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 计算 ，共找到 99 条记录
默认排序 最新上传 最多下载

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

顶级视觉会议论文流程管理

eccv-workflow
brycewang-stanford/Awesome-Journal-Skills
400
本文档提供了顶级计算机视觉会议（如ECCV、CVPR、ICCV）的完整项目管理路线图。它详细规划了从投稿、评审、接受到最终发表和后续跨年规划的整个学术周期，帮助研究团队系统性地管理研究成果和时间节点。
查看详情

NLP研究可复现性指南

emnlp-reproducibility
brycewang-stanford/Awesome-Journal-Skills
60
本指南为自然语言处理（NLP）研究人员提供了一套可复现性最佳实践。它详细指导用户如何记录模型的精确版本、数据来源、计算资源消耗和所有实验参数，确保学术工作的透明度和可信度，是发表顶级研究论文的必备知识。
查看详情

EACL会议投稿策略指南

european-chapter-of-the-association-for-computational-linguistics
brycewang-stanford/Awesome-Journal-Skills
96
本指南是针对提交至欧洲计算语言学协会（EACL）的自然语言处理（NLP）论文的策略工具。它帮助作者确定论文的投稿切入点、重构叙事结构，并掌握学术论文到会议投稿所需的证据标准、写作规范和最佳实践，以优化文章叙事并提高被接收率。
查看详情

欧洲视觉会议（ECCV）投稿策略指南

european-conference-on-computer-vision
brycewang-stanford/Awesome-Journal-Skills
235
本指南为作者提供了定位计算机视觉论文是否适合参加欧洲视觉会议（ECCV）的策略工具。内容涵盖会议适应性评估、论文重构、必须提供的实验证据（如消融实验、基准线对比等）以及结构化撰写建议，帮助作者确保论文符合ECCV的专业范围和审稿要求，是重要的投稿准备参考。
查看详情

计算机视觉实验设计与规划

iccv-experiments
brycewang-stanford/Awesome-Journal-Skills
408
本指南提供了一套高标准的学术科研实验设计方法论，专为顶级计算机视觉会议（如ICCV）准备论文。它指导用户在严格的截止日期下，系统地进行实验规划，包括基准漂移审计、确保模型公平性（消除预训练混淆）、构建机制分离的消融实验，以及按决策价值顺序安排实验运行流程。
查看详情

顶级视觉会议相关工作撰写指南

iccv-related-work
brycewang-stanford/Awesome-Journal-Skills
377
这份指南提供了为顶级计算机视觉会议（如ICCV、CVPR、ECCV）撰写“相关工作”部分的专家级指导。它涵盖了如何处理跨周期文献引用、管理并发预印本、遵守双盲匿名规则以及进行准确的会议归属，以最大化文章的新颖性和说服力。
查看详情

计算机视觉会议投稿决策

iccv-topic-selection
brycewang-stanford/Awesome-Journal-Skills
460
本指南帮助研究人员评估计算机视觉项目是否适合投稿顶级会议。它深入分析了ICCV等顶会两年一次的周期性特点，指导用户根据项目的成熟度、时间节点，并对比ICCV、CVPR、ECCV等不同会议的投稿要求，制定最佳的投稿策略。
查看详情

顶级计算机视觉会议流程管理

iccv-workflow
brycewang-stanford/Awesome-Journal-Skills
302
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。
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

机器学习研究可复现性标准

iclr-reproducibility
brycewang-stanford/Awesome-Journal-Skills
403
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。
查看详情

机器学习实验严谨性审计指南

icml-experiments
brycewang-stanford/Awesome-Journal-Skills
164
本指南提供一套完整的机器学习实验严谨性审计流程。它指导用户从基线模型、消融实验、方差分析、数据泄露和计算资源公开等多个维度，系统性地检验和强化实验证据的可靠性。尤其适用于论文提交前或回应审稿人质疑时使用。
查看详情
上一页123456789下一页
语言
简体中文
English