登录
下载

Skill UI

浏览并发现 15554+ 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 IM ，共找到 724 条记录
默认排序 最新上传 最多下载

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

顶级机器学习会议审稿流程指南

colt-review-process
brycewang-stanford/Awesome-Journal-Skills
412
这是一份详细的指南，解析顶级机器学习会议（如COLT）的同行评审流程。它重点讲解了基于数学严谨性和证明的评估标准，指导作者如何撰写反驳和理解审稿意见，是准备学术论文投稿和发表的必备参考。
查看详情

CVPR顶级会议论文投稿指南

computer-vision-and-pattern-recognition
brycewang-stanford/Awesome-Journal-Skills
235
本指南提供了一套针对计算机视觉顶级会议（如CVPR）的论文定位、结构和优化策略。它详细指导作者如何突出研究的重大创新性、完善实验设计（如消融实验、失败模式分析），确保论文的叙事结构和技术深度达到顶级会议的要求，帮助作者完善投稿策略。
查看详情

持续学习会议投稿定位指南

conference-on-lifelong-learning-agents
brycewang-stanford/Awesome-Journal-Skills
461
本工具是为持续学习和终身智能体研究设计的，用于指导作者如何为CoLLAs会议（持续学习智能体会议）进行定位和重构投稿内容。它帮助作者评估论文是否符合该领域对非平稳学习、适应和记忆的特定证据要求，指导撰写文章如何精准地匹配顶级计算机科学会议的评审视角。
查看详情

MLSys会议投稿定位与策略

conference-on-machine-learning-and-systems
brycewang-stanford/Awesome-Journal-Skills
433
本指南旨在指导作者将机器学习系统论文定位到MLSys的顶级会议标准。它详细阐述了该会议对系统级贡献（如训练/推理基础设施、编译器、数据系统和硬件感知ML）的特定要求。帮助作者学习如何重构论文叙事，强调其对模型能力、成本、可靠性或部署规模的实际系统影响，以抓住审稿人的关注点。
查看详情

CoRL会议论文定位指南

conference-on-robot-learning
brycewang-stanford/Awesome-Journal-Skills
337
本指南为投稿CoRL会议的作者提供专业框架。它指导研究人员如何将通用计算机科学论文，重构为具有高度专业性的机器人学习叙事。内容涵盖定义创新点、建立严格的证据标准（从仿真到现实迁移），以及如何将工作与ICRA、IROS等顶级会议进行精准对比。
查看详情

顶级会议回复论文写作策略

corl-author-response
brycewang-stanford/Awesome-Journal-Skills
483
本指南为作者提供了撰写顶级AI会议（如CoRL）单页回复论文的策略。它聚焦于如何通过新增的、紧凑的证据（表格/图表）来最大化回复的说服力，而避免冗长的文字辩解。内容涵盖了回复的结构化设计、专业语气维护以及如何针对性地回应评审意见，提升论文被接受的概率。
查看详情

机器人学习实验设计规范

corl-experiments
brycewang-stanford/Awesome-Journal-Skills
422
本指南为机器人学习领域的科研人员提供实验设计的最佳实践。它强调了统计学严谨性，指导如何处理训练和执行过程中的随机性，如何量化仿真到现实的差距，以及如何保证不同基线模型（如BC/RL/VLA）的公平性评估，确保研究结论的可靠性。
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论文投稿审核指南

corl-submission
brycewang-stanford/Awesome-Journal-Skills
399
本指南是CoRL（机器人学习会议）论文投稿的预上传审核清单。它详细介绍了投稿包的各项具体要求，包括必须包含“局限性（Limitations）”部分的8页篇幅限制、双匿名规则的遵守，以及对文稿、图表和视频内容进行作者和实验室身份匿名化处理的详细步骤。用于确保论文符合复杂且严格的会议投稿规范。
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...49505152535455...596061下一页
语言
简体中文
English