登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 16594+ 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 数据模型 ，共找到 131 条记录
默认排序 最新上传 最多下载

图像生成与编辑工作流

image-generator
sickn33/antigravity-awesome-skills
349
本技能提供了一个完整的图像生成和编辑工作流，使用 Google 的 Gemini Nano Banana Pro 模型（gemini-3-pro-image-preview）。适用于生成视觉素材、创建Logo、编辑照片或制作产品模型等任务。它采用稳定的文件级请求方式，确保能处理复杂的图像数据和API调用。
查看详情

RAG向量及嵌入弱点评估

assessing-vector-and-embedding-weaknesses
mukul975/Anthropic-Cybersecurity-Skills
346
该技能用于对检索增强生成（RAG）系统和向量数据库进行安全审计。它重点检测嵌入模型是否易发生反演、是否存在跨租户数据泄露，以及知识库是否容易被污染，是满足OWASP LLM08:2025等安全标准的关键工具。
查看详情

AI智能体工具上下文安全审计

auditing-mcp-servers-for-tool-poisoning
mukul975/Anthropic-Cybersecurity-Skills
416
用于全面审计AI智能体使用的模型上下文协议（MCP）服务器。该工具可检测工具投毒、工具遮蔽、数据泄露、SSRF和未授权暴露等关键安全漏洞。在集成新工具或进行安全审查时使用，确保AI系统供应链的可靠性。
查看详情

检测数据与模型投毒攻击

detecting-data-and-model-poisoning
mukul975/Anthropic-Cybersecurity-Skills
215
本工具提供一套全面的解决方案，用于检测机器学习系统中的数据投毒、模型后门和供应链安全漏洞。它利用ART工具箱进行激活聚类和谱指纹分析，同时结合Cleanlab进行标签质量校验，并通过哈希验证和safetensors格式强制执行模型完整性。适用于模型训练前、部署前及整个生命周期安全审计。
查看详情

检测间接提示注入载荷

detecting-indirect-prompt-injection
mukul975/Anthropic-Cybersecurity-Skills
358
本技能用于检测和防御间接提示注入攻击。当LLM代理处理来自外部的不可信内容（如网页、PDF、图片）时，攻击者可能将隐藏指令嵌入其中。本工具通过内容提取、去混淆处理和多模型扫描，在数据进入LLM之前进行安全净化，防止恶意指令劫持代理行为。
查看详情

基于Garak的LLM红队安全测试

red-teaming-llms-with-garak
mukul975/Anthropic-Cybersecurity-Skills
117
NVIDIA garak是一款开源的LLM漏洞扫描工具，用于全面的红队测试和安全评估。它通过向大型语言模型（支持OpenAI API、Hugging Face等）发送数千个对抗性提示词，系统性地检测关键漏洞。这些漏洞包括提示注入、越狱、数据泄露和毒性内容等。可用于建立部署前后的安全基线，验证安全卫士的有效性，或为AI风险评估提供定量证据。
查看详情

使用TRL训练和微调大型语言模型

trl-training
sickn33/antigravity-awesome-skills
316
使用此技能，您可以使用TRL库对基础大型语言模型进行高级训练和微调。它支持包括SFT、DPO、GRPO等在内的多种前沿模型对齐和优化技术。适用于需要根据特定任务需求，利用偏好数据和奖励模型定制化模型的场景。
查看详情

AI会话成本追踪

cost-track
ruvnet/ruflo
115
该工具可自动读取AI会话的JSONL日志，统计不同模型和级别的Token使用量。它根据预设的定价模型计算出总的美元成本，并将结构化的成本记录持久化到成本追踪命名空间，为后续的成本报告和分析提供准确数据源。
查看详情

AI安全检测基准测试

harness-security-bench
ruvnet/ruflo
468
用于运行先进的AI安全检测基准测试（ADR-155）。它在受控的真值语料库上，系统地评估AI安全检测能力，提供TPR、FPR等关键指标。结果将冠军模型与多个基线进行对比，为安全机制的持续改进和漂移检测提供重要的实证数据。
查看详情

AI论文可复现性审核指南

aaai-reproducibility
brycewang-stanford/Awesome-Journal-Skills
386
本指南帮助研究人员提高AI学术论文的实验可复现性，适用于投稿至顶级AI会议（如AAAI）。它指导作者建立“主张-证据”对照表，详细记录模型参数、随机种子、计算成本和数据集许可，确保研究的严谨性和可验证性。
查看详情

学术研究产出物提交指南

acl-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
60
本指南详细介绍了NLP研究论文的证据包（如代码、数据集、提示词、模型输出）的打包和提交要求。它强调了科研的可复现性、如何遵循负责任的NLP清单，以及在学术会议（如ACL）上进行匿名化处理和后续公开发布的完整流程。
查看详情

人工智能研究可复现性指南

cikm-reproducibility
brycewang-stanford/Awesome-Journal-Skills
176
本指南概述了复杂人工智能和知识图谱研究的可复现性最佳实践。它详细指导研究者如何记录和固定从数据预处理、模型训练到大模型提示词等所有环节的细节，确保即使使用了专有数据，研究结果也能被同行充分验证。
查看详情
上一页123...567891011下一页
语言
简体中文
English