软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16598+ 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

搜索大模型可靠性，共找到 18 条记录

默认排序最新上传最多下载

大型语言模型安全防护层

anth-policy-guardrails

jeremylongshore/claude-code-plugins-plus-skills

该技能提供了一套完整的AI应用级安全防护机制。它用于增强与Claude等大型语言模型API的集成安全性，覆盖输入数据（如PII检测、长度）校验、系统提示词（Scope）限制、输出结果敏感信息过滤、成本预算控制以及模型访问权限管理，确保AI应用的可靠性和合规性。

Together AI模型部署集成服务

together-deploy-integration

jeremylongshore/claude-code-plugins-plus-skills

本技能提供了一套生产级容器化集成服务，用于连接Together AI平台。它支持通过Together的OpenAI兼容API，实现对100多个开源模型的推理、微调和部署。集成了完善的Docker配置、健康检查和无停机滚动更新机制，确保了高性能和高可靠性的实时大模型服务。

Together AI生产部署清单

together-prod-checklist

jeremylongshore/claude-code-plugins-plus-skills

本清单是一份完整的M/Ops指南，用于指导使用Together AI API构建AI应用的生产环境部署。它涵盖了生产环境的关键环节，包括安全密钥管理、API限流处理、错误容错机制（如断路器和重试）、以及全面的监控和成本控制，确保大型语言模型（LLM）服务的稳定性和可靠性。

LLM预执行事实核查机制

GateGuard是一个强制性的预执行钩子，用于极大增强大型语言模型（LLM）生成代码和操作的可靠性与安全性。它不依赖模型的自我评估，而是强制模型在进行任何代码写入或执行Shell命令前，必须进行详细、可验证的调查。这些调查包括列出所有依赖文件、检查数据结构和编写回滚方案，从而有效防止模型盲目猜测和产生错误。

信号处理论文可复现性指南

icassp-reproducibility

brycewang-stanford/Awesome-Journal-Skills

本指南为信号处理研究人员提供了一份关于如何实现严谨论文可复现性的专业指导。它强调仅仅提供模型是不够的，作者必须精确锁定“评分规则”（scoring ruler）、数据版本、前端参数和计算种子，确保所有报告的指标都可以被独立验证，从而大大提高学术论文的可靠性。

PODC学术评审流程模型

podc-review-process

brycewang-stanford/Awesome-Journal-Skills

本指南详细介绍了ACM分布式计算原理（PODC）的严格且一次性的评审流程。与需要重大修改的会议不同，PODC的评审重点完全在于证明的严谨性、结果的意义和模型的可靠性。它概述了评审维度（正确性、新颖性、紧度），并强调所有关键工作必须在提交前完成，因为流程中没有后续的修改周期。

语言