train-pose 用于构建 CSI→姿态模型，核心要求是诚实评估：任何姿态模型即使只输出数据集的均值姿态也能达到约 50% PCK，因此 PCK 只能作为相对该基线的增量，且必须在无受试者或时间泄漏的留出集上报告。项目资料提到其有 92.9%/100% 被撤回的历史，相关纪律即为避免重演。
主要路径有三条：摄像头监督（ADR-079），用 MediaPipe Pose 标注摄像头帧，配对的 CSI 训练网络，训练与推理在同一摄像头帧内以对齐骨架；无摄像头（WiFlow，ADR-152），推理阶段不需要摄像头，采用几何条件化；浏览器内（ADR-181），WebGPU/WASM 训练器，界面以徽章显示当前执行的后端。
发布数字前需执行：在同一划分上运行均值姿态基线；报告（模型 − 基线）的百分点差值，并说明划分定义（按时间、分块间隔或分组桶，无泄漏）；用 ruview_claim_check 检查文稿，标记任何未标注或 100%/完美的声明；若与 SOTA 对比，仅在提供复现器时标注 MEASURED-EQUIVALENT。资料给出的示例诚实结果为留出集 PCK@20 59.5% 相对 50% 均值姿态基线，即 +9.4 个百分点的实测信号。
适用场景为 CSI 姿态估计的研究与评测，尤其需要防泄漏划分和基线对比的实验。限制方面：资料未提供具体安装命令、依赖版本、支持硬件、价格或平台信息，这些暂未提供；使用时应遵循上述报告纪律。