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研究可复现性指南

eccv-reproducibility
brycewang-stanford/Awesome-Journal-Skills
464
这是一份针对计算机视觉和AI论文的权威指南，旨在指导作者如何确保研究结果具有最高的可复现性。内容涵盖完善的训练配方记录、模型依赖的精确版本锁定（Foundation-model pinning）、以及对结果方差的诚实报告，确保学术成果的透明度和可验证性。
查看详情

NLP研究可复现性指南

emnlp-reproducibility
brycewang-stanford/Awesome-Journal-Skills
60
本指南为自然语言处理（NLP）研究人员提供了一套可复现性最佳实践。它详细指导用户如何记录模型的精确版本、数据来源、计算资源消耗和所有实验参数，确保学术工作的透明度和可信度，是发表顶级研究论文的必备知识。
查看详情

AI研究论文结构化撰写指南

emnlp-supplementary
brycewang-stanford/Awesome-Journal-Skills
119
本指南提供了撰写高级NLP/AI研究论文的结构化最佳实践。它详细阐述了核心内容、限制性说明、附录和补充上传文件之间的关键区别，旨在确保论文的评审过程清晰、完整，并最大化研究成果的可复现性和说服力。
查看详情

AI研究可复现性与透明度规范

facct-reproducibility
brycewang-stanford/Awesome-Journal-Skills
463
这是一套针对人工智能和数据科学领域的高标准学术指南。它指导研究者如何系统性地提升研究的透明度和可复现性，重点要求发布并记录原始数据、训练模型和定性研究的证据。通过使用数据表、模型卡等机制，确保所有研究结论均可被第三方进行全面审计和验证，从而提高学术研究的严谨性和可信度。
查看详情

机器学习研究成果物评估

iccv-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
279
本指南详细介绍了顶级机器学习会议的科研成果物（代码、模型、数据）的最佳发布和维护实践。内容覆盖了匿名评审时代码的打包规范和公开发布的周期管理，旨在确保研究的高度可复现性、可追溯性及许可的清晰性。
查看详情

深度学习可复现性审计指南

iccv-reproducibility
brycewang-stanford/Awesome-Journal-Skills
156
本指南为学术研究人员提供了实现和公开深度学习模型可复现性的全面指导。内容涵盖了从基础模型到前沿AI的各个方面，包括协议固定、数据集版本追踪、硬件规格记录以及结果方差报告等，旨在确保研究成果在多年后依然具有高度的可验证性，满足顶级会议的复现性要求。
查看详情

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

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

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

安全研究结果可复现性指南

ieeesp-reproducibility
brycewang-stanford/Awesome-Journal-Skills
399
本指南为安全和机器学习研究的作者提供了严谨的方法论，旨在确保实验结果的长期可复现性。它要求作者“固化测量环境”，记录硬件、软件和网络状态；同时指导如何报告概率性攻击的详细试验次数和种子，确保论文证据链的完整性和严谨性。
查看详情

顶级AI会议实验审计指南

ijcai-experiments
brycewang-stanford/Awesome-Journal-Skills
97
本指南为撰写顶级AI会议论文（如IJCAI）提供了全面的实验审计标准。它指导用户如何构建严谨的实验设计，要求报告完整的基线对比、消融实验、超参数细节、计算环境和伦理风险，确保研究结果具备高度的可复现性和学术说服力。
查看详情

AI研究可复现性最佳实践

ijcai-reproducibility
brycewang-stanford/Awesome-Journal-Skills
497
这是一份关于提升AI研究可复现性的最佳实践指南。文章详细介绍了在顶级AI会议上，如何为不同的贡献类型（如算法、理论、多智能体系统和数据集）提供足够详实的证据链。它指导研究者收集如伪代码、随机数种子、完整证明和公开数据集等关键信息，从而将研究的可靠性等级提升至“令人信服”的水平。
查看详情
上一页12345下一页
语言
简体中文
English