登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 18671+ 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 NeurIPS ，共找到 44 条记录
默认排序 最新上传 最多下载

顶级机器学习会议论文定位策略

international-conference-on-machine-learning
brycewang-stanford/Awesome-Journal-Skills
67
本指南为目标顶级AI/ML会议（如ICML）的作者提供完整框架。它涵盖学术定位、识别核心机器学习贡献、构建论文叙事结构（问题、时代背景、新颖点），并建立了严格的证据标准，包括基线对比和消融实验。此外，还指导作者如何将工作与周边会议（如NeurIPS, ICLR）进行有效区分。
查看详情

语音学论文相关工作撰写指南

interspeech-related-work
brycewang-stanford/Awesome-Journal-Skills
155
本指南为撰写顶级语音会议论文的“相关工作”部分提供专业指导。它教作者如何追溯任务在不同学术会议（如ISCA, ICASSP, NeurIPS）间的完整技术谱系，规范引用核心数据集和度量指标，并将复杂文献综述提炼为精炼、对比性的论述。
查看详情

KDD论文相关工作撰写指南

kdd-related-work
brycewang-stanford/Awesome-Journal-Skills
246
本文档为作者提供了一套复杂的框架，指导其撰写KDD论文的“相关工作”部分。它要求作者将研究工作置于数据挖掘的完整学术脉络中，强调创新点必须与近期的KDD历史、主要的机器学习会议（如ICML/NeurIPS）以及其他交叉学科领域进行机制层面的对比，确保论述的深度和精准性。
查看详情

ML系统相关工作定位指南

mlsys-related-work
brycewang-stanford/Awesome-Journal-Skills
338
本指南为撰写ML系统领域的“相关工作”章节提供专业指导。由于该领域文献分散于多个顶级会议、开源项目和预印本，本文详细介绍了如何定位研究的新颖性、处理快速迭代的系统技术，并撰写出经得起审稿人检验的机制差异描述（delta statement）。
查看详情

ML系统论文选择指南

mlsys-topic-selection
brycewang-stanford/Awesome-Journal-Skills
311
该指南旨在帮助研究人员判断其项目是否属于机器学习与计算机系统协同设计范畴。它详细介绍了“共设计测试”和路由表，指导用户判断项目最适合投递至 MLSys，还是更适合其他通用系统或纯ML会议。
查看详情

NeurIPS论文投稿定位指南

neural-information-processing-systems
brycewang-stanford/Awesome-Journal-Skills
189
本技能为目标投递顶尖AI会议（如NeurIPS）的作者提供全面的指南。它帮助研究人员优化论文叙事，确保研究贡献符合会议对广度、高新颖度的机器学习论文标准。内容涵盖了主题匹配、证据深度要求、论证结构、跨学科论述，以及最新的投稿周期规则，旨在最大化论文的被接受几率。
查看详情

NeurIPS成果物评估与提交指南

neurips-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
365
本指南适用于NeurIPS会议的科研成果物（代码、数据、模型、基准测试等）的打包与展示。它详细阐述了匿名评审包、公开发布包的要求，旨在确保科学贡献的可复现性，指导用户提供完整的元数据、许可证和运行环境信息。
查看详情

NeurIPS论文回复撰写指南

neurips-author-response
brycewang-stanford/Awesome-Journal-Skills
154
本指南旨在指导作者撰写NeurIPS等顶级会议的回复和申辩稿件。它强调遵循双盲评审约束，重点应放在提供技术证据来澄清误解，而非情绪争辩。回复必须结构化，目标是引导审稿人和AC做出准确的决策。
查看详情

NeurIPS投稿终稿准备指南

neurips-camera-ready
brycewang-stanford/Awesome-Journal-Skills
208
本指南详细介绍了投稿NeurIPS终稿版本所需的完整步骤和各项材料。流程涵盖了解除匿名化、更新元数据、解决最终内容问题，并确保所有面向公众的元素符合官方要求，确保论文最终发表。
查看详情

机器学习实验严谨性审计

neurips-experiments
brycewang-stanford/Awesome-Journal-Skills
429
本指南旨在帮助研究人员在提交顶尖机器学习会议论文前，系统性地对实验证据进行压力测试和审计。涵盖了基线模型、消融实验、鲁棒性验证、数据泄露检查等多个环节，确保研究成果具有高度的科学性和可复现性。
查看详情

NeurIPS相关工作撰写指南

neurips-related-work
brycewang-stanford/Awesome-Journal-Skills
334
本指南指导作者如何撰写“相关工作”部分，确保论文的创新点和技术优势能够准确且有力地定位在复杂的学术背景中。它帮助作者对比相邻会议、最新的预印本，并精确定位与现有方法的技术差异，从而最大程度降低学术定位风险，适用于顶会投稿。
查看详情

NeurIPS论文可复现性指南

neurips-reproducibility
brycewang-stanford/Awesome-Journal-Skills
414
本指南为投稿顶级机器学习会议（如NeurIPS）的作者提供全面的可复现性要求指导。内容涵盖数据划分、超参数、随机种子和计算资源等关键实验环节的透明化要求。它帮助作者评估论文的核心贡献是知识创新还是结果复现，从而确定最合适的投稿路线（主会或MLRC/TMLR）。
查看详情
上一页1234下一页
语言
简体中文
English