HypoGenic假设生成

技能简介

HypoGenic将LLM推理能力与统计检验相结合，实现数据驱动的科学发现。框架包含假设生成、精炼、验证三阶段，可从观测数据中自动提出可检验的假设，并通过交叉验证评估其稳健性。适用于社会科学、行为经济学等领域的探索性数据分析。

能做什么

• 整理模型调用与提示流程
• 沉淀可复用的智能体能力
• 输出可接入业务的执行方案

使用说明

• 明确模型目标与输入边界。
• 配置提示流程和调用参数。
• 检查输出质量并做人工复核。

uv pip install hypogenic

git clone https://github.com/ChicagoHAI/HypoGeniC-datasets.git ./data

英文名

hypogenic

输入与输出

见下方输入与输出表格。

风险提示

• 涉及外部平台接口、账号或权限时，先确认授权边界与数据访问范围。
• 自动生成或自动执行结果应保留人工复核，避免直接替代最终业务判断。
• 若处理内部资料、客户信息或经营数据，应先完成脱敏与权限控制。

来源信息

原始链接：https://github.com/K-Dense-AI/claude-scientific-skills
来源类型：GitHub 开源仓库