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 验证 ，共找到 159 条记录
默认排序 最新上传 最多下载

顶会AI实验设计与审计指南

aaai-experiments
brycewang-stanford/Awesome-Journal-Skills
472
本指南提供了一套完整的AI实验设计和审计流程，适用于顶级AI会议投稿。它指导研究人员如何构建强有力的实验证据，涵盖基线对比、消融实验、鲁棒性测试、统计分析和可复现性报告。使用此流程确保所有AI贡献都得到充分、严谨的实证支持，提升论文的科学可信度和可解释性。
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

多智能体博弈实验审计指南

aamas-experiments
brycewang-stanford/Awesome-Journal-Skills
467
本指南为多智能体系统和博弈理论研究提供了严谨的实验设计和审计框架。它指导研究人员如何设计实验来验证系统间的“交互”机制（如达到纳什均衡、合作机制等），而非仅仅测试单一智能体的性能，强调对抗性测试和统计报告的严谨性。
查看详情

多媒体实验设计与审核指南

acmmm-experiments
brycewang-stanford/Awesome-Journal-Skills
161
本指南为作者提供了提交ACM多媒体论文的严格实验方法论标准。它详细指导如何严谨地验证跨模态（cross-modal）声称，确保所有证据都能支持多媒体的贡献。内容涵盖了隔离融合机制的消融实验设计、用户研究的规范化、与匹配基线的性能报告，以及关于数据集、媒体许可和计算成本的透明化要求。
查看详情

构建最小化AI智能体技能栈

agent-skill-stack
github/awesome-copilot
182
本技能用于评估和组装实现复杂自然语言目标所需的最精简、最高效的AI智能体技能栈。它能动态推导出多步骤工作流，通过本地索引、注册表和外部源进行搜索。系统采用“需求、操作、结果、连接方式”四重透镜，严格验证技能间的兼容性、安全性和重叠度，确保为用户推荐最可靠的解决方案。
查看详情

AISTATS学术会议投稿策略指南

artificial-intelligence-and-statistics
brycewang-stanford/Awesome-Journal-Skills
478
本指南为作者准备投稿AISTATS会议论文提供专业指导。它帮助作者评估论文的贡献是否具有统计学基础，如何重构文章的叙事，并指导作者增强理论深度和实验证据，以适应顶级AI统计会议的审稿要求。
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

大语言模型可复现性指南

colm-reproducibility
brycewang-stanford/Awesome-Journal-Skills
240
本指南详细介绍了大语言模型（LLM）论文的科学可复现性标准。它提出了分层验证体系（精确、预算、漂移），指导作者如何处理开源模型、专有API模型，并规范了计算资源和实验失败模式的书面披露，确保研究结果的严谨性和可追溯性。
查看详情

COLT论文证明证据评估指南

colt-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
189
本指南指导作者如何为COLT会议撰写理论论文。由于会议不设正式的“证据包”评估环节，因此本书强调将证明附录作为核心“证据”。内容涵盖了如何构建可验证的证明日志、如何严谨地追踪数学常数和外部理论结果，确保论文的理论严谨性。
查看详情

机器人研究成果物管理指南

corl-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
99
本指南提供了机器人学研究成果物（如代码、训练配置、演示数据和策略检查点）的最佳实践。它详细指导作者如何为匿名审稿和长期公开发布做好准备，核心目标是确保研究方法的完整可复现性和可验证性。
查看详情

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
上一页123...7891011121314下一页
语言
简体中文
English