登录
软件下载
帮助文档
新闻资讯
Skill UI
浏览并发现
19965+
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
AI
,共找到
1405
条记录
默认排序
最新上传
最多下载
CVPR论文成果物提交与评估指南
cvpr-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
398
本文档为CVPR论文作者提供的全套指南,详细介绍了如何科学地打包和提交代码、模型和数据集。内容涵盖了审稿阶段(“密封盒”规则)和正式发布阶段(许可、溯源、版本锁定)的最佳实践,确保研究成果具备高度可复现性和长期可信度,可供任何专家进行验证。
查看详情
计算机视觉实验设计与规范
cvpr-experiments
brycewang-stanford/Awesome-Journal-Skills
160
本指南旨在指导科研人员设计和审核顶尖计算机视觉(CV)会议论文的完整实验方案。内容涵盖了从构建公平的基准测试、进行结构化的消融实验、记录失败案例,到量化计算成本和验证跨数据集泛化性等所有关键科学环节,确保研究的科学性、可复现性和鲁棒性。
查看详情
提升视觉论文可复现性标准
cvpr-reproducibility
brycewang-stanford/Awesome-Journal-Skills
379
本指南旨在提高计算机视觉(CV)领域的学术论文可复现性。它详细说明了如何通过使用计算报告表(CRF)、维护详细的实验配方账本,以及严格记录所有训练超参数、随机种子和方差分析等方法,确保研究结果的严谨性和可验证性。
查看详情
CVPR补充材料提交指南
cvpr-supplementary
brycewang-stanford/Awesome-Journal-Skills
432
这是一份为计算机视觉会议(如CVPR)撰写和提交补充材料的权威指南。文章详细区分了核心研究主张(必须放在正文)和支持性证据(应放在补充材料),包括完整的消融实验、数学推导和视频结果。内容涵盖了匿名化、视频证据处理、以及避免常见的提交错误,帮助作者优化投稿质量。
查看详情
自然语言处理论文实验证据规范
eacl-experiments
brycewang-stanford/Awesome-Journal-Skills
149
本指南旨在帮助作者构建顶级自然语言处理(NLP)会议论文中严谨的实验证据部分。它强调了报告的科学性和可信度,要求在实验设计中包含公平的基线模型、明确的统计学控制(如方差、显著性测试)、数据污染检测以及详细的人工评估流程。确保您的研究结论是经过严格审计的。
查看详情
负责任的NLP可复现性核查表
eacl-reproducibility
brycewang-stanford/Awesome-Journal-Skills
272
本核查表用于审计自然语言处理(NLP)研究论文,确保文章中的所有结论和声称(例如超参数、计算资源、提示词、数据来源等)都具有充分的证据支持和可复现性。它严格遵循学术界的高标准,旨在提高AI研究的透明度和严谨性。
查看详情
NLP论文最佳投稿路线规划
eacl-topic-selection
brycewang-stanford/Awesome-Journal-Skills
481
本指南为研究人员提供了选择NLP项目最佳投稿会议的决策框架。它帮助用户评估项目是否适合EACL、ACL、EMNLP等顶级会议,并综合考虑了研究范围、贡献类型、时间节点以及长短论文的适用性,确保论文能投递到最合适的学术平台。
查看详情
AI会议论文作者回应指南
ecai-author-response
brycewang-stanford/Awesome-Journal-Skills
186
本指南指导作者撰写AI顶级会议的单轮双盲作者回应(Rebuttal)指南。内容涵盖了如何精确、简洁地纠正审稿人的事实误读,提供现有工作支持的缺失证据,并构建有力的论证。强调回应必须基于可验证的事实,不应提出新的工作或过度辩论意义。
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
人工智能论文可复现性指南
ecai-reproducibility
brycewang-stanford/Awesome-Journal-Skills
351
本指南提供针对顶会(如ECAI)的AI/ML研究论文的可复现性构建方法。详细介绍了两种模式:理论工作需在补充材料中提供完整的证明和假设,而经验工作则要求固定随机种子、缓存原始输出,并对数据集、模型和环境进行严格的溯源追踪(Provenance Pinning)。同时,也涵盖了双盲评审的最佳实践和主文与补充材料内容的合理划分。
查看详情
AI研究成果投稿会议指南
ecai-topic-selection
brycewang-stanford/Awesome-Journal-Skills
232
本指南旨在帮助研究人员在撰写论文前,决定其AI研究成果最适合投递的顶级学术会议(如ECAI、IJCAI、AAAI等)。它提供了模型替换测试、通用性测试等判断标准,帮助用户判断贡献的性质、适用场景和最佳会议,确保研究成果的最佳定位,提高投稿成功率。
查看详情
视觉实验严谨性审计指南
eccv-experiments
brycewang-stanford/Awesome-Journal-Skills
236
这份指南为撰写顶级计算机视觉学术论文提供全面的实验设计和审计框架。它详细介绍了如何执行“匹配基座公平性测试”、“六个月陈旧度检验”和系统性消融实验,帮助作者确保实验结果的稳健性、可复现性,从而有效应对高水平同行评审的质疑。
查看详情
上一页
1
2
3
...
70
71
72
73
74
75
76
...
116
117
118
下一页
语言
简体中文
English