软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16519+ 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

搜索训练，共找到 200 条记录

默认排序最新上传最多下载

上下文文档实时查询

documentation-lookup

当用户询问特定库或框架（如React、Next.js、Prisma）的最新信息、API用法或代码示例时，本技能通过Context7实时获取最新的官方文档。它避免了使用过时的训练数据，确保提供的所有信息都基于当前版本的最佳实践和权威指南。

进化AI策略表面进行优化

本技能用于运行自动化进化流程，系统性地优化AI代理框架（Harness）的七个核心策略表面（如规划器、上下文构建器、评审器等）。通过变异这些策略并进行沙箱评分，可以识别出关键的性能提升点，从而在无需重新训练基础模型的情况下，实现高效的配置调优和性能基线确立。

神经网络模式训练与巩固

用于训练和巩固系统学习到的神经网络模式。它实现了智能管线中的“蒸馏”（DISTILL）和“巩固”（CONSOLIDATE）阶段，能够从成功任务中提炼经验，并通过SONA或MicroLoRA进行高效的多域适应，最终将知识固化到长期存储中。

云端重载交易回测

trader-cloud-backtest

该技能用于将计算密集型的量化交易任务（如多年回测、大型蒙特卡罗模拟、参数扫描或模型训练）卸载至云端托管代理环境。适用于本地计算能力不足的大规模、生产级回测，确保任务的鲁棒执行和完整的成果物管理。

市场数据神经网络模型训练

该工具用于在时间序列市场数据上训练和评估高级神经网络模型（包括LSTM、Transformer和N-BEATS）。它支持生成带置信区间的预测结果，并能比较不同架构的性能表现，适用于量化交易研究和金融预测。

RuView模型高级训练流程

ruview-model-training

本文档全面介绍了RuView模型的全生命周期训练流程。涵盖多种先进的跟踪技术，包括无摄像头姿态估计（WiFlow）、使用MediaPipe的相机监督方法、鲁棒的对比嵌入（RuVector）以及领域泛化（MERIDIAN）。支持在本地GPU和云平台进行训练、评估和部署。

中国体育科技投稿指南

china-sport-science-and-technology

brycewang-stanford/Awesome-Journal-Skills

本指南旨在指导投稿作者了解《中国体育科技》的定位和投稿要求。本刊侧重于应用型的运动科学，特别关注竞技体育的训练实践、体能监控、运动生理生化分析、技术战术诊断以及运动康复等实战问题。强调研究必须具有可指导训练或备战的实践意义，避免纯理论思辨。

人工智能研究可复现性指南

cikm-reproducibility

brycewang-stanford/Awesome-Journal-Skills

本指南概述了复杂人工智能和知识图谱研究的可复现性最佳实践。它详细指导研究者如何记录和固定从数据预处理、模型训练到大模型提示词等所有环节的细节，确保即使使用了专有数据，研究结果也能被同行充分验证。

MLSys会议投稿定位与策略

conference-on-machine-learning-and-systems

brycewang-stanford/Awesome-Journal-Skills

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。

机器人研究成果物管理指南

corl-artifact-evaluation

brycewang-stanford/Awesome-Journal-Skills

本指南提供了机器人学研究成果物（如代码、训练配置、演示数据和策略检查点）的最佳实践。它详细指导作者如何为匿名审稿和长期公开发布做好准备，核心目标是确保研究方法的完整可复现性和可验证性。

机器人学习实验设计规范

corl-experiments

brycewang-stanford/Awesome-Journal-Skills

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。

机器人学习研究可复现性指南

corl-reproducibility

brycewang-stanford/Awesome-Journal-Skills

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。

上一页 1 2 3...12 13 141516 17 下一页

语言