D2nn Lab Interpreter

/root/dj/D2NN/miniconda3/envs/d2nn/bin/python /root/dj/D2NN/skills/d2nn-lab-interpreter/scripts/build_registry.py --root /root/dj/D2NN/kim2026/runs --output /tmp/d2nn_registry.json

3. Run the analyzer when the user wants Pareto/frontier, elimination, or next-experiment suggestions:

/root/dj/D2NN/miniconda3/envs/d2nn/bin/python /root/dj/D2NN/skills/d2nn-lab-interpreter/scripts/analyze_registry.py --registry /tmp/d2nn_registry.json --output /tmp/d2nn_analysis.json

4. Quote concrete metric values and file paths when making conclusions.
5. Separate evidence from inference. If config.yaml or history.json is missing, state that explicitly.

Required Output Template

문장 종결은 명사형으로 유지하고, 표를 먼저 제시합니다.

## 🧭 한 줄 결론
한 줄 핵심 판단

## 📊 Pareto 비교표
| task family | frontier run | 핵심 성능 | 보조 지표 | 판단 |
|---|---|---:|---:|---|

표 아래 2~4줄 요약

## 🚫 탈락 원인 비교표
| run | 탈락 라벨 | 우세 run | 근거 | 해석 |
|---|---|---|---|---|

표 아래 2~4줄 요약

## 🔬 물리 해석
| 구분 | 관찰 | 물리 해석 | 확신 수준 |
|---|---|---|---|

표 아래 2~4줄 요약

## 🧪 우선 실험 표
| 우선순위 | 실험 대상 | 이유 | 기대 효과 | 필요 증거 |
|---|---|---|---|---|

## ⚠️ 해석 한계
증거 부족 항목과 보수적 해석

Invocation

Use Codex with:

Use $d2nn-lab-interpreter to analyze /root/dj/D2NN/kim2026/runs and explain what to optimize first.

Notes

• Prefer evaluation.json, test_metrics.json, history.json, config.yaml as primary evidence.
• Do not claim a genuine Pareto optimum when complexity or fabrication metadata is missing.
• Treat missing config/history as an interpretation limitation, not as neutral data.