SkillPoison: Envenenamento Progressivo de Habilidades via Experiências Bem-Sucedidas

Este repositório fornece a implementação do SkillPoison, um pipeline de estágio de formação para construir experiências bem-sucedidas verificadas e organizá-las em registros de formação.

Estrutura do Repositório

.
├── 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/ contém a implementação de HTS, LEGSA e GCTIR; prompts/ armazena os templates de prompt voltados ao modelo; configs/ armazena as configurações de experimento; e scripts/run_skillpoison.py é o ponto de entrada principal de execução.

Instalação

Recomenda-se Python 3.10 ou superior.

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

Configuração do Modelo

Defina o endpoint do modelo antes de uma execução ao vivo:

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

Um template de variáveis de ambiente é fornecido em .env.example.

Configuração

O arquivo de configuração principal é:

configs/main.yaml

Ele especifica o diretório de saída, configurações do modelo, comportamento alvo, modelo de embedding, limiares do HTS, diretório de prompts do LEGSA e configurações de formação do GCTIR.

Formato de Entrada

O pipeline aceita entrada JSON ou JSONL. Para JSON, use uma 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 deve conter um id único, informações de tarefa/categoria, uma trajetória bem-sucedida registrada, resultados de verificação e um formato de saída (text, json ou python).

Execução

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

O pipeline executa:

Candidate Experiences
        ↓
       HTS
        ↓
      LEGSA
        ↓
      GCTIR
        ↓
Formation Records

--out substitui o diretório de saída especificado em configs/main.yaml.

Saída

Uma execução padrão grava:

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

• selection_audit.json: resultados de seleção e validação de candidatos.
• formation_records.json: registros de formação finais.
• run_summary.json: estatísticas de execução, configuração e resumo de uso.

Modo de Replay

Para reexecução determinística a partir de artefatos intermediários registrados:

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

A entrada de replay já deve conter os artefatos registrados exigidos pelo pipeline.