arbor

SUMMARY

它能做什么

该技能支持使用 Arbor 论文中的假设树细化（HTR）方法，针对可测量的目标和评估器，对具体工件（代码、训练配方、智能体框架、数据管道、提示词）进行自主优化。它专为涉及多次实验-评估循环的迭代改进任务而设计，例如提高模型评估分数、改进智能体框架、调整管道、在基准上击败基线或进行 MLE-bench/Kaggle 式优化。该技能以 Claude 为协调者，在隔离的 git worktree 中运行子代理执行器，维护持久化的假设树以积累洞察并避免过拟合。它要求开发/测试评估器分离，并使用保留的合并门控，仅当变更在测试评估器上有所改进时才允许合并。该技能包含用于树管理的脚本以及方法论和执行器简报的参考。它适用于长期任务，其中瓶颈在于组织大量试验而非编写单一变更。