登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 16569+ 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 UI ，共找到 838 条记录
默认排序 最新上传 最多下载

人工智能与计算机会议投稿指引

cs-ai-conference-workflow
brycewang-stanford/Awesome-Journal-Skills
120
这是一个用于指导学术作者选择顶级计算机科学和人工智能会议的专业工作流路由器。它帮助用户根据论文的贡献类型、证据形式、目标受众和当前的投稿要求，精确地选择最合适的投稿会议，避免盲目投稿。
查看详情

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

CVPR论文投稿方向选择指南

cvpr-topic-selection
brycewang-stanford/Awesome-Journal-Skills
416
本指南为计算机视觉研究人员提供战略性定位工具。它帮助用户判断论文的核心贡献点是关于视觉数据还是视觉计算，根据方法、数据集、系统或应用等不同贡献类型，提供详尽的适用性测试和投稿路径图，推荐最合适的顶级会议或期刊。
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

EACL论文提交审核指南

eacl-submission
brycewang-stanford/Awesome-Journal-Skills
254
这是一份针对向EACL提交论文的作者的全面预提交审核指南。它详细覆盖了格式合规性（如内容页数限制、必填“局限性”部分）、严格的匿名化要求、强制性声明（如负责任的NLP清单）以及关键的提交流程和时效性陷阱。使用本文档确保论文满足所有学术会议的要求，避免初审阶段被拒。
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
上一页123...50515253545556...686970下一页
语言
简体中文
English