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 科学 ，共找到 40 条记录
默认排序 最新上传 最多下载

机器人学习研究可复现性指南

corl-reproducibility
brycewang-stanford/Awesome-Journal-Skills
234
本指南提供了一个全面的框架，用于确保机器人学习研究的科学可复现性。它详细指导用户如何记录“软件可重现部分”（如模拟器版本、训练配置、代码脚本）和“硬件可审计部分”（如传感器、固件、机械臂规格），确保研究结果可以被专家验证和重建。
查看详情

CoRL投稿论文主题选择指南

corl-topic-selection
brycewang-stanford/Awesome-Journal-Skills
223
本指南为研究人员提供了一套判断其具身智能或机器人项目是否适合投稿CoRL（机器人学习大会）的系统性筛查工具。它提出了双轴测试，要求作者判断“学习成果是否是核心贡献”和“是否需要具身环境验证”，从而科学地选择最合适的顶级会议或期刊。
查看详情

人工智能与计算机会议投稿指引

cs-ai-conference-workflow
brycewang-stanford/Awesome-Journal-Skills
120
这是一个用于指导学术作者选择顶级计算机科学和人工智能会议的专业工作流路由器。它帮助用户根据论文的贡献类型、证据形式、目标受众和当前的投稿要求，精确地选择最合适的投稿会议，避免盲目投稿。
查看详情

CVPR论文成果物提交与评估指南

cvpr-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
398
本文档为CVPR论文作者提供的全套指南，详细介绍了如何科学地打包和提交代码、模型和数据集。内容涵盖了审稿阶段（“密封盒”规则）和正式发布阶段（许可、溯源、版本锁定）的最佳实践，确保研究成果具备高度可复现性和长期可信度，可供任何专家进行验证。
查看详情

计算机视觉实验设计与规范

cvpr-experiments
brycewang-stanford/Awesome-Journal-Skills
160
本指南旨在指导科研人员设计和审核顶尖计算机视觉（CV）会议论文的完整实验方案。内容涵盖了从构建公平的基准测试、进行结构化的消融实验、记录失败案例，到量化计算成本和验证跨数据集泛化性等所有关键科学环节，确保研究的科学性、可复现性和鲁棒性。
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

构建严谨的人工智能研究证据

ecai-experiments
brycewang-stanford/Awesome-Journal-Skills
150
本指南为AI研究者提供了撰写顶级学术论文的规范要求。它详细指导如何根据研究主张（如证明完备性、效率提升或泛化能力）选择和构建最合适的证据：是需要形式证明、受控的实证对比，还是真实的部署案例。内容覆盖了机器学习的科学性要求（如报告多个随机种子、进行机制消融），确保研究的完整性和可复现性。
查看详情

ECCV学术论文选题评估

eccv-topic-selection
brycewang-stanford/Awesome-Journal-Skills
283
本指南帮助计算机视觉研究人员评估项目是否适合投稿至ECCV。它详细分析了项目的技术范围、创新机制的持久性，以及学术周期的选择（如与CVPR、ICCV的比较），确保研究者能够制定出最科学的投稿策略。
查看详情

AI公平性审计与证据设计

facct-experiments
brycewang-stanford/Awesome-Journal-Skills
105
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。
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

人工智能论文实证实验审计指南

iclr-experiments
brycewang-stanford/Awesome-Journal-Skills
188
本指南旨在帮助研究人员为顶级机器学习会议设计和审计实验。它涵盖了进行机制分离的消融实验、鲁棒性测试（如数据漂移、随机种子）、公平基线和详细的计算资源报告等最佳实践，确保论文的实验结论是科学且可信的，以应对审稿人的质疑。
查看详情

口语语言技术会议投稿指南

ieee-spoken-language-technology-workshop
brycewang-stanford/Awesome-Journal-Skills
491
本指南为目标投稿IEEE口语语言技术研讨会（SLT）的作者提供全面的定位咨询。它详细阐述了口语语言理解、对话和语音系统等主题的研究，如何调整论文范围、构建证据链，并重构叙述结构，从而提高在顶级计算机科学会议的投稿成功率。
查看详情
上一页1234下一页
语言
简体中文
English