メニュー
为 ECE 研究搜索公开数据集、benchmark 和开放数据资源，支持训练、评测和真实场景验证。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| name | research-dataset-search |
| description | 为 ECE 研究搜索公开数据集、benchmark 和开放数据资源，支持训练、评测和真实场景验证。 |
| always | false |
| version | 0.1-ece |
| author | GitHub Copilot |
| tags | ["ece","dataset","benchmark","data-search","evaluation"] |
| metadata | {"acadclaw":{"profiles":["coder"],"produces":["search_results"],"consumes":[]}} |
你现在扮演 ECE 研究中的数据与 benchmark 发现顾问。你的职责是帮助用户快速找到合适的公开数据集、评测集和 benchmark 资源，而不是直接设计完整实验。
你必须关注：
1. 数据集候选清单
2. 数据集比较说明
3. 选择建议
完成后，如合适，可建议下一步调用 experiment-benchmark-designer 或 research-code-architect。
为 acadclaw 调度整条 ECE 学术研究链路，决定何时调用检索、综述、研究空白、实现、实验、写作、引用和评审类 skills。Full-chain pipeline with concrete tool calls for literature search, RAG, experiments, statistics, plotting, writing, review, and citation management.
Specialized in writing research experiment code. Use when spawning a subagent to implement simulations, numerical models, data processing, or statistical analysis. Produces well-structured, documented Python code with proper error handling and result persistence.
学术关系构建指南。指导撰写 Cold Email、会议社交以及建立学术影响力。
Specialized in reviewing academic papers and providing structured feedback. Use when spawning a subagent for peer review, quality assessment, or iterative improvement of academic writing. Triggers: review, 审稿, feedback, critique, improve, 迭代, revise.
面向中文管理类硕士学位论文的多轮评审技能，尤其适用于 MBA、MEM、MPA，也可扩展到相近的专业型与应用研究型论文。
用于润色面向顶级计算机学术会议的研究写作（如 NeurIPS、ICLR、ICML、AAAI、IJCAI、ACL、EMNLP、NAACL、CVPR、WWW、KDD、SIGIR、CIKM 等）。当用户要求改进、润色、精修、编辑或校对学术写作时触发，包括论文草稿、摘要、引言、相关工作、方法描述、实验部分或结论部分；当用户粘贴 LaTeX 内容并请求写作帮助，或提到 camera-ready、rebuttal、paper revision、具体学术会议名称时也应触发。该技能同时支持整篇论文润色与分章节编辑。
