写作与内容 arxivpaper-publishingmarkdownyaml-frontmatterhugging-face-hubbibtexresearch-articles

Hugging Face 论文发布器

在 Hugging Face Hub 上发布、关联和管理研究论文。

FollowSkills 评估 · FSRS-2.0
不推荐
36/ 100 五分制 1.8 / 5
信任安全9 / 25 · 1.8/5

源码明确要求 HF_TOKEN 并执行 Hub 读取和上传,且链接操作默认直接提交;没有用户确认、最小权限说明、变更预览或回滚机制,create-pr 参数实际仍会直接提交。对外部 arXiv/Hugging Face 数据有基础文本清理,但敏感令牌处理、数据流披露和来源归因不完整,因此扣分。

可靠稳定6 / 20 · 1.5/5

核心脚本包含参数校验、异常捕获、超时和错误返回,主路径在静态上基本连贯;但文档列出的 list-my-papers、toggle-visibility、validate 等命令未实现,search 只是占位输出,依赖版本约束与文档也不一致。未执行测试,故保持较低分。

适用触发6 / 15 · 2.0/5

目标场景较清楚,覆盖论文索引、仓库链接和文章模板;但触发条件、非适用边界、实际输出契约和权限前置条件不够明确。核心功能依赖 Hugging Face 与 arXiv 外部服务,未说明中国大陆网络可达性,也没有中文使用支持。

规范维护7 / 15 · 2.3/5

目录、快速参考、示例、模板和错误处理章节较完整,仓库提供 Apache-2.0 许可证并标注版本 1.0.0;但命令文档与实现不一致,维护责任、变更记录、更新路径和已知限制未清楚声明,且部分模板仍是占位内容。未因未验证发布者身份额外扣分。

有效结果5 / 15 · 1.7/5

代码可支持部分实际任务:检查论文、读取 arXiv 信息、链接 README、生成初稿和 BibTeX;但 index 并不真正执行索引,部分功能未实现,模板输出需要大量人工补写,未提供静态可验证的代表性成品或替代方案比较,因此仅给中低分。

证据核验3 / 10 · 1.5/5

脚本、示例和返回结构提供了有限的可审计证据,但没有提交的测试套件、CI 覆盖或第三方执行记录;若干文档声明与代码矛盾,结论只能来自静态阅读,不能支持更高分。

证据充分度: 评估于 2026年7月20日 审查版本 86cdeee824b7
上游仓库在本次评估后已有新提交;当前评分仍对应所示审查版本,可能尚未覆盖最新改动。
使用前请注意
  • 运行 link 会使用 HF_TOKEN 读取并直接覆盖目标仓库 README;执行前应明确确认仓库、权限、提交内容并准备手工备份。
  • 不要把 create-pr 当作安全的预览或拉取请求模式;源码明确显示该选项尚未实现且仍会直接提交。
  • 文档中的可见性管理、我的论文列表、验证链接等功能在提供的脚本中没有对应实现。
  • index、search 和部分模板能力比描述弱;外部 Hugging Face/arXiv 服务的网络可达性和限流可能影响结果。
  • 不要将模板中的示例指标、作者、结果或引用视为真实研究证据。
查看完整评分方法 →

这个 Skill 能做什么,适合哪些场景?

该技能面向需要在 Hugging Face Hub 管理研究成果的 AI 工程师和研究人员。它可以从 arXiv 索引论文、关联模型和数据集、处理作者认领,并生成 Markdown 格式的研究文章。技能还支持 YAML 元数据、引用信息、论文可见性和多论文关联。它适合已经使用 Hugging Face Hub 且需要规范化论文发布流程的团队或个人。

通过 uv run 执行 scripts/paper_manager.py,根据 arXiv ID 索引或检查论文,搜索论文,关联模型、数据集或 Space,生成引用信息,发起和检查作者认领,列出个人论文并切换个人主页可见性。它还可以使用 standard、modern、arxiv 和 ml-report 模板生成 Markdown 研究文章,并将 Markdown 转换为 HTML。脚本会读取或更新仓库 README、YAML frontmatter 和论文链接;操作 Hugging Face Hub 时需要 HF_TOKEN

  1. 研究人员将新发布的 arXiv 论文索引到 Hugging Face Paper Pages。
  2. 模型作者把论文链接、引用和 arXiv 标签加入模型卡。
  3. 数据集维护者把数据集与一篇或多篇研究论文关联。
  4. 论文作者验证 Hugging Face 上的作者身份并管理主页展示。
  5. 机器学习团队从模板生成结构化研究文章并转换为 HTML。

这个 Skill 有哪些优点和局限?

优点
  • 覆盖论文索引、仓库关联、作者认领、可见性和文章生成等完整流程。
  • 支持模型卡、数据集卡和 Space 的论文关联,以及多论文引用。
  • 提供多种研究文章模板、动态目录、LaTeX 数学和 HTML 转换能力。
  • 使用 PEP 723 内联依赖,推荐通过 `uv run` 执行。
局限
  • 依赖 Hugging Face Hub、arXiv 网络访问和具有写入权限的令牌。
  • 作者认领可能需要管理员审核,邮箱不匹配时会失败。
  • 源材料未提供测试套件、平台覆盖或性能数据。
  • 论文写作本身仍需用户补充内容,且提交 arXiv 被明确列为外部流程。

如何安装这个 Skill?

按照仓库 README,将 skills/huggingface-paper-publisher 目录复制或符号链接到 Codex 的标准 .agents/skills 目录,例如 $REPO_ROOT/.agents/skills$HOME/.agents/skills。仓库 README 也支持通过 hf skills add <skill-name> 按需安装技能;具体名称为 huggingface-paper-publisher

如何使用这个 Skill?

在编码代理中直接提出类似“使用 Hugging Face paper publisher skill,将 arXiv 论文 2301.12345 索引到 Hugging Face,并关联到 username/model-name”的请求。也可以在技能目录中运行 uv run scripts/paper_manager.py index --arxiv-id "2301.12345"link --repo-id "username/model-name" --repo-type "model" --arxiv-id "2301.12345"create --template "modern" --title "Your Paper Title" --output "paper.md"。运行脚本前需设置具有写入权限的 HF_TOKEN;源材料未说明具体代理如何自动触发脚本。

常见问题

使用该技能需要什么权限?
运行发布和仓库关联操作需要设置具有写入权限的 `HF_TOKEN`;源材料没有说明其他权限范围。
它能直接把论文提交到 arXiv 吗?
不能从源材料确认这一点。示例将提交 arXiv 标为外部流程,技能负责之后的 Hugging Face 索引和关联。
论文关联失败时可能是什么原因?
源材料列出的原因包括令牌没有仓库写权限、README YAML 无效、论文尚未索引、arXiv 链接格式不正确或请求过于频繁。

同仓库的其他 Skills

均来自 huggingface/skills

开发与工程

Hugging Face 论文研究助手

读取 AI 论文并提取 Hugging Face 论文页的结构化元数据。

数据与分析

Sentence Transformers 训练助手

为检索、相似度与稀疏搜索训练 Sentence Transformers 模型。

数据与分析

Hugging Face 模型内存估算器

在不下载权重的情况下估算模型推理所需内存。

开发与工程

Hugging Face 本地模型运行器

帮助你从 Hugging Face 选择合适的 GGUF 量化模型,并用 llama.cpp 在本机运行。

开发与工程

Hugging Face MCP 助手

通过 MCP 让智能体直接搜索、阅读并使用 Hugging Face Hub 资源。

开发与工程

Hugging Face Hub CLI 技能

让智能体通过 hf 命令管理 Hugging Face Hub 上的模型、数据集、空间、作业与基础设施。

开发与工程

Hugging Face ZeroGPU 开发指南

帮助你构建可靠的 Gradio ZeroGPU AI 演示与 GPU 工作负载。

开发与工程

LoRA Space Demo Builder

为 Hugging Face LoRA 自动设计并发布定制化 Gradio 演示 Space。

开发与工程

Hugging Face Spaces 构建器

帮助智能体创建、部署和维护 Hugging Face Spaces 应用。

数据与分析

Hugging Face 数据集探索助手

通过 Dataset Viewer API 探索、检索和提取 Hugging Face 数据集。

数据与分析

Hugging Face LLM 训练器

在 Hugging Face 云端 GPU 上训练、微调并保存模型。

数据与分析

Hugging Face 本地模型评测

在本地硬件上为 Hugging Face Hub 模型运行可控的 inspect-ai 或 lighteval 评测。

数据与分析

Trackio 实验追踪

记录、监控并分析机器学习训练实验,让指标和诊断告警可供自动化工作流使用。

数据与分析

Hugging Face 视觉模型训练助手

在 Hugging Face Jobs 云 GPU 上训练检测、分类与分割视觉模型,并将结果保存到 Hub。

数据与分析

Hugging Face 模型优选器

根据任务、基准成绩和设备内存筛选并推荐合适的 AI 模型。

开发与工程

Hugging Face API 工具构建器

把 Hugging Face API 调用组合成可复用、可管道化的命令行工具。

自动化与运维

AWS 云账户上下文发现

在 AWS 操作前准确识别本地配置、账户与身份。

自动化与运维

SageMaker 模型部署规划器

为不同模型和流量需求选择合适的 AWS SageMaker 部署路径。

自动化与运维

SageMaker Python 环境管家

为 SageMaker 与 AWS 任务创建隔离且版本正确的 Python 环境。

数据与分析

TRL 大模型训练助手

用 TRL 命令行完成语言模型的监督微调、偏好对齐与强化学习训练。

相关 Skills