登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 16597+ 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 分析 ，共找到 175 条记录
默认排序 最新上传 最多下载

响应深度与令牌预算控制

token-budget-advisor
affaan-m/ECC
107
该技能能够在AI生成答案前进行拦截，让用户主动控制所需回答的深度、长度和令牌预算。它通过分析用户输入和内容复杂性，估算出最佳的响应范围，并引导用户选择合适的详细程度（如25%的简洁版、50%的适度版等），确保输出结果精准符合预期。
查看详情

热点监控

hot-monitor
liyupi/yupi-hot-monitor
479
跨中外多平台搜索并分析热点趋势，适合追踪新闻动态、监控关键词、发现最新话题并生成热点报告。
查看详情

批量内容质量评估套件

eval-suite
indranilbanerjee/digital-marketing-pro
186
该套件用于对多个内容资产（如内容库、营销素材或交付件）执行批量、全面的质量评估。它超越了单件评估，生成了整体的质量排名、多维度分析（如品牌声调、事实核查）、普遍性问题报告以及优先修订清单。适用于内容审计、上线前检查和大型营销活动审查。
查看详情

顶会AI实验设计与审计指南

aaai-experiments
brycewang-stanford/Awesome-Journal-Skills
472
本指南提供了一套完整的AI实验设计和审计流程，适用于顶级AI会议投稿。它指导研究人员如何构建强有力的实验证据，涵盖基线对比、消融实验、鲁棒性测试、统计分析和可复现性报告。使用此流程确保所有AI贡献都得到充分、严谨的实证支持，提升论文的科学可信度和可解释性。
查看详情

自然语言处理实验设计规范

acl-experiments
brycewang-stanford/Awesome-Journal-Skills
455
本指南为研究人员提供了设计和审计顶会级NLP实验的全面规范。内容涵盖如何建立可信赖的基准线、确保评估的广度、执行严格的统计检验（如显著性和方差）、控制数据污染，以及如何构建详细的功能性错误分析，确保AI研究的可靠性。
查看详情

CVPR顶级会议论文投稿指南

computer-vision-and-pattern-recognition
brycewang-stanford/Awesome-Journal-Skills
235
本指南提供了一套针对计算机视觉顶级会议（如CVPR）的论文定位、结构和优化策略。它详细指导作者如何突出研究的重大创新性、完善实验设计（如消融实验、失败模式分析），确保论文的叙事结构和技术深度达到顶级会议的要求，帮助作者完善投稿策略。
查看详情

EMNLP投稿策略指南

conference-on-empirical-methods-in-natural-language-processing
brycewang-stanford/Awesome-Journal-Skills
220
本指南帮助作者将经验性自然语言处理（NLP）手稿优化，使其符合EMNLP会议的投稿要求。它详细介绍了会议契合度、所需的证据（如基线模型、误差分析、数据集），以及如何从论文角度优化叙事结构，以适应顶级AI会议的评审标准。
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

ECCV学术论文选题评估

eccv-topic-selection
brycewang-stanford/Awesome-Journal-Skills
283
本指南帮助计算机视觉研究人员评估项目是否适合投稿至ECCV。它详细分析了项目的技术范围、创新机制的持久性，以及学术周期的选择（如与CVPR、ICCV的比较），确保研究者能够制定出最科学的投稿策略。
查看详情

计算机视觉会议投稿决策

iccv-topic-selection
brycewang-stanford/Awesome-Journal-Skills
460
本指南帮助研究人员评估计算机视觉项目是否适合投稿顶级会议。它深入分析了ICCV等顶会两年一次的周期性特点，指导用户根据项目的成熟度、时间节点，并对比ICCV、CVPR、ECCV等不同会议的投稿要求，制定最佳的投稿策略。
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

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
上一页123...9101112131415下一页
语言
简体中文
English