BootLoops
AI 协作工具面向定量科学的工具体系,将科学计算软件与结果检验协议组织起来,供大语言模型调用。
PIL LAB / RESEARCH RESOURCES
围绕科学计算、概率推断与文献管理,精选直接服务研究的工具。每项附收录理由、适用场景与官方资料,便于按需选用。
4 项精选资源 · 3 类科研任务
资料更新 2026.10.20
显示 4 / 4 项资源
组织模型、工具与人工审核,辅助完成多步骤研究任务。
面向定量科学的工具体系,将科学计算软件与结果检验协议组织起来,供大语言模型调用。
符号推导与概率计算,用独立方法检查研究结果。
Python 符号计算库,支持代数化简、微积分、方程求解和矩阵运算。
资料更新:2026-10-20。
依据:软件论文(PeerJ, 2017) · 官方入门 · 变量假设说明 · 条目链接
基于 JAX 的概率编程库,提供 MCMC 与变分推断等贝叶斯推断方法。
资料更新:2026-10-20。
依据:方法论文(2019) · 官方仓库与算法说明 · 诊断文档 · 条目链接
整理文献、阅读笔记与引用,维护可核对的研究记录。
收集、整理与批注文献,管理阅读记录并生成引用和参考文献列表。
试试其他关键词,或点击上方“清除筛选”浏览全部条目。
优先选择用途明确、积累充分的工具,并说明其对日常研究的具体价值。新项目须有可查阅的官方文档、代码或方法资料,以及清晰的适用任务。每项记录收录理由与来源;仅有热度、宣传案例或功能列表,不足以构成推荐理由。不设收录数量目标,不接受付费排名。
AI 生成的代码、推导和引用仍需独立检查。运行智能体前限制文件与网络权限;使用云服务前确认数据政策,不上传未经授权的未发表稿件、个人信息或访问凭据。开源不等于零成本,模型调用、云计算和存储可能单独收费;许可与服务条款以官方说明为准。
条目数据公开维护于 GitHub。新增资源需说明具体用途、相对现有工具的价值、使用限制与来源;性能和效果描述须有对应证据。用途重叠、维护中断或推荐依据不足的条目可撤下归档。欢迎补充注明版本、环境与步骤的使用经验。建议资源或反馈问题 ↗