登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 18950+ 精选技能
全部 编程开发 人工智能 设计创意 产品商业 数据科学 市场营销 职场通用 效率工具 硬件工程 语言学习
搜索 部署 ，共找到 189 条记录
默认排序 最新上传 最多下载

AI工作流诊断审计

diagnose
github/awesome-copilot
72
这是一个系统性的AI工作流审计工具。它能够从提示质量、上下文效率、工具健康、架构适宜性以及安全性五个维度进行深度诊断，生成一份带分数的报告。报告不仅指出问题，还会提供优先级的、可执行的修复建议，帮助用户在部署AI系统前发现并解决潜在的鲁棒性缺陷。
查看详情

人工智能伦理与负责任AI审查

ai-ethics-review
mohitagw15856/pm-claude-skills
283
此技能用于对AI或机器学习模型进行结构化的伦理审查。它全面评估了模型在公平性、偏差、透明度、隐私和潜在社会影响方面的风险，提供风险等级评分、必要的缓解措施和治理文档，适用于部署前的合规性审查和负责任AI文档记录。
查看详情

使用Falco检测容器运行时威胁

detecting-container-runtime-threats-with-falco
mukul975/Anthropic-Cybersecurity-Skills
314
在Kubernetes和Docker中使用现代eBPF驱动部署和运维Falco。涵盖驱动选择、Helm安装、输出通道及内置规则集，可检测容器逃逸、命名空间滥用、特权挂载和异常系统调用。适用于开启运行时安全、将告警路由至SIEM或Falcosidekick及升级现有部署。
查看详情

检测数据与模型投毒攻击

detecting-data-and-model-poisoning
mukul975/Anthropic-Cybersecurity-Skills
215
本工具提供一套全面的解决方案，用于检测机器学习系统中的数据投毒、模型后门和供应链安全漏洞。它利用ART工具箱进行激活聚类和谱指纹分析，同时结合Cleanlab进行标签质量校验，并通过哈希验证和safetensors格式强制执行模型完整性。适用于模型训练前、部署前及整个生命周期安全审计。
查看详情

监测模型提取与隐私泄露攻击

detecting-model-extraction-attacks
mukul975/Anthropic-Cybersecurity-Skills
357
本技能旨在提供一套全面的检测框架，用于识别和防御滥用推理API的AI攻击，如模型提取、成员推理和模型反演。通过监控用户查询量、输入分布和置信度泄露，帮助保护模型知识产权。适用于运行公有或合作推理API，或进行预部署红队演练，以评估模型面临的实际安全风险。
查看详情

基于Garak的LLM红队安全测试

red-teaming-llms-with-garak
mukul975/Anthropic-Cybersecurity-Skills
117
NVIDIA garak是一款开源的LLM漏洞扫描工具，用于全面的红队测试和安全评估。它通过向大型语言模型（支持OpenAI API、Hugging Face等）发送数千个对抗性提示词，系统性地检测关键漏洞。这些漏洞包括提示注入、越狱、数据泄露和毒性内容等。可用于建立部署前后的安全基线，验证安全卫士的有效性，或为AI风险评估提供定量证据。
查看详情

本地GGUF大型语言模型部署

huggingface-local-models
sickn33/antigravity-awesome-skills
100
本技能提供了一套完整的指南，用于利用 llama.cpp 框架和 GGUF 格式在本地部署大型语言模型（LLMs）。它涵盖了在 Hugging Face Hub 搜索模型、选择最佳量化配置，以及运行支持 CPU、Mac Metal、CUDA 和 ROCm 等多种硬件后端的本地推理服务器。支持实现兼容 OpenAI 格式的 API 接口，适用于需要离线、私密部署的大模型推理场景。
查看详情

大型语言模型配置与微调

llm-config
ruvnet/ruflo
169
用于配置本地部署的大型语言模型（LLM）推理环境。支持通过MicroLoRA进行任务特定的精调，或利用SONA实现实时、持续的微调适应。该功能指导用户完成从状态检查、配置生成到高级适应循环的完整流程。
查看详情

RuView模型高级训练流程

ruview-model-training
ruvnet/RuView
277
本文档全面介绍了RuView模型的全生命周期训练流程。涵盖多种先进的跟踪技术，包括无摄像头姿态估计（WiFlow）、使用MediaPipe的相机监督方法、鲁棒的对比嵌入（RuVector）以及领域泛化（MERIDIAN）。支持在本地GPU和云平台进行训练、评估和部署。
查看详情

MLSys会议投稿定位与策略

conference-on-machine-learning-and-systems
brycewang-stanford/Awesome-Journal-Skills
433
本指南旨在指导作者将机器学习系统论文定位到MLSys的顶级会议标准。它详细阐述了该会议对系统级贡献（如训练/推理基础设施、编译器、数据系统和硬件感知ML）的特定要求。帮助作者学习如何重构论文叙事，强调其对模型能力、成本、可靠性或部署规模的实际系统影响，以抓住审稿人的关注点。
查看详情

构建严谨的人工智能研究证据

ecai-experiments
brycewang-stanford/Awesome-Journal-Skills
150
本指南为AI研究者提供了撰写顶级学术论文的规范要求。它详细指导如何根据研究主张（如证明完备性、效率提升或泛化能力）选择和构建最合适的证据：是需要形式证明、受控的实证对比，还是真实的部署案例。内容覆盖了机器学习的科学性要求（如报告多个随机种子、进行机制消融），确保研究的完整性和可复现性。
查看详情

提升研究可复现性证据

icml-reproducibility
brycewang-stanford/Awesome-Journal-Skills
109
本指南为研究人员提供一套完整的顶会（如ICML）论文可复现性增强方案。它详细涵盖了数据来源、代码部署、随机种子、计算资源和理论假设等多个维度的证据要求，旨在确保科研结论的严谨性和可验证性。
查看详情
上一页123...910111213141516下一页
语言
简体中文
English