài đặt · · ·

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
↓ Tải ZIP
Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/hypogenic từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/hypogenic/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && cp -r scientific-agent-skills/skills/hypogenic ~/.claude/skills/hypogenic

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Mở terminal và tạo thư mục skill: mkdir -p ~/.claude/skills
  2. Clone repo: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  3. Copy riêng skill này: cp -r scientific-agent-skills/skills/hypogenic ~/.claude/skills/hypogenic
  4. Cài Python 3.10+ và uv (ví dụ: curl -LsSf https://astral.sh/uv/install.sh | sh).
  5. Chỉ khi cần chạy thật, tạo môi trường cách ly: uv venv --python 3.12 .venv && uv pip install "hypogenic==0.3.5"
  6. Khởi động lại Claude Code và thử yêu cầu: "lập kế hoạch chạy hypogenic" để xác nhận skill đã nạp.
  7. Đặt API key chỉ qua biến môi trường (OPENAI_API_KEY hoặc ANTHROPIC_API_KEY), không ghi vào file cấu hình.
  8. Chạy scripts/validate_config.py và scripts/audit_dataset.py trước, chỉ phê duyệt gọi model sau khi mọi kiểm tra cục bộ đã đạt.
Xem mã nguồn trên GitHub ↗Giấy phép: MIT