Deep Learning Paper Replication Skill

读取深度学习论文（PDF 或文本），将论文中的数学描述、网络结构和实现细节转化为可运行、可验证、可维护的 PyTorch 代码与配套文档。

Core Objective

• 先理解论文的核心问题、创新点、数学公式和超参数。
• 再用 Mermaid 可视化关键数据流和张量形状。
• 最后输出工业级 PyTorch 实现，并在需要时生成模块级技术文档。

Workflow

根据用户需求和论文复杂度，选择合适的执行模式：

• 完整模式（默认）：执行全部 4 个 Phase，适用于复杂模型的完整复现。
• 快速模式：用户明确只需要代码时，跳过 Phase 4（文档生成）。
• 代码优先模式：用户已理解论文时，简化 Phase 1 的解构，重点执行 Phase 3。

对于简单模型（如 MLP、单层网络），自动简化：