使い方
- インストールコマンドをコピーし、自分の環境へ導入する前にソースを確認します。
- 必要なツール、認証情報、対応環境を原文で確認します。
- 入力と成果物を指定し、出力を資料と照合します。
npx skills add https://github.com/yogsoth-ai/de-anthropocentric-research-engine --skill design-falsification-test開始前の確認
- 導入にはモデル契約、API枠、ファイルへのアクセス許可は含まれません。
- スター数や導入数は活動の指標であり、独立した品質・安全性試験ではありません。
リポジトリの原文
見出し、例、コード、表、リンク、参照画像を含む原文を表示しています。
design-falsification-test
Purpose
Specify a concrete observation, computation, intervention, counterexample, or measurement that could count against a claim.
Input contract
yaml
required: [sharp_claim, scope, candidate_observables]
optional: [cost, available_tools, competing_predictions]
constraints: [test must identify a failure condition and measurement rule]Procedure
- Enumerate claim commitments and possible failure observations.
- Rank tests by information value and cost.
- Specify the cheapest decisive test with pass/fail interpretation.
If the falsification test has an executable intervention and verdict rule, consider execute-probe as the next tactic.
Output contract
yaml
produces: [falsification_test, failure_condition, measurement_plan, priority_rationale]
delta_fields: [findings, evidence_updates, uncertainties, decisions]Quality gates
- Test must be capable of producing evidence against the claim, not only confirming examples.
Failure and counterexamples
Do not design a test whose acceptance criterion is copied from the claim.
Provenance map
- resolved: red-team-truthseeking
