软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16566+ 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

搜索性能，共找到 996 条记录

默认排序最新上传最多下载

系统论文评估实验设计指南

sosp-experiments

brycewang-stanford/Awesome-Journal-Skills

本指南指导系统论文作者撰写严谨的评估部分。它强调将论文中的每一个技术主张（Claim）都映射到可验证的实验。内容涵盖建立公平的基线系统、结合微基准测试、端到端工作负载和生产级轨迹数据，并指导如何诚实地报告性能分布尾部、方差和开销，确保研究的科学性和可信度。

理论计算论文证据呈现指南

stoc-experiments

brycewang-stanford/Awesome-Journal-Skills

本指南旨在明确理论计算科学论文中计算证据的恰当使用范围。它区分了哪些计算证据是合法的（如证明步骤、发现构造物或辅助说明），以及哪些不应作为核心论证的性能基准测试。帮助研究人员将工作结构化，使其符合基于定理的研究范式，确保计算元素能够增强核心理论贡献。

人机交互论文相关工作撰写指南

uist-related-work

brycewang-stanford/Awesome-Journal-Skills

本指南详细指导作者如何撰写顶级人机交互（HCI）会议（如UIST）的“相关工作”部分。核心重点是：相关工作必须是证明自身创新点（Novelty Proof），而非简单的文献综述。内容应按能力维度组织，利用对比表格来清晰展现自身工作与现有系统间的性能差异（Capability Delta），并覆盖技术、工具集和商业实践三个传承链条。

系统性能评估与实验设计指南

vldb-experiments

brycewang-stanford/Awesome-Journal-Skills

本指南为数据库或系统论文提供一套严谨的实验设计框架。它指导作者如何从多个维度（如工作负载真实性、基线公平性、扩展性曲线、性能损耗点）构建实验，以应对学术界高度质疑的审稿人。

系统论文可复现性标准

vldb-reproducibility

brycewang-stanford/Awesome-Journal-Skills

本指南为系统性实验论文提供高标准的复现性指导。它要求作者详细披露硬件、软件、数据、工作负载和测量细节，确保所有性能声明可追溯到原始数据。特别强调了消除系统非确定性、记录竞争对手配置和构建完整的追踪链，以满足顶级学术会议的严格要求。

VLDB系统论文写作风格指南

vldb-writing-style

brycewang-stanford/Awesome-Journal-Skills

这是一份为学术论文（尤其针对系统和数据库领域）提供的修订指南。它强调在文章开头建立清晰的“一页合同”，要求所有性能宣称必须量化、限定范围，并要求作者清晰阐述设计权衡的成本和损失，确保论文的学术严谨性。

WACV成果物评估与提交指南

wacv-artifact-evaluation

brycewang-stanford/Awesome-Journal-Skills

本指南指导作者为WACV论文准备两份成果物：用于匿名审阅的包和公开发布的版本。它强调不仅仅报告准确率，还必须确保可复现系统级别的性能指标（如延迟、功耗）和跨轮次修改的一致性。

WACV实验设计与审核指南

wacv-experiments

brycewang-stanford/Awesome-Journal-Skills

本指南为研究人员提供了设计和审核计算机视觉（CV）实验的结构化方法论。它详细阐述了WACV等会议上应用和算法两个赛道的关键区别，重点强调了在实际部署约束条件（如能耗、延迟）下报告性能，并确保与基线模型进行公平、严谨的比较。适用于修改提交稿件以达到高评审标准。

机器学习实验评估设计指南

wsdm-experiments

brycewang-stanford/Awesome-Journal-Skills

本指南提供了一套全面的框架，用于设计和撰写顶级学术会议（如WSDM）要求的、严谨且有说服力的机器学习和信息检索实验评估部分。内容涵盖了四大证据维度：有效性、有效性验证、计算效率和鲁棒性。详细指导了时间分割、基线选择、消融实验、性能报告等关键协议，确保您的论文实验部分经得起最严格的同行评审。

Azure架构最佳实践审计

azure-well-architected-review

github/awesome-copilot

本工作流使用Azure最佳实践框架（WAF）对您的云基础设施代码（IaC）和实际部署资源进行全面审计。它系统性地检查可靠性、安全性、成本优化、运维卓越性和性能效率五个支柱，识别架构风险、配置漂移和合规性差距。审计发现将自动生成GitHub问题，实现风险点的追踪和修复。

Polars：高性能数据分析框架

sickn33/antigravity-awesome-skills

Polars是一个专为Python和Rust构建的超高性能DataFrame库。它基于Apache Arrow，支持惰性求值（Lazy Evaluation）和并行计算，非常适合构建数据抽取、转换和加载（ETL）管道。它能够高效处理大型数据集，是需要超越Pandas性能瓶颈的数据分析和转换的最佳选择。

模型亚组公平性审计

auditing-subgroup-fairness

maziyarpanahi/openmed

该技能用于审计OpenMed的NER或去标识化模型，以检测不同人口子群组（如性别、年龄、种族）之间的性能差异。它计算了每个子群组的召回率和泄露率差异，帮助用户在部署前发现“欠保护”现象，确保AI系统的公平性和可治理性。

上一页 1 2 3...78 79 808182 83 下一页

语言