选模型，从你要做的事开始我
输入材料
论文、官方代码、数据集说明、运行环境与希望复现的指标。
目标交付
可运行代码、环境清单、实验日志、结果对照表和差异说明。
怎样一步步完成
把工作拆成可检查的环节，再选择模型和配套工具。
- 01
对齐方法与实现
提取公式、算法步骤和数据处理细节，列出论文未明确的参数。
- 02
搭建运行环境
让代码模型帮助配置依赖、入口脚本和数据路径，固定版本与随机种子。
- 03
执行最小实验
先用少量样本跑通输入输出，再执行基线与完整实验；保留运行日志。
- 04
比较并解释差异
核对评价指标、划分方式和资源约束，区分实现错误与实验设置差异。
需要哪些模型能力
按实际环节组合使用，下面的目录会展示匹配其中一种或多种能力的候选。
查看匹配的模型配套工具
Python / Notebook版本控制实验记录与计算资源
选型与交付检查
- 选择能理解仓库代码和论文图表的模型组合。
- 声称复现成功必须有实际运行和指标记录。
- 检查数据泄漏、测试集使用方式和第三方代码许可。
可以这样描述需求
阅读论文中的图表与方法，编写 Python 复现代码，实际运行实验并总结与原文指标的差异。带着这个需求继续选型