SkillPoison: Envenenamiento Progresivo de Habilidades mediante Experiencias Exitosas

Este repositorio proporciona la implementación de SkillPoison, un pipeline de etapa de formación para construir experiencias exitosas verificadas y organizarlas en registros de formación.

Estructura del Repositorio

.
├── assets/
│   └── framework.png
├── configs/
│   └── main.yaml
├── core/
│   ├── hts/
│   ├── legsa/
│   ├── gctir/
│   ├── utils/
│   ├── config.py
│   └── pipeline.py
├── prompts/
│   ├── legsa/
│   ├── target_audit.txt
│   ├── counterfactual_generation.txt
│   └── counterfactual_audit.txt
├── scripts/
│   └── run_skillpoison.py
├── .env.example
├── requirements.txt
└── README.md

core/ contiene la implementación de HTS, LEGSA y GCTIR; prompts/ almacena las plantillas de prompts orientadas al modelo; configs/ almacena la configuración de los experimentos; y scripts/run_skillpoison.py es el punto de entrada principal de ejecución.

Instalación

Se recomienda Python 3.10 o posterior.

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Configuración del Modelo

Establezca el endpoint del modelo antes de una ejecución en vivo:

export MODEL_API_KEY="your-api-key"
export MODEL_BASE_URL="https://your-endpoint/v1"
export MODEL_NAME="your-model-name"

Se proporciona una plantilla de variables de entorno en .env.example.

Configuración

El archivo de configuración principal es:

configs/main.yaml

Especifica el directorio de salida, la configuración del modelo, el comportamiento objetivo, el modelo de embeddings, los umbrales de HTS, el directorio de prompts de LEGSA y la configuración de formación de GCTIR.

Formato de Entrada

El pipeline acepta entrada en formato JSON o JSONL. Para JSON, utilice una lista experiences:

{
  "experiences": [
    {
      "id": "example_001",
      "category": "category_name",
      "task_text": "task input",
      "solution": "externally verified solution",
      "trajectory": {
        "task_input": "task input",
        "model_output": "recorded successful output"
      },
      "requirement_checks": [true],
      "verified_success": true,
      "output_format": "text"
    }
  ]
}

Cada candidato debe contener un id único, información de tarea/categoría, una trayectoria exitosa registrada, resultados de verificación y un formato de salida (text, json o python).

Ejecución

python scripts/run_skillpoison.py \
  --config configs/main.yaml \
  --input /path/to/candidate_experiences.json \
  --out outputs/run

El pipeline ejecuta:

Candidate Experiences
        ↓
       HTS
        ↓
      LEGSA
        ↓
      GCTIR
        ↓
Formation Records

--out sobrescribe el directorio de salida especificado en configs/main.yaml.

Salida

Una ejecución estándar escribe:

outputs/run/
├── selection_audit.json
├── formation_records.json
└── run_summary.json

• selection_audit.json: resultados de selección y validación de candidatos.
• formation_records.json: registros de formación finales.
• run_summary.json: estadísticas de ejecución, configuración y resumen de uso.

Modo de Reproducción

Para una re-ejecución determinista a partir de artefactos intermedios registrados:

python scripts/run_skillpoison.py \
  --config configs/main.yaml \
  --input /path/to/replay_input.json \
  --out outputs/replay \
  --replay

La entrada de reproducción debe contener ya los artefactos registrados requeridos por el pipeline.