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 理论 ，共找到 29 条记录
默认排序 最新上传 最多下载

机器学习理论论文数值展示规范

colt-experiments
brycewang-stanford/Awesome-Journal-Skills
84
本指南为撰写理论机器学习论文（如COLT）的作者提供关于数值内容纳入和设计的详细规范。核心原则是：数值展示必须服务于理论证明，用于可视化已证明的边界、相变或模型分离，而非替代理论推导。强调了绘图的严谨性、报告变异性以及学术诚信。
查看详情

机器学习理论相关工作撰写指南

colt-related-work
brycewang-stanford/Awesome-Journal-Skills
281
本指南详细指导理论机器学习论文如何撰写“相关工作”章节。它强调从定性描述转向定量证据，要求用户构建对比表格，系统性梳理不同知识领域（如统计学、复杂性理论）的先验工作和开放问题，从而确保研究贡献和创新点达到最高的学术严谨度。
查看详情

自然语言处理论文实验证据规范

eacl-experiments
brycewang-stanford/Awesome-Journal-Skills
149
本指南旨在帮助作者构建顶级自然语言处理（NLP）会议论文中严谨的实验证据部分。它强调了报告的科学性和可信度，要求在实验设计中包含公平的基线模型、明确的统计学控制（如方差、显著性测试）、数据污染检测以及详细的人工评估流程。确保您的研究结论是经过严格审计的。
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

负责任AI项目投稿路径选择

facct-topic-selection
brycewang-stanford/Awesome-Journal-Skills
185
本指南帮助研究人员确定其负责任AI项目最合适的学术投稿路径。它提供了详细的评估标准和严格的测试方法，帮助作者判断公平性、可问责性或透明度是否是核心贡献，防止负责任AI的伦理论述流于表面。
查看详情

机器学习理论投稿定位指南

colt-topic-selection
brycewang-stanford/Awesome-Journal-Skills
248
本指南帮助研究人员确定其机器学习理论成果的最佳投稿路径。它提供了一个评估框架，用于判断一个结果是更适合COLT（学习理论会议），还是更适合其他顶级会议或期刊。重点在于区分严谨的数学证明（如界限、分离）与纯经验性的发现。
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

机器学习会议投稿主题选择指南

iclr-topic-selection
brycewang-stanford/Awesome-Journal-Skills
472
本指南帮助研究人员判断其机器学习项目是否适合投稿ICLR，或是否更适合其他顶级会议（如NeurIPS、ICML等）。它强调贡献必须具备深度的表征学习洞察、机制性分析和理论价值，而非仅仅是应用性能的提升。
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

机器学习论文投稿方向选择指南

icml-topic-selection
brycewang-stanford/Awesome-Journal-Skills
416
本指南帮助研究人员评估其机器学习论文最合适的投稿方向。它指导用户根据论文的核心贡献类型（理论、方法、应用）和创新性，判断其是否适合ICML，或应转投至其他顶级会议、专业赛道，或专业期刊。
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

自动规划会议投稿策略指南

international-conference-on-automated-planning-and-scheduling
brycewang-stanford/Awesome-Journal-Skills
139
该指南为目标投稿ICAPS等顶级会议的作者提供帮助。它帮助作者重新构建自动规划与调度论文的叙事结构，详细指导如何定位贡献点、确定所需的实证或理论证据、优化核心术语，以及如何将论文与相关领域其他会议进行战略对比。适用于投稿策略制定和稿件校准。
查看详情
上一页123下一页
语言
简体中文
English