科研技能包

深色模式

results-table：实验结果统计与制表 ​

分析结果带脚本，结果可复核Python 3.9+，无第三方依赖下载源码（ZIP）

从原始结果计算均值 ± 标准差、P99、置信区间，和基线做 Welch t 检验，输出 Markdown 或 LaTeX 表格，最好的加粗、次好的加下划线。

能做什么 ​

论文表格里的每个数字都应该能从原始结果算出来。手抄、手算最容易出错，这个技能用脚本完成：

  • 读取 CSV、JSONL（每行一次运行或一个请求），按方法分组；
  • 统计量：均值 ± 标准差（默认）、中位数、P90、P95、P99，可选 95% 置信区间（bootstrap）；
  • 和基线做 Welch t 检验，给出相对变化和 p 值（已和 SciPy 的结果逐位对照）；
  • 输出 Markdown 或 LaTeX（booktabs）表格，按“越小越好 / 越大越好”自动把最好的加粗、次好的加下划线，符合组内写作规范；
  • 每个配置少于 3 个样本时提醒补跑。

安装 ​

装到当前项目（.claude/skills/），macOS / Linux
curl -LO https://skills.bnuai.com/download/skills/results-table.zip && mkdir -p .claude/skills && unzip -o results-table.zip -d .claude/skills
装到个人目录，所有项目都能用，macOS / Linux
curl -LO https://skills.bnuai.com/download/skills/results-table.zip && mkdir -p ~/.claude/skills && unzip -o results-table.zip -d ~/.claude/skills
装到当前项目，Windows PowerShell
Invoke-WebRequest https://skills.bnuai.com/download/skills/results-table.zip -OutFile results-table.zip; Expand-Archive results-table.zip -DestinationPath .claude\skills -Force

压缩包从本站下载，不需要 Node.js 或 GitHub。带脚本的技能需要 Python 3.9 以上。更新时重新下载解压、覆盖原文件夹即可。

怎么用 ​

text
results/runs.csv 里是 5 个种子的结果，帮我按方法整理成表，延迟越小越好、吞吐越大越好，和 Baseline 做显著性检验。
text
把 results/ 下几个压测结果按请求速率整理成 P99 TTFT 的表，输出 LaTeX。

示例 ​

bash
python3 restable.py runs.csv --group method --metrics latency_ms:min,throughput:max --baseline Baseline --where rate=4
text
| method | latency_ms | throughput | n |
|---|---|---|---|
| Baseline | 191.48 ± 4.90 | 12.57 ± 0.25 | 5 |
| Cache | <u>160.84 ± 4.85</u> | <u>15.28 ± 0.18</u> | 5 |
| Ours | **140.73 ± 10.50** | **16.97 ± 0.05** | 5 |

显著性检验：
- Cache vs Baseline（latency_ms）：160.84 vs 191.48（-16.0%），Welch t 检验 p = 8.94e-06，显著（α = 0.05，n = 5 / 5）
- Ours vs Baseline（latency_ms）：140.73 vs 191.48（-26.5%），Welch t 检验 p = 9.23e-05，显著（α = 0.05，n = 5 / 5）
……

（模拟数据。）加 --by rate 时每个指标一张表、每个速率一列；--format latex 输出可以直接放进论文的表格。

直接运行脚本 ​

bash
python3 skills/results-table/scripts/restable.py results.csv --group method --metrics acc:max --ci --format latex
python3 skills/results-table/scripts/restable.py requests.jsonl --group method --by rate --metrics ttft_ms:min:p99

指标写成 名称[:min|max][:统计量]。

权限说明 ​

只读取结果文件，不联网，不执行其他命令。

局限 ​

只做描述统计和两组之间的 t 检验。多组比较、非正态的小样本、配对设计等需要其他检验方法，Agent 会提示。不会删除或修改任何数据点。