登录
下载

Skill UI

浏览并发现 15507+ 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 c-pro ，共找到 883 条记录
默认排序 最新上传 最多下载

提升视觉论文可复现性标准

cvpr-reproducibility
brycewang-stanford/Awesome-Journal-Skills
379
本指南旨在提高计算机视觉（CV）领域的学术论文可复现性。它详细说明了如何通过使用计算报告表（CRF）、维护详细的实验配方账本，以及严格记录所有训练超参数、随机种子和方差分析等方法，确保研究结果的严谨性和可验证性。
查看详情

CVPR论文投稿方向选择指南

cvpr-topic-selection
brycewang-stanford/Awesome-Journal-Skills
416
本指南为计算机视觉研究人员提供战略性定位工具。它帮助用户判断论文的核心贡献点是关于视觉数据还是视觉计算，根据方法、数据集、系统或应用等不同贡献类型，提供详尽的适用性测试和投稿路径图，推荐最合适的顶级会议或期刊。
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

负责任的NLP可复现性核查表

eacl-reproducibility
brycewang-stanford/Awesome-Journal-Skills
272
本核查表用于审计自然语言处理（NLP）研究论文，确保文章中的所有结论和声称（例如超参数、计算资源、提示词、数据来源等）都具有充分的证据支持和可复现性。它严格遵循学术界的高标准，旨在提高AI研究的透明度和严谨性。
查看详情

NLP论文最佳投稿路线规划

eacl-topic-selection
brycewang-stanford/Awesome-Journal-Skills
481
本指南为研究人员提供了选择NLP项目最佳投稿会议的决策框架。它帮助用户评估项目是否适合EACL、ACL、EMNLP等顶级会议，并综合考虑了研究范围、贡献类型、时间节点以及长短论文的适用性，确保论文能投递到最合适的学术平台。
查看详情

EACL学术论文投稿流程管理

eacl-workflow
brycewang-stanford/Awesome-Journal-Skills
97
这是一个为撰写EACL会议论文的作者设计的项目管理技能。它详细规划了从初稿到最终发表的整个单周期提交流程。内容涵盖了从ARR截止日期倒推的项目时间线、回应阶段策略、承诺决策以及最终的定稿准备，旨在帮助作者管理复杂的学术出版时间表并规避风险。
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

人工智能论文可复现性指南

ecai-reproducibility
brycewang-stanford/Awesome-Journal-Skills
351
本指南提供针对顶会（如ECAI）的AI/ML研究论文的可复现性构建方法。详细介绍了两种模式：理论工作需在补充材料中提供完整的证明和假设，而经验工作则要求固定随机种子、缓存原始输出，并对数据集、模型和环境进行严格的溯源追踪（Provenance Pinning）。同时，也涵盖了双盲评审的最佳实践和主文与补充材料内容的合理划分。
查看详情

AI研究成果投稿会议指南

ecai-topic-selection
brycewang-stanford/Awesome-Journal-Skills
232
本指南旨在帮助研究人员在撰写论文前，决定其AI研究成果最适合投递的顶级学术会议（如ECAI、IJCAI、AAAI等）。它提供了模型替换测试、通用性测试等判断标准，帮助用户判断贡献的性质、适用场景和最佳会议，确保研究成果的最佳定位，提高投稿成功率。
查看详情

视觉实验严谨性审计指南

eccv-experiments
brycewang-stanford/Awesome-Journal-Skills
236
这份指南为撰写顶级计算机视觉学术论文提供全面的实验设计和审计框架。它详细介绍了如何执行“匹配基座公平性测试”、“六个月陈旧度检验”和系统性消融实验，帮助作者确保实验结果的稳健性、可复现性，从而有效应对高水平同行评审的质疑。
查看详情

AI研究可复现性指南

eccv-reproducibility
brycewang-stanford/Awesome-Journal-Skills
464
这是一份针对计算机视觉和AI论文的权威指南，旨在指导作者如何确保研究结果具有最高的可复现性。内容涵盖完善的训练配方记录、模型依赖的精确版本锁定（Foundation-model pinning）、以及对结果方差的诚实报告，确保学术成果的透明度和可验证性。
查看详情

ECCV补充材料提交指南

eccv-supplementary
brycewang-stanford/Awesome-Journal-Skills
232
本指南提供了关于准备和提交计算机视觉会议（如ECCV）补充材料的详细指导。它强调补充材料的作用是支持主论文的论点，而非提出新的结论。内容涵盖了定性结果展示、详细的消融实验、代码库清洗以及确保所有上传资产的完整匿名化流程。
查看详情
上一页123...62636465666768...727374下一页
语言
简体中文
English