run-train 是 lllllllama/rigorpilot-skills 中的 Rigor Train 技能，安装 slug 为 run-train 以保持兼容性。
用途：该技能用于执行已选定的训练命令，并规范化由此产生的证据。它适用于训练命令已经选定、需要保守执行的场景，包括启动验证、短跑验证、完整训练启动以及断点续训处理。同时适用于需要结构化训练状态、检查点和指标报告的情况。
主要能力：执行选定的训练命令；规范化训练证据；记录部分完成、受阻、续训和已启动等状态；在可用时保留可复现性上下文，如配置、随机种子、检查点、日志、指标和运行时假设。输出包括 train_outputs/SUMMARY.md、train_outputs/COMMANDS.md、train_outputs/LOG.md、train_outputs/SCIENTIFIC_CHANGELOG.md、train_outputs/COMPARABILITY_REPORT.md 和 train_outputs/status.json。
使用方式：使用时需遵循 ../ai-research-reproduction/references/agent-operating-principles.md 中的共享操作原则。技能应保持训练证据有界，同时将仓库特定的监控细节留给模型处理。输入期望包括：选定的训练目标、可运行的训练命令、环境与资产假设，以及运行模式（如启动验证、短跑验证、完整启动或续训）。技能引用 references/training-policy.md、../ai-research-reproduction/references/deep-learning-experiment-principles.md、scripts/run_training.py 和 scripts/write_outputs.py。
适用场景：当训练命令已选定并应保守执行时；当研究者需要启动验证、短跑验证、完整训练启动或续训处理时；当运行需要结构化训练状态、检查点和指标报告时。
限制：该技能不适用于环境搭建或资产下载为主的任务；不适用于仅推理或仅评估的执行；不适用于推测性探索、多方案扫描或自主想法实现；当用户仍需要研究仓库录入或论文差距解决时也不适用。该技能不自行选择整体研究目标，不负责探索性分支或推测性代码适配。
其他信息：产品名称、URL、安装命令等未在资料中提供。平台、收费、价格、效果等具体信息暂未提供。