软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16519+ 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

搜索流处理，共找到 120 条记录

默认排序最新上传最多下载

AI公平性审计与证据设计

facct-experiments

brycewang-stanford/Awesome-Journal-Skills

本指南为AI公平性、可问责性和透明度（FAccT）实证研究提供了严格的方法论标准。它指导研究人员如何将特定的研究声明与合适的证据类型（如分层指标、定性编码数据、伦理审批流程）相匹配，强调必须纳入伦理审查、处理受保护属性和明确方法局限性，确保研究的科学性和伦理性。

顶级计算机视觉会议流程管理

brycewang-stanford/Awesome-Journal-Skills

本指南为研究人员提供了管理顶级计算机视觉会议（如ICCV）全周期的流程框架。详细涵盖了从项目初期决策（秋季分支）、论文提交、审稿意见处理、最终决策，到国际旅行准备和学术备用方案（Fallback Ladder）等所有关键环节和潜在风险管理。

机器学习研究可复现性标准

iclr-reproducibility

brycewang-stanford/Awesome-Journal-Skills

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。

了解人工智能会议评审流程

ijcai-review-process

brycewang-stanford/Awesome-Journal-Skills

本技能详细介绍了顶尖人工智能会议（如IJCAI）复杂的多阶段评审流程。内容涵盖第一阶段摘要拒绝策略、利益冲突处理、决策者角色（PC/AC/SAC）以及如何优化论文清晰度。适用于撰写投稿策略、解读审稿意见或规划论文修改和应对。

NeurIPS投稿就绪度审核

neurips-submission

brycewang-stanford/Awesome-Journal-Skills

这是一个为大型AI会议（如NeurIPS）设计的投稿就绪度审核工具。它全面检查论文是否符合年度征稿通知(CFP)、双盲评审要求、格式规范、代码数据处理以及投稿流程中的所有细节，帮助作者避免临近截止日期的致命错误。

RecSys论文投稿审核指南

recsys-submission

brycewang-stanford/Awesome-Journal-Skills

这是一份为投稿至ACM RecSys会议的作者准备的综合审核清单。它指导用户完成论文投稿流程的关键步骤，包括选择正确的专业轨道、遵守严格的页面预算、确保彻底的双盲匿名化处理，并识别和修复常见的提交风险，如身份泄露和数据分割问题。

Scikit-learn Python机器学习库

sickn33/antigravity-awesome-skills

Scikit-learn是Python领域标准的机器学习库。它提供全面的工具集，用于执行监督学习（如分类、回归）和无监督学习（如聚类、降维）。用户可以使用它来构建完整的机器学习流程，进行数据预处理、模型评估和优化，适用于构建端到端的各种数据科学和预测系统。

临床文本批处理

batch-processing-clinical-text

maziyarpanahi/openmed

用于对大规模临床文本语料库进行批处理的工具。支持在本地设备上执行NER、隐私信息（PII）提取和脱敏处理。内置断点续传、分片和流式输出功能，确保处理数千份病历时数据安全、资源高效，且不会占用过多内存。

临床文档摄取与预处理

ingesting-clinical-documents

maziyarpanahi/openmed

该模块负责将各种形式的临床文档（如扫描的图片、传真、CSV/TSV表格、C-CDA XML）统一转换为结构化的文本格式。它支持设备端OCR和表格数据红审，是进行去标识化和命名实体识别（NER）流程的关键第一步。

法律专业知识到AI技能提取

law-expertise-to-skill-ignacio-adrian-lerer

lawve-ai/awesome-legal-skills

该技能旨在将律师的专业经验、工作流程或法律判断模式系统化，转化为安全的、可审计的AI技能包。它可处理法律备忘录、合规清单等输入，提取核心能力和风险分类，同时严格分离知识与个人身份，确保所有输出都具备来源可追溯性和人工复核环节。

强制外部事实核查工作流

mandatory-verification

lawve-ai/awesome-legal-skills

本工作流要求对所有非平凡的事实性声明进行强制性的外部核实，确保在处理重大风险领域（如法律、科学、时事或数据）时达到最高准确度。它要求用户分解任务、使用外部资源搜索，并为每一条声明提供行内引用，从而避免依赖模型内部可能过时或不准确的知识。

迭代背景进化循环管理

这是一个用于管理复杂的、持续迭代的后台工作流循环。它会自动运行多轮“进化步骤”，直到达到预设的停止条件（如QA通过、收敛或达到最大生成次数）。适用于需要高鲁棒性、不间断处理的复杂AI生成或开发流程。

上一页 1 2 3...7 8 910

语言