登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 16567+ 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 可复现性 ，共找到 49 条记录
默认排序 最新上传 最多下载

AI论文成果包与评估指南

colm-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
68
本指南为AI/LLM研究论文作者提供一套完整的成果包构建和评估流程。它详细指导如何打包代码、模型权重、数据集和提示词等成果，确保研究结果在匿名评审和公开发布时具备高度的可复现性、透明度和合规性。
查看详情

大语言模型评估严谨指南

colm-experiments
brycewang-stanford/Awesome-Journal-Skills
496
本指南提供了设计和审计大语言模型（LLM）实证评估的最佳实践。它涵盖了数据污染、基线公平性、模型版本漂移和解码参数敏感性等关键陷阱，指导用户构建一套严谨、可复现、科学可靠的LLM评估体系，适用于学术研究和模型评测。
查看详情

大语言模型可复现性指南

colm-reproducibility
brycewang-stanford/Awesome-Journal-Skills
240
本指南详细介绍了大语言模型（LLM）论文的科学可复现性标准。它提出了分层验证体系（精确、预算、漂移），指导作者如何处理开源模型、专有API模型，并规范了计算资源和实验失败模式的书面披露，确保研究结果的严谨性和可追溯性。
查看详情

机器人研究成果物管理指南

corl-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
99
本指南提供了机器人学研究成果物（如代码、训练配置、演示数据和策略检查点）的最佳实践。它详细指导作者如何为匿名审稿和长期公开发布做好准备，核心目标是确保研究方法的完整可复现性和可验证性。
查看详情

机器人学习研究可复现性指南

corl-reproducibility
brycewang-stanford/Awesome-Journal-Skills
234
本指南提供了一个全面的框架，用于确保机器人学习研究的科学可复现性。它详细指导用户如何记录“软件可重现部分”（如模拟器版本、训练配置、代码脚本）和“硬件可审计部分”（如传感器、固件、机械臂规格），确保研究结果可以被专家验证和重建。
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

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

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

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12345下一页
语言
简体中文
English