- 博客(673)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 别再只让 AI“改语法”了：Research-Paper-Writing-Skills——把论文从“写出来”打磨到“说服审稿人”
Agent Skill 可以理解为“可安装、可复用、可按需加载的 AI 工作手册”。根据Agent Skills 规范，一个技能至少包含一个SKILL.md文件，其中包括技能名称、用途说明和执行指令，也可以附带参考文档、脚本、模板和其他资源。普通 Prompt 通常是一次性的：你把一段指令发送给 AI，AI 根据当前上下文给出回答。Agent 启动时，先知道有哪些技能，以及每个技能适合什么任务。当你的任务与某个技能匹配时，Agent 读取该技能的完整SKILL.md。
2026-08-29 20:46:35
272
原创 AtomGit（优快云）全解析：面向AI与国产开源的新一代代码协作平台
AI场景适配拉满：免费LFS、模型数据集托管、配套免费算力，是国内最适配大模型研发的托管平台；国产官方背书：开放原子基金会+优快云联合运营，合规稳定，鸿蒙生态独家优势；国内访问极速：无需翻墙，克隆、推送、下载大文件速度远超GitHub；生态联动性强：打通优快云社区，项目曝光率高，助力个人开源成长；零使用门槛：优快云账号一键登录，核心功能全部免费，新手极易上手；功能一体化：告别多平台切换，代码、模型、数据、算力一站式搞定。AtomGit 作为 优快云 联合开放原子基金会打造的新一代国产开源协作平台。
2026-08-04 00:41:37
425
原创 Liner（Getliner）科研 AI 文献工具全解析：从 Scholar Mode 到文献综述工作流
Liner：提升科研效率的AI文献分析工具 Liner是一款专注于解决科研痛点的AI工具，旨在优化文献查找、阅读和整理流程。它通过整合AI检索、PDF阅读、文献比较和综述生成功能，填补了传统学术搜索引擎与文献管理器之间的空白。核心优势在于快速理解论文内容、追踪研究脉络并生成可验证的结论。 产品包含浏览器插件、网页端和移动App，提供网页/PDF高亮、AI问答、多文献综合分析等功能。特别推出的Liner Scholar工作空间针对学术研究场景，支持学术来源检索、文献比较和引文推荐。不同于传统工具仅提供论文列表
2026-08-04 00:20:51
196
原创 蜜崽检索深度体验：用中文写论文，让 AI 帮你反向匹配英文参考文献
蜜崽检索：AI驱动的英文文献检索工具 蜜崽检索是一款面向科研人员的AI文献检索工具，旨在解决英文文献检索中的三大痛点：语言障碍、反向引用查找困难和工具链割裂。其核心功能包括： 自然语言检索：支持中英文混合输入，自动生成专业检索词； 反向文献匹配：根据论文段落智能推荐支撑文献，标注期刊分区/影响因子； 全流程整合：集检索、分析、阅读、管理于一体，支持3.3亿+英文文献库； 观点验证：自动统计文献对论点的支持/反对证据，生成可溯源的报告。 适用场景包括论文写作补引用、开题调研、基金论证等，显著提升效率（如单条引
2026-08-02 23:25:14
220
原创 玻尔（Bohrium）深度体验：一个平台搞定文献、计算与实验的 AI 科研空间站
做科研的人，电脑里往往同时开着一堆工具：查英文文献用 Web of Science 或 Google Scholar，查中文文献用知网、万方，读文献靠翻译软件和 PDF 阅读器，管理文献用 EndNote 或 Zotero，跑计算还得自己搭环境、找算力……工具链支离破碎，大量时间消耗在"找"和"切"上，真正用于思考的时间反而被压缩。有没有一个平台，能把"读文献—做计算—做实验—多学科协同"这一整条科研链路串起来？这就是本文要介绍的玻尔（Bohrium）科研空间站。
2026-08-02 23:11:22
724
原创 玻尔科学导航保姆级教程：从查文献到写综述，如何匹配中英文参考文献？
玻尔科学导航是一个AI驱动的科研平台，旨在解决学术研究中常见的中英文文献转换、海量文献筛选、跨库检索等难题。它集成了学术搜索、论文阅读、知识管理和内容生成功能，支持自然语言提问和中英文文献匹配，能辅助完成文献综述、参考文献整理等任务。与Google Scholar相比，玻尔更侧重理解科研问题并提供整理后的结果，适合科研新手、跨学科研究者及需要撰写综述的用户。但需注意AI总结不能完全替代原文阅读，建议作为研究框架辅助工具使用。
2026-08-02 23:09:02
364
原创 LitSense：论文写作中反向查找参考文献的终极利器
LitSense：高效反向查找参考文献的科研工具 LitSense是美国NCBI开发的句子级生物医学文献检索系统，支持通过已写好的论文句子反向查找匹配的参考文献。其核心功能包括： 精准检索：覆盖PubMed和PMC的14亿+句子，支持术语加权和语义检索，突破关键词限制； 智能筛选：按文章章节（引言/方法/结果等）和发表时间筛选结果，快速定位证据； 可视化分析：通过颜色标注相关度，高亮生物医学实体，一键查看上下文。 实战流程：输入待引用的句子→获取匹配结果→筛选高相关文献→验证后导出引用。相比传统检索，Lit
2026-08-02 20:30:16
361
原创 LitSense 保姆级教程：如何根据一句话反向找到论文和参考文献？
科学论文中的一句话，常常不能脱离上下文理解。例如：如果只看到前一句，可能会误以为研究发现了显著关系。LitSense 可以把匹配到的句子放回摘要或全文中，并进行高亮显示。你可以查看它前后的句子，避免断章取义。点击这个选项，可以跳转到摘要，并定位到相关句子。相关句子前面的内容；相关句子后面的内容；研究目的；研究方法；研究结果；作者最终结论。Abstract；Background。
2026-08-02 20:26:02
982
原创 Awesome Scientific Writing保姆级教程：用Quarto、Zotero和Pandoc搭建可复现的科研写作工作流
本文介绍了一个科学写作工具资源列表项目awesome-scientific-writing，它系统整理了科研论文写作所需的各类工具和资源，而非自动写作AI。该项目将科学写作工具分为文献管理、公式与图表引用、论文编写、格式转换等8大类，强调通过Markdown、Quarto等现代工具构建可重复、可追溯的科研写作工作流。文章对比了Awesome List与AI技能的区别，指出其核心价值在于帮助研究者发现和组合工具，而非自动生成论文，并提出了基于六层结构（写作层、引用层、计算层等）的科研写作方法论，为研究者提供了
2026-07-21 00:33:13
249
原创 Nature Skills保姆级教程：让Codex覆盖文献检索、论文写作、审稿与返修的完整科研工作流
请使用nature-figure绘制主动学习预算—性能曲线。我选择Python。科学结论：比较不同算法在相同特征获取预算下的Macro-F1。要求：1. 横轴是平均特征获取成本；2. 纵轴是Macro-F1；3. 每条线对应一个算法；4. 显示95%置信区间；5. 不同算法同时使用颜色、线型和点型区分；6. 黑白打印时仍可识别；7. 不要平滑或修改原始数据；8. 导出PDF、SVG和300 dpi PNG；9. 同时输出可复现脚本。
2026-07-21 00:15:54
834
原创 Claude Scholar 保姆级教程：把 Codex 变成贯穿文献、实验与论文写作的科研助手
AI 可以一次生成十几个研究点，却不告诉你哪些已经有人做过；AI 可以列出大量参考文献，但其中可能混入不存在的论文；AI 可以编写实验代码，却可能忽略随机种子、数据泄漏和统计显著性；AI 可以分析实验结果，却容易把微小的性能提升包装成重大突破；AI 可以润色论文，却不知道某个结论是否真的得到实验支持；每次打开一个新对话，都要重新解释研究背景、数据、实验和论文进度。问题并不完全在于大模型不够聪明。
2026-07-20 23:52:28
503
原创 Scientific Agent Skills 保姆级教程：如何把 Codex、Claude Code 变成科研助手
AI 能解释一个算法，却不一定知道如何设计严谨的对比实验；AI 能生成代码，却可能忽略数据泄漏、随机种子和统计显著性；AI 能搜索论文，却可能给出不存在的参考文献；AI 能画图，但生成的图片未必符合论文发表规范；AI 能润色论文，却无法判断研究结论是否真的得到实验结果支持；同一个任务询问两次，AI 给出的工作流程可能完全不同。造成这些问题的一个重要原因是：大语言模型拥有广泛的知识，却不一定掌握稳定、专业、可复现的科研操作流程。
2026-07-20 23:28:57
2356
原创 AI Research Skills Library 保姆级教程：让 AI Agent 帮你做机器学习研究、实验与论文写作
的价值，不在于它有多少个 skills，而在于它把 AI research 拆成了一套更可执行的流程。文献调研；研究构思；实验设计；模型训练；评估分析；论文写作；引用核验；审稿模拟。对于机器学习研究者来说，这类工具真正有用的地方是：帮助你减少重复劳动，规范实验流程，拓展 idea 空间，并在写论文前提前发现风险。但也要记住：它是研究助理，不是研究负责人。文献是否真的支持论断，实验是否公平，理论是否成立，创新点是否足够，最终仍然需要研究者自己判断。
2026-07-20 22:36:50
454
原创 Academic Research Skills for Codex 保姆级教程：从研究问题到论文审稿的完整科研工作流
对于你这种要做文献、idea、理论、算法、实验和论文闭环的研究者，它确实是目前很匹配的技能。用于论文大纲、摘要、正文起草、修改、引用格式、AI disclosure、LaTeX/DOCX/PDF 格式相关任务。很适合你的主动学习实验：固定随机划分、统一初始标注集、多个算法同一 budget 曲线、AULC 指标、配对 t 检验、消融实验、日志结构，都可以纳入它的流程。对你的主动学习实验特别有用，比如随机划分、初始标注集、budget、多个算法公平对比、统计显著性检验等。适合你准备认真推进一篇投稿论文时用。
2026-07-20 22:05:36
6179
原创 __init__ 详解（Python类构造初始化方法）
类定义里默认第一个写的函数就是__init__，是类的入口初始化函数；创建实例时自动调用，不用手动写；第一个参数必须是self，代表自身实例；所有self.属性是每个对象独有的数据；双下划线包裹的函数统称魔术方法，Python内部自动触发执行。
2026-07-06 21:31:55
282
原创 什么是嵌入空间？听起来高大上，其实。。。
这些向量所在的向量空间，就可以叫嵌入空间。它的核心作用是：让机器能够用距离、角度、内积等数学方式来表达对象之间的相似性、差异性和结构关系。所以嵌入空间不是唯一的，也不是天然固定存在的。更准确地说：数据本身可能有某种潜在结构，但嵌入空间是通过设计和学习得到的。同一批数据，用不同模型、不同损失函数、不同训练目标，会得到不同的嵌入空间。可以简单理解为：把原本不好直接计算的对象，映射成向量以后所在的空间。在深度学习中，嵌入空间通常是由神经网络学习出来的。这说明模型把语义相近的对象放在了空间中相近的位置。
2026-06-13 23:00:33
307
原创 什么是HTML PPT
HTML PPT = 用网页技术做的幻灯片，浏览器直接打开、跨设备不乱版、AI生成快、适合技术/线上场景。要不要我给你一个可直接复制运行的最简HTML PPT代码，你双击就能看到效果？
2026-06-10 16:31:00
615
1原创 遗传算法中的轮盘赌选择法（Roulette Wheel Selection）
设种群有 (N) 个个体，第 (i) 个个体适应度为 (f_i)👉 改进：排序选择、锦标赛选择（教学里常用轮盘赌作为基础原理）。适应度越高，占区间越大，被选中概率越高。总适应度 (F = 30)
2026-05-07 17:48:00
326
原创 sklearn.utils.validation.check_random_state 详解
如果你写带随机行为的工具函数，强烈建议用它统一处理种子# 标准化处理随机种子# 使用返回的 rng 生成随机数# 调用：传整数 → 可复现作用：统一校验随机数种子，返回标准实例，保证随机性可复现。输入：支持None/ 非负整数 /实例。使用：自定义随机函数、调用 sklearn 模型时都可以用，是实现可复现实验的核心工具。优势：安全、无副作用、兼容 sklearn 全生态。两个导入路径，指向同一个函数功能无任何区别。
2026-04-30 17:41:31
452
原创 Python代码中if __name__ == ‘__main__‘的作用是什么？
这篇文章深入浅出地讲解了Python中if __name__ == '__main__'的作用原理和使用场景。文章首先解释了__name__这个特殊变量的两种取值情况：直接运行时等于'__main__'，被导入时等于模块名。然后通过具体代码示例，展示了该语句如何控制代码块仅在直接运行时执行。最后总结了三个实际开发中的主要用途：避免测试代码意外执行、区分模块功能与脚本运行、编写可独立运行又能被导入的工具文件。全文用通俗易懂的语言和示例，帮助读者理解这个Python编程中的经典语句。
2026-04-15 10:04:47
308
原创 Anaconda 的powershell和Windows的powershell有什么不同？
Anaconda PowerShell与Windows PowerShell的核心区别在于Conda环境集成：前者自动加载Conda并激活(base)环境，可直接使用conda命令；后者需手动初始化。两者底层相同，Anaconda版启动稍慢但开发便捷，原生版更纯净快速。可通过conda init命令实现两者功能切换，使用时需注意系统脚本执行权限设置。
2026-04-15 09:20:50
289
原创 人工智能导论 - 第3章 有监督学习进阶实验
hθxθ0θ1x1hθxθ0θ1x1θ0\theta_0θ0为偏置项，θ1\theta_1θ1为权重，xxx为输入特征。最小二乘法与梯度下降法的区别：逻辑回归为什么属于分类算法：KNN算法中K值大小对结果的影响：本次实验收获与难点：这份完整的Jupyter Notebook实验文档完全满足你的教学需求，包含实验目的、要求、准备，四大核心任务均配备。
2026-04-14 17:17:57
426
原创 线性回归与逻辑回归：同为凸函数，为何一个有解析解、一个没有？
模型目标函数凸性梯度=0 得到有无解析解线性回归平方损失（二次）凸线性方程组有逻辑回归交叉熵 + sigmoid凸非线性方程组无软 SVM/线性 SVM合页损失凸非线性/含约束无凸不凸决定有没有全局最优，求导后是不是线性方程，才决定有没有解析解。如果你需要，我可以把逻辑回归梯度推导、Hessian 半正定证明、以及为什么非线性方程无闭式解，用更数学的形式完整写一遍。全局最优存在性，梯度方程是否为线性决定解析解存在性。
2026-04-14 09:55:16
421
原创 Anaconda 本质解析
Anaconda 核心是包+环境管理器，而非编程语言/IDE，解决科研中环境兼容的核心痛点。其灵魂是 Conda，能隔离不同项目的依赖，保证代码可复现（国自然/科研关键要求）。预装海量数据科学包，是人工智能/数据分析方向科研的“标配工具”。
2026-03-17 16:05:59
96
原创 Jupyter使用简介
可以这样开场：我们之前装了Python解释器、可能也装了PyCharm这类IDE，但为什么还要学Jupyter？Jupyter（原名IPython Notebook）本质是一个交互式的网页版Python开发工具——你可以把它理解成“带代码运行功能的在线笔记本”：一边写代码、一边运行代码、还能一边写文字说明/公式/图片，代码和笔记完全融合在一起。核心定位：Jupyter是交互式网页版Python工具，优势是“代码+笔记”混排、分段运行，适合新手学习和做数据分析；核心操作。
2026-02-27 11:45:51
745
原创 范数(Norm) 全面解析：定义、种类、机器学习应用及PyTorch实现
范数是向量空间中对向量（或矩阵）的“长度/大小/模”的一种量化度量，是欧几里得空间中向量模长的推广（欧几里得模长是范数的特殊情况）。严格来说，一个函数∣∣⋅∣∣V→R∣∣⋅∣∣V→RVVV是向量空间，RR^+R是非负实数）要被称为范数，必须满足以下3条公理非负性∣∣x∣∣≥0∣∣x∣∣≥0，且仅当xxx为零向量时，∣∣x∣∣0||x|| = 0∣∣x∣∣0；齐次性：对任意标量α\alphaα∣∣αx∣∣。
2026-02-06 16:46:51
1213
原创 torch.distribution函数详解
操作方法说明定义分布dist = DistributionClass(参数)如采样生成指定形状的样本，支持批量概率计算计算x的对数PDF/PMF（数值更稳定）概率计算还原为原始PDF/PMF值分布差异计算两个分布的KL散度核心作用是PyTorch中概率建模的核心模块，支持连续/离散分布的采样、概率计算，且兼容自动微分；关键用法连续分布（Normal/Uniform）：关注PDF和样本分布的连续性；离散分布（Binomial/Categorical）：关注PMF和类别/次数的离散性；
2026-02-05 17:05:18
551
原创 Pytorch中的直方图
直方图核心：将数据划分为连续区间，统计每个区间的频数，直观展示数据分布。PyTorch 实现连续数据：用计算直方图频数，需指定binsminmax；离散数据：用更高效（无需划分区间）。可视化：结合matplotlib将 PyTorch 计算的频数绘制成柱状图，能直观看到数据的分布特征（如正态分布的钟形、离散数据的分布比例）。
2026-02-05 16:55:33
408
原创 Pytorch中的众数
核心定义：众数是一组数据中出现次数最多的数值，是描述数据集中趋势的统计量（和均值、中位数并列）。PyTorch 用法计算张量众数，指定dim可按维度计算，返回“众数值+首次出现索引”。特殊规则：存在多个众数时，PyTorch 会返回最先出现的那个数值。
2026-02-05 16:16:52
204
原创 Pytorch中统计学相关的函数
可以指定维度进行沿该维度的最大值索引计算，若不指定维度则返回展平后张量的最大值的索引。可以指定维度进行沿该维度的最小值索引计算，若不指定维度则返回展平后张量的最小值的索引。可以指定维度进行沿该维度的均值计算，若不指定维度则返回所有元素的均值。可以指定维度进行沿该维度的乘积计算，若不指定维度则返回所有元素的乘积。可以指定维度进行沿该维度的求和计算，若不指定维度则返回所有元素的和。可以指定维度进行沿该维度的最大值计算，返回最大值和对应的索引。可以指定维度进行沿该维度的最小值计算，返回最小值和对应的索引。
2026-02-05 16:07:19
175
原创 Tensor的比较运算
Tensor的比较运算是指对张量（Tensor）中的元素进行逻辑比较，返回一个布尔类型的张量或标量。常见的比较运算符包括等于、不等于、大于、小于等。这些运算通常用于条件筛选、掩码生成或逻辑判断。
2026-02-05 15:20:06
101
原创 用 PyTorch 库创建了一个随机张量，并演示了多种张量取整和分解操作
生成一个 2x2 的随机张量，元素值均匀分布在 [0,1) 区间。向上取整（天花板函数），输出不小于原数的最小整数。将张量每个元素乘以 10，使值域变为 [0,10)。向下取整（地板函数），输出不大于原数的最大整数。计算每个元素除以 2 的余数。截断小数部分（向零取整）。四舍五入到最接近的整数。
2026-02-05 15:08:52
143
原创 ChatGPT提示词大全
用英文将所有句子的过渡词和连接词替换为最基础、最常用的词语，尽量使用简单、直接的表达方式，避免使用复杂或生僻的词汇，尽量把逗号多的句子融成一句话，删掉逻辑联系词，确保句子之间的逻辑关系清晰，删掉文末总结的部分。
2026-02-03 22:08:16
95
Active learning via local structure reconstruction
2023-10-29
序分类数据集Obesity
2023-10-18
序分类数据集eucalyptus
2023-10-18
序分类数据集Knowledge
2023-10-18
序分类数据集Melanoma
2023-10-18
序分类数据集Nursery
2023-10-18
序分类数据集CTGs，数据类型：连续数值型
2023-10-18
主动学习方法：xPAL的python代码
2023-10-18
序分类数据集Nursery的one hot encoding版(12960个样本, 28个属性，类别数为5)
2023-05-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人