用途：把训练运行当作证据来诊断不稳定或表现不佳的训练。适用于运行发散、平台期、崩溃、过拟合、欠拟合、验证指标噪声、训练停滞等情况。
主要能力：先收集损失/指标曲线、优化器与学习率调度、批量大小、精度、正则化配置、训练或验证样本与预测、近期代码与数据变更、以及相关硬件或分布式设置。然后对症状分类（发散、过拟合、欠拟合、崩溃、训练停滞、验证噪声），给出可能原因短名单，识别最小区分性检查，按概率与成本排序修复，并说明在新一轮超参数扫描前应先做哪些检查。
使用方式：按上述输入清单提供材料；技能会输出症状分类、可能原因、区分性检查、修复顺序，以及能证伪诊断的证据。若症状指向数据泄漏或划分不一致，转交 data-pipeline-auditor。
限制：不要盲目散弹式调参；需区分症状与原因，曲线形状在结合配置和数据证据前不构成诊断。资料未提供具体命令、安装步骤或价格信息。