登录
软件下载
帮助文档
新闻资讯
Skill UI
浏览并发现
19985+
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
994
条记录
默认排序
最新上传
最多下载
机器学习研究可复现性标准
iclr-reproducibility
brycewang-stanford/Awesome-Journal-Skills
403
本指南为学术作者提供一套详细的方案,确保机器学习研究论文具备高度的可复现性。内容涵盖了如何将论文中的每一个核心结论都映射到可验证的证据链上,包括记录随机种子、方差、计算资源消耗(训练和推理)、数据预处理流程和伦理声明。撰写可复现性声明,确保研究成果对学术界公开透明。
查看详情
学术会议论文评审策略
iclr-review-process
brycewang-stanford/Awesome-Journal-Skills
69
本指南提供了一个全面的框架,帮助用户规划大型学术会议(如ICLR)的评审流程策略。内容涵盖了双盲评审周期、作者回应技巧、公开与私密讨论的管理,以及理解永久可见性如何影响最终决策。适用于准备高风险学术投稿的作者和审稿人。
查看详情
机器学习理论投稿定位指南
colt-topic-selection
brycewang-stanford/Awesome-Journal-Skills
248
本指南帮助研究人员确定其机器学习理论成果的最佳投稿路径。它提供了一个评估框架,用于判断一个结果是更适合COLT(学习理论会议),还是更适合其他顶级会议或期刊。重点在于区分严谨的数学证明(如界限、分离)与纯经验性的发现。
查看详情
ECAI论文产出物与可复现性指南
ecai-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
257
本文为提交至ECAI会议的作者提供关键指南,指导如何构建可信且可复现的研究成果。指南特别强调,论文的可复现性证据应融入论文和补充材料,而非依赖独立的“产出物徽章”。它详细说明了根据不同的研究贡献类型(如理论、机器学习)所需附带的证据形式。
查看详情
机器学习会议投稿主题选择指南
iclr-topic-selection
brycewang-stanford/Awesome-Journal-Skills
472
本指南帮助研究人员判断其机器学习项目是否适合投稿ICLR,或是否更适合其他顶级会议(如NeurIPS、ICML等)。它强调贡献必须具备深度的表征学习洞察、机制性分析和理论价值,而非仅仅是应用性能的提升。
查看详情
ICLR学术论文写作风格指南
iclr-writing-style
brycewang-stanford/Awesome-Journal-Skills
315
本指南旨在帮助将技术正确的机器学习草稿,转化为适用于ICLR及OpenReview的高可读性学术论文。它指导作者将核心的学习-表征洞察放在最前端,明确贡献类型和局限性,优化摘要和引言的独立可读性,并构建清晰的审稿人验证路径,确保论文在公开评审环境中达到最佳的学术影响力。
查看详情
ICML会议论文回复指南
icml-author-response
brycewang-stanford/Awesome-Journal-Skills
330
本指南指导作者如何在顶级机器学习会议(如ICML)的匿名评审环境下撰写策略性、专业的回复和讨论稿。内容涵盖了如何根据论文的健全性、新颖性、意义和可重复性等维度,有针对性地处理审稿人的异议,并在严格的保密约束下最大化回复效果。
查看详情
机器学习实验严谨性审计指南
icml-experiments
brycewang-stanford/Awesome-Journal-Skills
164
本指南提供一套完整的机器学习实验严谨性审计流程。它指导用户从基线模型、消融实验、方差分析、数据泄露和计算资源公开等多个维度,系统性地检验和强化实验证据的可靠性。尤其适用于论文提交前或回应审稿人质疑时使用。
查看详情
机器学习论文相关工作定位指南
icml-related-work
brycewang-stanford/Awesome-Journal-Skills
317
本指南为作者提供了撰写机器学习学术论文的方法论,帮助作者在顶会(如ICML、NeurIPS)的背景下,准确定位研究新颖性。它指导如何处理大量现有文献、同主题的同期提交工作,并清晰阐述本文与现有工作的技术差异点(Delta)。
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
机器学习论文投稿方向选择指南
icml-topic-selection
brycewang-stanford/Awesome-Journal-Skills
416
本指南帮助研究人员评估其机器学习论文最合适的投稿方向。它指导用户根据论文的核心贡献类型(理论、方法、应用)和创新性,判断其是否适合ICML,或应转投至其他顶级会议、专业赛道,或专业期刊。
查看详情
ICML论文投稿全流程管理
icml-workflow
brycewang-stanford/Awesome-Journal-Skills
308
该技能用于指导ICML论文从头到尾的整个生命周期。它涵盖从主题选择、稿件撰写、实验准备、OpenReview投稿、同行评审、作者回复到最终定稿等所有关键阶段,帮助用户跟踪项目风险和最新的官方会议政策。
查看详情
上一页
1
2
3
...
54
55
56
57
58
59
60
...
81
82
83
下一页
语言
简体中文
English