본문으로 건너뛰기
cccskills
무료GitHub에 공개한국어 소개

gaia-submission

GAIA 에이전트 성능 평가의 환경 확인, 비용 추산, 실행과 결과 비교를 안내합니다. 감사를 거친 서명된 HAL 호환 제출 패키지도 만듭니다.

원문원문 설명 보기

Walk through a complete GAIA benchmark→submit flow — from key resolution through HAL-compatible package generation

AI 평가90점/ 100설치 방법 보기

이럴 때 유용합니다

  • GAIA 평가 전 실행 환경 확인
  • 비용을 추산한 뒤 평가 실행
  • 기존 결과를 제출 패키지로 정리
  • 점수 비교와 학습 내용 기록

한국어 소개

할 수 있는 일

에이전트 성능 평가 테스트인 GAIA 실행부터 HAL 호환 제출 패키지 생성까지 안내합니다. 환경 확인, 비용 추산, 평가 실행, 제출 파일 생성, 순위표 비교, 학습 내용 저장을 순서대로 다룹니다. 제출물에는 결과, 에이전트 실행 기록, 모델 등의 정보, 감사 보고서와 서명된 검증 정보가 포함됩니다.

이럴 때 유용합니다

첫 평가를 실행하기 전에 준비 상태를 확인하거나 기존 결과 파일을 제출용으로 정리할 때 유용합니다. 평가 수준, 문제 수, 사용할 모델을 지정할 수 있으며 결과와 비용 이력도 남길 수 있습니다.

사용 예시

  • “GAIA를 실행할 수 있는 환경인지 확인해 주세요.”
  • “Level 1 문제 53개를 실행할 비용을 먼저 추산한 뒤 진행해 주세요.”
  • “기존 결과를 HAL 호환 제출 패키지로 정리해 주세요.”

주의 사항

ANTHROPIC_API_KEY, HF_TOKEN, Node.js 20 이상과 빌드된 CLI가 필요합니다. 예상 비용이 5달러를 넘으면 실행 전에 확인을 요청합니다. 제출 전 감사에서 심각한 문제가 발견되면 일반적으로 패키지 생성을 중단합니다. 측정 정보가 부족한 감사 항목은 통과로 처리하지 않고 검증에 필요한 정보가 부족한 것으로 처리합니다.

이 소개문은 공개된 SKILL.md를 바탕으로 AI(OpenAI Codex)가 작성했습니다. 정확한 사양은 아래 원문을 확인하세요.

객관 평가

AI가 SKILL.md의 내용만을 근거로 4가지 관점에서 판정했습니다. 스타 수나 인기도는 판정에 넣지 않았습니다.

지시의 명확성언제 쓰고 무엇을 하는지 알 수 있는가
A양호사용 상황과 여섯 단계에 환경 확인, 패키지 생성, 비교, 학습 내용 저장을 명시합니다。
절차의 구체성절차·입출력·예시가 구체적으로 적혀 있는가
A양호각 단계의 명령과 제출 패키지에 포함되는 파일 구조를 제시합니다.
안전성전송·삭제·명령 실행 등을 명시하고 있는가
A양호실행 비용이 5달러를 넘으면 확인하며, 심각한 감사 실패 시 보통 패키지 생성을 차단합니다.
도입의 용이성필요한 도구나 API 키가 적고 적혀 있는가
B일부 부족두 API 인증 정보, Node.js 20 이상, 빌드된 CLI를 명시하지만 설치와 빌드 절차는 없습니다.

총점은 각 항목을 A=25점, B=15점, C=5점으로 더한 값입니다. 2026년 10월 21일 기준으로 AI(OpenAI Codex)가 판정했습니다. 참고용이므로 설치 전에 원문도 확인해 주세요.

평가가 다르다고 생각되면 재검토를 요청하기

어느 항목이 왜 다르다고 생각하는지 적어 주세요. 로그인은 필요 없습니다. SKILL.md와 대조해 평가를 다시 만들고 이곳에 반영합니다.

이 양식은 reCAPTCHA로 보호되며 Google 개인정보처리방침 및 서비스 약관이 적용됩니다.

포함된 파일(1)

  • SKILL.md4.9 KB

SKILL.md(원문)

설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.

GAIA Submission Skill

Walk Claude Code through every step needed to go from a clean environment to a signed, HAL-compatible submission package ready to upload to the Princeton GAIA leaderboard.

When to use

When the user wants to:

  • Run a benchmark and submit results to the HAL leaderboard
  • Package an existing results file into a submission archive
  • Confirm their environment is ready for a benchmark run

Prerequisites

Before starting, confirm these are available:

RequirementCheck
ANTHROPIC_API_KEYecho ${ANTHROPIC_API_KEY:0:8}… (should show sk-ant-…)
HF_TOKENecho ${HF_TOKEN:0:5}… (should show hf_…)
Node.js 20+node --version
CLI builtnode v3/@claude-flow/cli/bin/cli.js --version

Phase 1 — Validate environment

# Run all pre-flight checks
/gaia validate

If any check fails, resolve it before continuing.

Phase 2 — Estimate cost and confirm

Ask the user for their configuration:

  • Level (default: 1)
  • Question limit (default: 53 for a quick run, 165 for the full L1 set)
  • Models (default: claude-sonnet-4-6)
  • Self-consistency voting (default: 1; use 3 for L2/L3)
/gaia cost --level=$LEVEL --limit=$LIMIT --models=$MODELS --voting=$VOTING

If projected cost > $5, show the estimate and ask: "This run will cost approximately $X. Proceed? (y/N)"

Phase 3 — Run the benchmark

/gaia run --level=$LEVEL --limit=$LIMIT --models=$MODELS --voting=$VOTING

While running, progress is reported every 5 questions:

[12/53] 22.7% (5 passed of 22 scored) — est. remaining: $0.18

Store the run summary in memory for history tracking:

npx @claude-flow/cli@latest memory store \
  --namespace gaia-runs \
  --key "run-$(date +%Y%m%d-%H%M)" \
  --value '{"level":$LEVEL,"model":"$MODEL","total":$TOTAL,"passed":$PASSED,"pass_rate":$RATE,"est_cost_usd":$COST}'

Phase 4 — Package for submission

/gaia submit --results=~/.cache/ruflo/gaia/results-latest.json

This produces:

submission-<date>-<sha>/
├── results.jsonl        ← HAL-compatible, one JSON per line
├── trajectories.jsonl   ← full agent traces
├── metadata.json        ← harness info, model, tool catalogue
├── audit-report.json    ← ADR-167 pre-submission exploit-audit report
├── manifest.md.json     ← Ed25519-signed witness (signs audit-report.json's hash)
└── README.md            ← human summary + leaderboard comparison

Integrity gate — the audit runs before signing (ADR-167)

Post-RDI (UC Berkeley broke 8 agent benchmarks — GAIA to ~98% — without solving a task), a signature alone is not enough: it proves the bytes are untampered, not that the score was earned. /gaia submit therefore runs a deterministic, $0 exploit audit before signing and refuses to build the leaderboard package on a CRITICAL failure unless --allow-dirty is passed. The audit report is signed into the witness manifest as an ADR-103 fix marker, so a ruflo GAIA submission attests both transport-integrity and earning-integrity.

If the gate blocks, treat it as a real finding — inspect audit-report.json (answer-leakage, no-work pass, oracle leakage, grader monkey-patching, an answer-key read outside the dataset dir, or dynamic eval/exec of task content in the runner) rather than reaching for --allow-dirty. The static source-scan family (answer-key-reads, dynamic-eval, judge-injection) enforces today with no trajectory instrumentation; the trajectory-fed checks the current schema cannot feed are reported as harness_gaps (ADR-167 §7), not passes.

Phase 5 — Compare and report

/gaia leaderboard --level=$LEVEL
/gaia history

Interpret the gap between ruflo's score and the leaderboard top-10. Identify the primary failure mode (tool gap, reasoning miss, extraction bug) using the /gaia-debugging skill if needed.

Phase 6 — Persist learnings

npx @claude-flow/cli@latest hooks post-task \
  --task-id "gaia-submission-$(date +%Y%m%d)" \
  --success true \
  --train-neural true

Store any discovered patterns:

npx @claude-flow/cli@latest memory store \
  --namespace gaia-patterns \
  --key "submission-notes-$(date +%Y%m%d)" \
  --value "Level $LEVEL, $MODEL: $NOTES"

Extensibility note

This skill is intentionally structured to be benchmark-agnostic. The phase headers (validate → estimate → run → package → compare → learn) apply to SWE-bench, WebArena, and HumanEval with only phase 3-4 details changing.

리뷰

아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.

댓글

로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.

아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.

보내면 바로 공개됩니다. 이메일 주소나 전화번호 같은 개인 정보는 쓰지 마세요. URL은 2개까지입니다.

0 / 1,000자

이 양식은 reCAPTCHA로 보호되며 Google 개인정보처리방침 및 서비스 약관이 적용됩니다.

같은 저장소의 스킬

add-model-descriptions

무료요약 있음AI 평가 80점

HuggingFace router의 모델 목록과 chat-ui 설정을 비교해 미등록 모델을 조사합니다. 짧은 영어 설명을 작성하고 운영용·개발용 설정에 함께 추가합니다.

  • 라우터의 새 모델을 추가할 때
  • 모델 특징을 짧은 설명으로 정리할 때
  • 운영용·개발용 모델 정보를 함께 갱신할 때
ruvnet/ruflo7.9만2026년 10월 22일 업데이트

adr-create

무료요약 있음AI 평가 80점

기술 선택과 설계 판단을 기록하는 ADR을 기존 파일에 이어지는 번호로 만듭니다. 템플릿 생성, AgentDB 등록과 관련된 과거 결정의 연결을 처리합니다.

  • 기술 도입 이유 기록
  • API나 데이터 모델 변경 기록
  • 인프라 구성 결정 문서화
ruvnet/ruflo7.9만2026년 10월 22일 업데이트

adr-index

무료요약 있음AI 평가 90점

설계 결정과 이유를 기록한 ADR을 읽어 검색 색인과 의존 관계 그래프를 만들고 갱신합니다. 두 문서 형식을 지원하며 참조와 상태의 불일치도 집계합니다.

  • 다른 프로젝트의 ADR을 가져온 뒤 색인 생성
  • 파일과 관계 그래프 동기화
  • 기존 코드베이스에서 ADR 관리 시작
ruvnet/ruflo7.9만2026년 10월 22일 업데이트

adr-reindex

무료요약 있음AI 평가 70점

삭제한 ADR 설계 결정 기록이나 관계 정보가 색인에 남았을 때 전체 삭제 후 재구축합니다. 현재 파일 수와 등록 수를 대조하며, 변경 없이 작업 내용을 미리 확인할 수 있습니다.

  • ADR 파일을 삭제한 뒤 색인을 재구축할 때
  • ADR 관계 삭제 후 남은 정보를 정리할 때
  • ADR 색인을 정기적으로 맞출 때
ruvnet/ruflo7.9만2026년 10월 22일 업데이트

adr-review

무료요약 있음AI 평가 80점

코드 변경 사항을 채택된 설계 결정을 기록한 ADR과 대조합니다. 결정 위반, 오래된 기록 참조, 관련 기록이 없는 변경을 정리하고 코드 수정이나 결정 재검토를 제안합니다.

  • PR 병합 전 설계 결정 확인
  • 대규모 변경과 설계 결정 대조
  • 대체된 ADR을 참조하는 코드 검색
ruvnet/ruflo7.9만2026년 10월 22일 업데이트

adr-verify

무료요약 있음AI 평가 90점

저장된 아키텍처 결정 기록인 ADR의 관계를 검증해 끊어진 참조, 대체 관계의 순환, 상태 불일치를 보고합니다. 가져오기 후나 출시 전 점검에 활용합니다.

  • ADR 가져오기 후 일관성 확인
  • 지속적 통합에서 불일치 탐지
  • 출시 전 저장된 ADR 데이터 점검
ruvnet/ruflo7.9만2026년 10월 22일 업데이트

ruvnet의 스킬 모두 보기

이 스킬의 문제 신고