软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16644+ 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

搜索学术评估，共找到 30 条记录

默认排序最新上传最多下载

LLM 评估框架

evaluating-llms-harness

Orchestra-Research/AI-Research-SKILLs

提供涵盖 MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag 等 60+ 学术基准测试的标准化评估流程，可用来对 HuggingFace、vLLM 或 API 模型打分、比对性能、跟踪训练进度。

自动研究论文多轮审阅

auto-review-loop-minimax

wanshuiyin/Auto-claude-code-research-in-sleep

本技能实现了一个自主、多轮次的科研论文审阅循环，模拟顶级学术会议的同行评审过程。它能够迭代地对研究文档进行审查、发现不足、提出修改意见，并进行再审查，直到达到“准备就绪”的评估标准或达到最大轮次限制。适用于学术写作、论文完善或深度项目文档撰写。

研究想法生成与评估

wanshuiyin/Auto-claude-code-research-in-sleep

该技能根据用户提供的广泛研究方向，生成并排序可发表的研究想法。通过试点实验和模型审查系统性地验证概念，优化 GPU 效率和新颖性。适用于头脑风暴、学术探索及识别可行的研究路径。

学术论文审稿助手

academic-paper-review

bytedance/deer-flow

针对论文审稿、研究评估或总结类请求，提供结构化的学术评审分析，涵盖摘要、方法、贡献、文献定位与改进建议，适用于各个研究领域的上传 PDF 或链接资料。

多视角学术论文评审助手

academic-paper-reviewer

Imbad0202/academic-research-skills

该技能模拟完整的国际期刊同行评审流程，动态配置五座评审席（期刊适配评审员、三位同行评审员及魔鬼代言人）。自动识别论文领域与方法，生成五份独立评审报告及编辑决策信与修订路线图。支持全文评审、复核、快速评估及评审校准等多种模式，支持多语言输入。

运行DeepSWE编程代理基准测试

sickn33/antigravity-awesome-skills

用于对大型语言模型（LLM）进行全面的编码代理能力评估。它通过DeepSWE基准测试，使用OpenRouter和mini-swe-agent，对113个任务进行评测，生成可复现的性能得分和评估报告。适用于模型能力对比、开发评估和学术研究。

AAMAS成果物评估指南

aamas-artifact-evaluation

brycewang-stanford/Awesome-Journal-Skills

本指南为学术论文（尤其针对AAMAS）提供了一套完善的成果物打包流程，用于支持多智能体系统（MARL）和博弈论的复杂证据。它强调成果物必须高度可检查和可复现，内容涵盖游戏定义、环境代码、对手设置和交互协议，而不能仅是模型本身，以保证学术评审的严谨性。

AAMAS会议审稿流程指南

aamas-review-process

brycewang-stanford/Awesome-Journal-Skills

本指南详细介绍了AAMAS顶级学术会议的同行评审流程。它涵盖了从初次投稿、技术评估（如正确性、意义和严谨性）、作者反驳到程序主席最终决策的完整学术过程。适用于准备投稿或需要理解多智能体系统研究成果发表标准的学者。

智能用户界面会议投稿指南

acm-conference-on-intelligent-user-interfaces

brycewang-stanford/Awesome-Journal-Skills

本指南是为目标投递ACM智能用户界面会议（IUI）的作者准备的。它帮助评估论文的适用性，指导如何完善范围，理解证据要求，并为与AI增强交互、自适应系统或用户建模相关的论文进行学术定位。

ACM多媒体会议投稿定位指南

acm-international-conference-on-multimedia

brycewang-stanford/Awesome-Journal-Skills

本技能旨在指导作者评估其计算机科学手稿是否适合投稿至ACM多媒体国际会议（ACM MM）。它提供了一套完整的策略，帮助作者在多模态、检索和媒体应用领域，精准地“定位”和“包装”论文的贡献，以满足顶级学术会议的审稿要求和发表范式。

AISTATS学术会议投稿策略指南

artificial-intelligence-and-statistics

brycewang-stanford/Awesome-Journal-Skills

本指南为作者准备投稿AISTATS会议论文提供专业指导。它帮助作者评估论文的贡献是否具有统计学基础，如何重构文章的叙事，并指导作者增强理论深度和实验证据，以适应顶级AI统计会议的审稿要求。

大语言模型评估严谨指南

colm-experiments

brycewang-stanford/Awesome-Journal-Skills

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。

语言