用于准备和检查实验运行证据的 Skill。指导如何设计 stdout 指标、使用 orx logs 读取持久化结果，并验证基于运行的声明，确保在分析或报告前日志包含完整证据。
UnifiedBenchDatasetEvaluator算子参考文档，支持6种评估类型，对模型答案打分并输出统计结果。适用于基准数据集上的模型答案评估场景。
生成包含Excel各类内容类型的压力测试工作簿，用于评估解析器完整性和回归测试。覆盖单元格、公式、图表等边缘情况，支持确定性生成及多格式输出。
使用 LibreOffice Kit CLI 刷新电子表格公式缓存，并验证计算结果。通过 openpyxl 双重检查确保公式存活且数据准确，保持原文件结构，适用于需要重新计算和校验 Excel 内容的场景。
用于通过 Superior Trade API 在 Hyperliquid 上回测、部署和调试 Freqtrade 量化交易策略，包括配置编写、余额检查及故障排查。
用于在 LangSmith 中迭代创建在线评估器。通过检查追踪数据、访谈用户确定评估标准，并构建 LLM-as-judge 或代码型评估器，实现 AI 应用质量的自动化验证与监控。
提供DNA序列的确定性分析工具，涵盖翻译、ORF查找、限制性位点、Kozak上下文及引物检查。仅处理本地提供的序列数据，不涉及外部服务或基因组上下文，用于基础分子生物学实验设计验证。
用于运行WBench视频模型评估流水线，覆盖22项指标。支持预计算、GPU度量、VLM API评测及报告生成，适用于用户请求对模型进行评分或生成评测报告的场景。
用于在发布前基准测试PII模型召回率，通过合成数据验证标签感知精确跨度及字素召回，确保满足最低召回阈值且无关键泄露。
Python统计建模库技能，支持OLS、GLM、ARIMA等模型拟合与诊断。适用于计量经济学、时间序列分析及严谨的统计推断场景。
用于日常校准分类准确率，通过对比近期决策与实际结果，分析误判原因并建议调整信号权重和阈值，以提升系统分类精度。
维护TulingResearch Plus语义图工作流，涵盖论文、引用、推荐及作者网络工具。提供适配器测试与无API密钥的模拟环境，确保代码、合同、测试及文档的同步更新与发布安全。
