下载

Skill UI

浏览并发现 15558+ 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 COLM ，共找到 14 条记录

默认排序最新上传最多下载

顶级 AI 会议论文撰写

ml-paper-writing

Orchestra-Research/AI-Research-SKILLs

为 NeurIPS、ICML、ICLR、ACL、AAAI、COLM 等顶级 AI 会议提供从研究仓库出发、结合 LaTeX 模板与引用验证的论文撰写流程与协作指导。

AI论文成果包与评估指南

colm-artifact-evaluation

brycewang-stanford/Awesome-Journal-Skills

本指南为AI/LLM研究论文作者提供一套完整的成果包构建和评估流程。它详细指导如何打包代码、模型权重、数据集和提示词等成果，确保研究结果在匿名评审和公开发布时具备高度的可复现性、透明度和合规性。

学术论文审稿回复撰写策略

colm-author-response

brycewang-stanford/Awesome-Journal-Skills

本指南提供撰写顶级学术会议论文审稿回复的完整流程和策略。它详细指导用户进行时间规划、如何用证据有力回应审稿人的质疑，以及如何结构化地撰写专业、有说服力的反驳文稿。

学术论文终稿准备流程指南

colm-camera-ready

brycewang-stanford/Awesome-Journal-Skills

这是一份详尽的指南，指导作者如何将一篇已被接受的学术会议论文转化为最终的、公开的终稿。内容涵盖去匿名化处理、整合审稿人和评审委员会的意见，以及同步发布研究成果和确保文献记录的完整性。

大语言模型评估严谨指南

colm-experiments

brycewang-stanford/Awesome-Journal-Skills

本指南提供了设计和审计大语言模型（LLM）实证评估的最佳实践。它涵盖了数据污染、基线公平性、模型版本漂移和解码参数敏感性等关键陷阱，指导用户构建一套严谨、可复现、科学可靠的LLM评估体系，适用于学术研究和模型评测。

机器学习相关工作撰写指南

colm-related-work

brycewang-stanford/Awesome-Journal-Skills

本指南提供撰写机器学习论文“相关工作”部分的专业流程。它指导作者如何保持“版本化诚实”，系统地将文献划分为不同维度（如方法谱系、模型工件、评估基础设施等）。内容涵盖并发工作处理、准确引用预印本状态以及避免自引违规等高级学术技巧，确保论文定位严谨。

大语言模型可复现性指南

colm-reproducibility

brycewang-stanford/Awesome-Journal-Skills

本指南详细介绍了大语言模型（LLM）论文的科学可复现性标准。它提出了分层验证体系（精确、预算、漂移），指导作者如何处理开源模型、专有API模型，并规范了计算资源和实验失败模式的书面披露，确保研究结果的严谨性和可追溯性。

COLM会议投稿与审稿全流程指南

colm-review-process

brycewang-stanford/Awesome-Journal-Skills

本文档系统介绍了COLM会议从投稿到最终决策的完整审稿流程。内容详细涵盖了时间轴、语言模型使用规范、互审机制，以及在反驳阶段最大化文章影响力的策略。是作者规划向专业、新兴领域投稿的关键参考资料。

学术会议论文投稿指南

colm-submission

brycewang-stanford/Awesome-Journal-Skills

本指南详细介绍了大型学术会议（如COLM）的完整投稿流程。内容涵盖严格的格式限制（如9页限制）、保持双盲评审的匿名性、LLM使用披露，以及通过技术扫描防止身份泄露。帮助作者顺利完成学术论文的投稿和修改，确保符合最高的学术规范。

机器学习论文补充材料撰写指南

colm-supplementary

brycewang-stanford/Awesome-Journal-Skills

本指南详细介绍了技术研究论文（尤其在NLP和机器学习领域）的补充材料结构和填写方法。它帮助作者区分哪些内容是支持核心论点的关键证据（应放在正文），哪些是用于验证和复现的审计信息（应放在附录）。内容涵盖了完整的Prompt、解码配置、详细结果表格以及代码数据包的匿名化处理，确保研究的严谨性和可复现性。

语言模型论文投稿定位指南

colm-topic-selection

brycewang-stanford/Awesome-Journal-Skills

本指南帮助研究人员判断其语言模型（LM）研究的最佳投稿目标。它提供“研究对象测试”，帮助判断LM本身是否是研究重点，而非任务中的工具。此外，它还详细对比了COLM与ACL、NeurIPS等顶级会议的侧重点，确保文章定位准确，提高发表成功率。

学术AI论文投稿全流程规划

brycewang-stanford/Awesome-Journal-Skills

本指南为机器学习研究团队规划多场会议（如COLM）投稿过程提供全流程指导。内容详细规划了从主题选择、实验设计、计算资源预留到最终提交的学术出版关键路径。它强调“倒推规划”的重要性，指导用户进行计算预算分配、作者协作管理以及证据链追踪，确保在快节奏的AI研究周期内高效、可重复地完成高质量论文。

语言