用途：把一篇 ML 论文从“只有 arXiv 链接”推进到“有可测量差值的复现实验”。适用于用户要求复现、实现、重跑某论文，或粘贴 arXiv/OpenReview 链接表达复现意图，或论文没有官方代码需要自行搭建的场景。
主要能力：按七个阶段顺序推进，每阶段有独立参考文件与成功标准，未通过不进入下一阶段。1）论文获取：CLI 加 PDF 转为结构化提取；2）已有代码发现与盘点；3）缺口分析：从正文提取所有缺失超参数；4）实现：使用 uv venv，逐缺口提交；5）数据获取：优先 Hugging Face datasets，私有数据可替代；6）冒烟运行：前向传播、1 步、20 次迭代；7）复现运行并在论文报告轮数上比较。
使用方式：为每篇论文建立独立工作目录 repro/<paper-arxiv-id>/，包含 paper.md、inventory.md、gaps_filled.md、code/、data/、dataset_substitution.md、smoke_logs/、results.md。阶段 3 后交给 paper-verification 技能做往返检查；阶段 4 按小颗粒提交，每次提交引用论文依据；阶段 6 失败转 /phd-skills:debug；阶段 7 多时长运行前走 /phd-skills:launch 清单，比较走 /phd-skills:compare，且只在论文报告轮数上比较，不做当前对最终。
输出：results.md，给出绝对差值而非仅百分比，每个指标标注三类之一：在论文报告方差内匹配、可测量差距并附假设、与论文主张根本不一致需调查。若工作区在公开仓库，从项目复现跟踪文档链接其 README。
限制：资料未提供具体支持模型、平台、收费或价格信息；私有数据集只能替代并记录，无法保证与原文完全一致。