Recherche · Fortgeschritten
Verifiziert
Automatisierte Verifizierung
- Alle automatisierten Prüfungen bestanden: Schema, Eindeutigkeit, HTTPS und erreichbarer Quelllink, Prompt-Injection- und Sicherheitsscan, Regel zum Freigabeschritt.
- Entwurfsmodell nicht erfasst.
- Prüfung durch ein zweites Modell: x-ai/grok-4.3 (keine kritischen oder schwerwiegenden Befunde).
- Deutsche Übersetzung: google/gemini-4-argon, geprüft von openai/gpt-5.5.
- Verifiziert am .
- Nur automatisierte Prüfungen und KI-Review, keine menschliche Prüfung.
Autonomes Tracking und Iteration von Machine-Learning-Experimenten
Verfolgen Sie Modell-Trainingsjobs, protokollieren Sie Evaluierungsergebnisse und iterieren Sie über wissenschaftliche Hypothesen.
Mit BotBento nutzen MarkdownEnglish
Öffnet BotBento. Fügen Sie den Prompt in einen Bot ein; nichts ist vorkonfiguriert.
- Nach ZeitplanGeplanter Trigger für Forschungsprüfung
- DanachJobstatus und Trainingsmetriken prüfen
- ErgebnisForschungsjournal und Register updaten
Führen Sie kontinuierliche Forschungsiterationen durch, indem Sie Modell-Trainingsläufe prüfen, Ergebnisse protokollieren und sowohl vielversprechende Resultate als auch Sackgassen dokumentieren. Der Bot überwacht aktive Terminal-Jobs, analysiert Evaluierungsmetriken im Vergleich zu etablierten Baselines und führt strukturierte Notizen zum Experimentverlauf.
Prompt zum Einstieg
BotBentoEmpfohlen
Überwache laufende Machine-Learning-Aufgaben über das Terminal und prüfe den Abschlussstatus im Vergleich zu Baseline-Metriken. Erfasse Leistungsstatistiken und Hypothesen in den Forschungsnotizen. Wenn ein Durchlauf fehlschlägt oder auf einen nicht behebbaren Fehler stößt, dokumentiere die Sackgasse, bevor du fortfährst. Bitte immer um die Freigabe des Nutzers, bevor du neue Rechenjobs startest, Remote-Repositorys änderst oder Checkpoint-Dateien löschst.