个人插件市场

提供预训练与微调运行的监控指南，涵盖关键信号、指标优先级、异常检测及故障排查流程。

与用户协作确定待优化的 PyTorch 任务，生成 contract.md 并部署正确性检测机制，为后续自动优化奠定基础。

检查论文内部一致性，识别数据冲突、计算错误及过度声明。仅需PDF即可运行，建议先执行证据账本分析。

使用 torch.profiler 分析 PyTorch 训练或推理任务，定位导致低 MFU 或 GPU 空闲等性能问题的根本原因（精确到代码行），提供诊断报告而不直接修改代码。

将优化结果整理为可合并分支，精选提交、固化配置并验证代码，最终移除检查点调用，交付整洁的合并方案。

自动分析、修改并验证 contract.md 中定义的 PyTorch 任务，通过循环迭代实现性能优化，最终输出一个整洁的优化分支。

将用户实际运行的 PyTorch 脚本转换为可重复执行的基准测试脚本，用于优化循环。生成脚本及变更对照表，但不执行脚本。

为已完成的开发分支自动生成 Pull Request 描述和 Issue 草稿，供用户审查后发布。

为 PyTorch 任务建立诊断与优化的基准，包括工作区、计算图及执行调度，并全面测量基础提交的运行速度、内存占用和正确性。

静态分析 PyTorch 代码，生成记录模块树与执行调度的 JSON 文件，明确计算内容、设备间数据移动及同步点。

构建、修订和审计 claude.ai Slides 演示文稿，支持论文汇报及组会场景，提供布局模板、静态检查与渲染审计功能。

分析 contract.md 中的任务，定位最大耗时瓶颈并给出量化修复建议。首次发现即停止，区别于持续优化的 optimize。

将博客、论文或项目页面转化为短视频。基于页面动画与数据逐帧绘制，并通过 ffmpeg 编码输出。

检测第三方数学证明与推导中的逻辑漏洞、循环论证及无效步骤，需结合证据账本使用。

识别论文中的AI写作风格特征（如套话、防御性措辞、术语堆砌等），仅呈现现象不作判定。需在证据账本后运行，触发词包括“AI style”、“vibe check”等。

基于证据和审计发现构建最强拒稿论点并测试其有效性，仅生成备忘录供裁决者参考。

审计论文评估的有效性，检测数据泄漏、LLM评判偏差及选择性报告等问题。

审查论文数据与方法是否与代码及结果一致，检测虚假基准、自归一化分数或占位数据。需先建立证据账本，无仓库和结果时仅记录信息。

审计论文中的基线对比，检测缺失SOTA、调优不足或预算不均等问题。需结合证据账本使用，触发词包括“缺失基线”、“弱基线”等。

对论文进行全面的完整性取证扫描，检测证据链与潜在问题，生成确定性审计报告。仅用于审查学术诚信，不判定作者身份。

检测论文中的表面问题，如重复表格、残留模板字符串及排版异常。作为辅助工具，需在证据账本后运行。

依据 CVPR、ARR 等会议规范过滤已起草的弱点列表，消除模糊表述。适用于撰写审稿意见、自审及反驳信。

对照 DBLP/arXiv/DOI 验证 LaTeX 引用是否存在、元数据正确且未被撤回，确保支持上下文。

检索未引用的先前工作并对比论文贡献，辅助评估“缝合”或重复发表风险。仅生成备忘录，不判定新颖性或检测抄袭。

从论文、PDF或arXiv ID中提取带哈希锚点的声明，生成供完整性审计使用的证据账本。

提供基于 Epoch AI 风格的 Matplotlib 绘图样式，适用于文章和论文中的静态图表展示。

提供默认英文写作标准，适用于邮件、博客、文档及学术论文草稿。内置17条通用规则，并针对页数受限论文和提交前PDF审查提供专项规则。

基于 Kaiming He 等学者 2023 年前论文及笔记，提供去 AI 味的学术写作风格指南与统计工具。

对 LaTeX 论文目录执行机械式提交前检查，包括编译验证、页数限制、日志扫描及引用清理，确保无模型判断干扰。

提供苏剑林博客（kexue.fm）全站离线数据库，支持快速检索 RoPE、扩散模型等技术文章及归档链接。