HypoGeniC

Escopo e limite científico

Esta habilidade abrange o repositório de software ChicagoHAI ChicagoHAI/hypothesis-generation e o pacote PyPI hypogenic. HypoGeniC propõe e pontua iterativamente padrões textuais a partir de dados rotulados; HypoRefine adiciona informações derivadas da literatura; fluxos de trabalho de união combinam bancos.

Mantenha esses limites explícitos:

• O resultado é um banco de hipóteses textuais candidatas e estatísticas de previsão de tarefas. Não é confirmação experimental, evidência causal, uma conclusão clínica ou prova de novidade científica.
• A precisão preditiva em exemplos retidos avalia a utilidade da tarefa, não a veracidade de um mecanismo. A validação científica independente ainda requer revisão de domínio, controles adequados, testes pré-registrados quando apropriado e novas evidências.
• Para a formulação de mecanismos e previsões falseáveis liderada por pesquisadores, use ../hypothesis-generation/SKILL.md. Para ideação aberta, use a habilidade de brainstorming científico.

Fluxo de trabalho padrão: revisão local primeiro

Nunca inicie uma chamada de modelo automaticamente.

1. Classifique a solicitação: uso do software HypoGeniC, formulação geral de hipóteses ou validação científica downstream.
2. Registre o pacote exato, origem, conjunto de dados, modelo/provedor, destino, política de divisão, caminho de saída e orçamentos.
3. Valide a política de execução local e a configuração oficial da tarefa.
4. Audite checksums, esquemas, duplicatas e vazamento de divisão do conjunto de dados.
5. Gere um plano de custo/execução limitado. Revise a retenção do provedor e os preços atuais fora do pacote.
6. Solicite confirmação separada antes de qualquer chamada externa de LLM, download de modelo ou upload de texto do conjunto de dados.
7. Inspecione o banco de hipóteses resultante localmente.
8. Avalie uma vez na divisão de teste preservada e relate as limitações.

Os scripts empacotados são determinísticos, limitados, apenas locais e nunca importam hypogenic, contatam um modelo, carregam .env, enumeram o ambiente ou executam texto encontrado em configurações, conjuntos de dados, hipóteses ou resultados.

Instalação reproduzível

O artefato estável mais recente, rechecado em 01/10/2026, é hypogenic==0.3.5 (lançado em 16/07/2025, Python >=3.10, classificador beta do PyPI). A proveniência do PyPI o vincula à tag v0.3.5 e ao commit 8c3800ccae155e333fac5b530afa8abdaac38300.

uv venv --python 3.12 .venv
uv pip install "hypogenic==0.3.5"

Wheel SHA-256: f4ee8d7fa433cd59c58e0a8fe7df2f481ae29e7465a1b30ccbdac2c216a1b755. SHA-256 da distribuição de origem: 5e1e5590f3612cb606a669909aab117d66577cf078dd56cae0f4123c5e8c44ae. Use um lockfile ou artefato verificado por hash em ambientes reproduzíveis. Não instale uma ponta de branch sem fixação. Veja references/upstream.md para alinhamento de pacote/origem e limitações conhecidas.

Os comandos acima são instruções de instalação, não uma instalação completa de dependências nesta revisão. As ferramentas empacotadas foram testadas independentemente com PyYAML 6.0.3; os wrappers upstream foram verificados com respostas simuladas.

O conjunto de dependências é antigo e amplo, incluindo intervalos compatíveis com fixação em torno de PyTorch 2.4, Transformers 4.45, OpenAI 1.40 e Anthropic 0.32. Resolva-o em um ambiente isolado; não o mescle casualmente em um aplicativo não relacionado.

Configuração segura

Existem duas camadas de configuração diferentes:

• Uma configuração oficial da tarefa HypoGeniC contém o nome da tarefa, caminhos de treino/validação/teste , campos opcionais de rótulo/OOD e modelos de prompt. Ela não seleciona um provedor nem impõe um orçamento.
• assets/run_config.example.json é a política de revisão local desta habilidade. Não é uma API HypoGeniC upstream. Ela torna explícitos o provedor, o modelo, o nome da variável de credencial , o destino dos dados, os limites, o bloqueio de divisão e a política de log antes de uma execução.

Execute exemplos de comandos empacotados do diretório da habilidade (ou use caminhos de script absolutos e defina --root para o diretório que contém os arquivos de entrada). Valide JSON sem dependências:

python3 scripts/validate_config.py run \
  --input assets/run_config.example.json \
  --root .

Valide uma configuração oficial de tarefa YAML apenas com a versão do analisador revisada:

uv run --no-project --isolated --with "pyyaml==6.0.3" \
  python scripts/validate_config.py task \
  --input assets/task_config.example.yaml \
  --root .

Adicione --check-env ao comando run para verificar apenas o nome configurado e específico do provedor (OPENAI_API_KEY ou ANTHROPIC_API_KEY). O relatório contém apenas um booleano. Nunca coloque uma chave em JSON/YAML, imprima-a, leia um .env inteiro ou descarregue o ambiente.

…