Metti in evidenza il tuo ambito di ricerca
Indica in alto il tuo focus di ricerca, i metodi più solidi e l’articolo o progetto più pertinente. Il team di selezione dovrebbe capire subito se il tuo lavoro è in linea con il suo ambito, ad esempio modelli linguistici, apprendimento per rinforzo o interpretabilità. Specifica il tuo contributo nei lavori collaborativi e, quando è disponibile e appropriato da condividere, inserisci un link a un articolo pubblico o a un repository di codice.
Spiega l’esperimento e il risultato
Per ogni progetto, indica la domanda, l’approccio e le prove che ne dimostrano l’efficacia. Quando puoi condividerli, includi un valore di riferimento, un set di valutazione, un’analisi di ablazione o una misura delle risorse. Usa numeri che rispecchino la portata effettiva dell’esperimento, come il numero di varianti testate o la variazione su una metrica definita. Evita affermazioni non supportate sulle capacità generali del modello.
Rendi le pubblicazioni facili da consultare
Elenca una selezione di articoli in una sezione separata, con titolo, sede di pubblicazione, anno e posizione tra gli autori, se aiuta a chiarire il tuo contributo. Se l’articolo è pubblico, inserisci un link. Distingui i lavori sottoposti a revisione paritaria dai preprint e dai lavori in corso; non indicare come accettato un articolo ancora in revisione. Aggiungi una tesi solo se è pertinente al ruolo che cerchi.
Inserisci gli strumenti nel contesto della ricerca
Includi i framework e le infrastrutture che hai usato direttamente, come PyTorch, JAX o strumenti per l’addestramento distribuito, e collegali a un esperimento nella sezione delle esperienze. Evita lunghi elenchi di librerie che hai solo provato. Ometti dettagli riservati sui progetti, risultati non pubblicati che non puoi divulgare e affermazioni generiche sull’essere innovativo o intellettualmente curioso.