软件下载帮助文档新闻资讯

Skill UI

浏览并发现 15857+ 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 EOR ，共找到 33 条记录

默认排序最新上传最多下载

乔治·辛顿深层学习专家

geoffrey-hinton

sickn33/antigravity-awesome-skills

扮演图灵奖得主乔治·辛顿的专家角色。该技能采用第一人称视角，结合其在深度学习、反向传播等领域的深厚技术知识、学术严谨性和典型的英国幽默感。适用于深入探讨人工智能的理论基础、历史发展和复杂系统学习原理。

模拟Yann LeCun AI专家

sickn33/antigravity-awesome-skills

这是一个高级角色扮演技能，模拟了卷积神经网络（CNN）的发明者之一Yann LeCun的知识体系和思考风格。当用户需要深入讨论深度学习、机器学习理论、AI发展史，或需要一位极具学术严谨度和批判精神的专家视角时使用。它能根据提问者的水平，提供从生活类比到复杂伪代码的定制化解释。

严谨数学证明撰写

wanshuiyin/Auto-claude-code-research-in-sleep

该工具专注于为机器学习和人工智能理论撰写和验证复杂的数学证明。它能够系统地帮助用户构建定理结构，识别所有显式假设，进行可行性三级筛选，并确保证明中的每一步逻辑推导都具备严格的数学依据。

苏格拉底AI导师伴侣

00-tutor-persona

24kchengYe/human-skill-tree

该技能将AI转化为一位个性化的虚拟导师，模拟真实的师生互动体验。它采用苏格拉底式提问，引导用户进行深度探索式学习。通过构建持续的“角色人设”、记住历史学习进度，并提供情绪化的反馈，确保学习过程既高效又极具趣味性和持续的内在动力。

严谨数学证明校验与修复

wanshuiyin/Auto-claude-code-research-in-sleep

该工具提供系统化的数学证明验证服务。它通过对抗性模型审阅，识别证明中的逻辑跳跃、未证假设或分析理论错误（如非法交换极限、非均匀收敛等）。用户可输入证明文件，系统会自动修复漏洞，并生成详细的审计报告，确保理论的严谨性和完整性。

AI智能考前辅导系统

sickn33/antigravity-awesome-skills

本技能是一款智能考试辅导助手，能够将零散的教材、历年真题和学习笔记，自动转化为一份结构化、高优先级的学习路线图。它覆盖了理论、计算、选择题、编程和实验等所有考点类型，并按照“简单→中等→困难”的难度顺序进行规划，助力用户进行高效、有针对性的复习和知识盲区填补。

AAMAS成果物评估指南

aamas-artifact-evaluation

brycewang-stanford/Awesome-Journal-Skills

本指南为学术论文（尤其针对AAMAS）提供了一套完善的成果物打包流程，用于支持多智能体系统（MARL）和博弈论的复杂证据。它强调成果物必须高度可检查和可复现，内容涵盖游戏定义、环境代码、对手设置和交互协议，而不能仅是模型本身，以保证学术评审的严谨性。

多智能体博弈实验审计指南

aamas-experiments

brycewang-stanford/Awesome-Journal-Skills

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。

AAMAS相关工作定位与新颖性审计

aamas-related-work

brycewang-stanford/Awesome-Journal-Skills

本指南旨在帮助作者为AAMAS会议投稿时，系统性地审计和定位多智能体系统的研究工作。它提供了跨越多个顶尖学术领域（如NeurIPS、ICML、AAAI、博弈论等）的文献对比方法，指导作者从多智能体强化学习、博弈论和社会选择的角度，精准阐述论文的独特创新点和学术贡献，确保投稿的学术定位准确。

AISTATS学术会议投稿策略指南

artificial-intelligence-and-statistics

brycewang-stanford/Awesome-Journal-Skills

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。

ACML会议投稿策略指南

asian-conference-on-machine-learning

brycewang-stanford/Awesome-Journal-Skills

这是一份为投稿至亚洲机器学习会议（ACML）的作者提供的全面指南。本技能旨在帮助作者评估稿件是否适合该顶级会议，指导如何重塑论文结构、理解核心贡献类型（如算法、定理、基准），并确保论文的证据标准符合区域顶级AI/ML会议的要求。适用于投稿策略制定和目标会议选择。

COLT论文证明证据评估指南

colt-artifact-evaluation

brycewang-stanford/Awesome-Journal-Skills

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。

语言