ai-dataset-quality-audit-agent-skill 是做什么的？
📊 AI训练数据集质量审计 | 生产级Codex技能，用于预训练数据集审计（平衡性、偏见、泄露、伦理适配性），将评分绑定到命名框架（NIST、Gebru的数据表），并使用crawl4ai管道。
📊 AI训练数据集质量审计 | 生产级Codex技能，用于预训练数据集审计（平衡性、偏见、泄露、伦理适配性），将评分绑定到命名框架（NIST、Gebru的数据表），并使用crawl4ai管道。
该技能是一个面向AI训练数据集的质量审计代理，专为Codex等AI代理平台设计。其核心功能是对预训练数据集进行多维度审计，涵盖平衡性（Balance）、偏见（Bias）、泄露（Leakage）和伦理适配性（Ethical Fitness）等关键指标。技能会将审计结果评分自动绑定到业界公认的框架上，如NIST标准和Gebru的Datasheets for Datasets框架，确保评估过程标准化且可追溯。整个审计流程基于crawl4ai管道构建，实现了高效的数据爬取与处理。该技能非常适合需要对其训练数据进行严格质量把控的AI开发团队和研究者，帮助他们在模型训练前识别潜在的数据缺陷。
npx skills add dungnotnull/ai-dataset-quality-audit-agent-skillInstalled? Explore more 研究与数据分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
📊 AI训练数据集质量审计 | 生产级Codex技能，用于预训练数据集审计（平衡性、偏见、泄露、伦理适配性），将评分绑定到命名框架（NIST、Gebru的数据表），并使用crawl4ai管道。
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.