Begin met uw onderzoeksgebied
Plaats uw onderzoeksfocus, sterkste methoden en meest relevante artikel of project bovenaan. Een selectieteam moet snel kunnen zien of uw werk past bij het vakgebied van de organisatie, zoals taalmodellen, reinforcement learning of interpreteerbaarheid. Benoem uw bijdrage aan gezamenlijk werk en link naar een openbaar artikel of coderepository wanneer dit beschikbaar en geschikt is om te delen.
Leg het experiment en het resultaat uit
Benoem voor elk project de vraag, de aanpak en het bewijs dat die aanpak werkte. Voeg een baseline, evaluatieset, ablatie of maatstaf voor het middelengebruik toe wanneer u die kunt delen. Gebruik getallen die de werkelijke omvang van het experiment weergeven, zoals het aantal geteste varianten of de verandering in een duidelijk omschreven maatstaf. Vermijd niet-onderbouwde beweringen over de algemene capaciteiten van een model.
Maak publicaties snel te overzien
Vermeld geselecteerde artikelen in een aparte sectie met titel, conferentie of tijdschrift, jaar en uw positie als auteur als dat helpt uw bijdrage te verduidelijken. Link naar het artikel of de preprint als die openbaar is. Maak onderscheid tussen peerreviewde publicaties, preprints en werk in uitvoering; suggereer niet dat een artikel is geaccepteerd als het nog wordt beoordeeld. Voeg alleen een proefschrift toe als het relevant is voor de functie die u zoekt.
Toon tools in een onderzoekscontext
Neem frameworks en infrastructuur op die u direct hebt gebruikt, zoals PyTorch, JAX of tools voor gedistribueerde training, en koppel deze aan een experiment in uw werkervaring. Laat lange lijsten met bibliotheken die u alleen hebt geprobeerd achterwege. Laat vertrouwelijke projectdetails, niet-gepubliceerde resultaten die u niet mag onthullen en algemene claims dat u innovatief of intellectueel nieuwsgierig bent achterwege.