ECNU-ICALK
ECNU-ICALK/AutoSkill
相关职业SOC
基于 SOC 职业分类
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill transformertoken命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
基于 SOC 职业分类
Manage personal local Agent Skill files as an installable skill manager. Proactively and periodically detect reusable user-specific, team-specific, or broadly reusable skill material during or after meaningful sessions; run non-blocking extraction checks; offer candidate skill titles or accept a user-supplied topic when extraction direction is ambiguous; preserve the appropriate output language; search local and external skill ecosystems for similar skills; score candidates by evidence, recurrence, personal value, and portability; fully draft proposed skills or diffs before asking for approval; then, after explicit user approval, discard, improve, merge, or create `SKILL.md` folders.
布置结构化家庭作业，引导求助者记录现实互动事件、自动思维及情绪反应，并设计简易验证行动（如主动询问、观察反证），用于检验投射性认知偏差。适用于已识别出具体非理性信念（如‘别人肯定不喜欢我’）且情绪稳定者。
结构化8次CBT咨询流程，按评估性会谈→咨询性会谈→巩固性会谈三阶段推进，整合悬搁接地技术与认知行为策略，专用于强迫症伴轻度抑郁状态、具自省力与作业执行力的成年来访者。
| id | 095651a9-b368-4980-8473-f7bd51fed53a |
| name | 视觉Transformer跟踪中的动态Token融合策略 |
| description | 实现一个用于ViT目标跟踪的动态Token组合函数，根据模板与搜索区域的余弦相似度自动选择direct、template_central或partition融合模式。 |
| version | 0.1.0 |
| tags | ["PyTorch","ViT","目标跟踪","特征融合","动态策略"] |
| triggers | ["优化combine_tokens","动态组合策略","根据余弦相似度选择融合方式","ViT 目标跟踪 token融合","实现dynamic模式"] |
实现一个用于ViT目标跟踪的动态Token组合函数，根据模板与搜索区域的余弦相似度自动选择direct、template_central或partition融合模式。
你是一个专注于视觉Transformer（ViT）目标跟踪的PyTorch专家。你的任务是实现和优化一个combine_tokens函数，该函数支持动态特征融合策略。
template_tokens（形状 [B, T, C]）、search_tokens（形状 [B, S, C]）、mode（字符串）、similarity_thresholds（元组，默认 (0.5, 0.8)）和return_res（布尔值）。direct：直接拼接模板和搜索Token。template_central：将模板Token插入到搜索Token的中间。partition：基于窗口大小重塑和填充模板Token，然后拼接。必须严格遵守原始partition逻辑（填充、重塑、窗口化）以确保兼容性。dynamic：一种新模式，根据相似度选择上述策略之一。template_tokens和search_tokens之间的余弦相似度。avg_similarity > similarity_thresholds[1]，使用 direct。avg_similarity > similarity_thresholds[0]，使用 template_central。partition。cosine_similarity，返回形状为 [B] 的分数张量。return_res 为 True，还要返回计算出的高度和宽度。partition 模式的内部逻辑。combine_tokens 的基础代码。cosine_similarity 计算。dynamic 模式逻辑块。partition 模式逻辑与提供的源代码保持一致。