ai-dataset-quality-audit-agent-skill 是做什麼的？
📊 AI 訓練資料集品質審計 | 生產級 Codex 技能，用於預訓練資料集審計（平衡性、偏差、洩漏、道德適任性）。將評分綁定至命名框架（NIST、Gebru 的 Datasheets）並使用 crawl4ai 管道。
📊 AI 訓練資料集品質審計 | 生產級 Codex 技能，用於預訓練資料集審計（平衡性、偏差、洩漏、道德適任性）。將評分綁定至命名框架（NIST、Gebru 的 Datasheets）並使用 crawl4ai 管道。
此技能為一個生產級的 AI 代理（例如 Codex）技能，專門用於對 AI 預訓練資料集進行全面品質審計。它能夠系統性地評估資料集在多個關鍵維度上的表現，包括資料平衡性、潛在偏差、資料洩漏風險以及道德適任性。技能的核心是將審計結果與業界公認的框架（如 NIST 和 Gebru 的 Datasheets for Datasets）進行綁定，從而提供可比較、可追溯的量化評分。這項技能通過整合 crawl4ai 管道來實現自動化資料蒐集與分析，顯著提升了審計流程的效率與標準化程度，非常適合需要保證資料集品質與合規性的開發者與資料科學家。
npx skills add dungnotnull/ai-dataset-quality-audit-agent-skillInstalled? Explore more 研究與資料分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
📊 AI 訓練資料集品質審計 | 生產級 Codex 技能，用於預訓練資料集審計（平衡性、偏差、洩漏、道德適任性）。將評分綁定至命名框架（NIST、Gebru 的 Datasheets）並使用 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.