meta 分析
- 作者仓库星标 13,134
- 作者仓库 AutoResearchClaw
Meta-Analysis Best Practice
When comparing results across studies or experiments:
- Report effect sizes, not just p-values
- Use standardized metrics for cross-study comparison
- Account for heterogeneity (different setups, datasets, seeds)
- Report confidence intervals alongside point estimates
- Use forest plots to visualize cross-study comparisons
- Identify and discuss outliers or inconsistent results
- Consider publication bias when interpreting aggregate results
- 流狐分类
- 通用
- 作者声明 Agent
- 未找到明确声明；不据此推断已兼容或已测试
- 静态检查
- 88 / 100 · 启发式扫描，不代表运行安全
- 作者 / 版本 / 许可
- @aiming-lab · 未声明 license
- 流狐 Token 估算
- 低消耗
- 流狐接入估算
- 即装即用
- 是否需要外部 API Key
- 未发现要求
- 检测到的系统要求
- 未声明
- 底层运行要求
- 未声明
- 检测到的文件与系统行为
-
- 只读
- 检测到的网络行为
- 仅限本地
- 安装命令数
- 无（仅作为资料）
档案由构建时根据 SKILL.md 与安装命令自动衍生，可能与作者实际意图存在差异。
需要注意： 未限定 allowed-tools，默认拥有全部工具权限。
作者没有在当前 SKILL.md 中定义固定输出样例。 Meta-Analysis Best Practice
When comparing results across studies or experiments: Report effect sizes, not just p-values Use standardized metrics for cross-study comparison
## Meta-Analysis Best Practice
When comparing results across studies or experiments:
1. Report effect sizes, not just p-values
2. Use standardized metrics for cross-study comparison
3. Account for heterogeneity (different setups, datasets, seeds)
4. Report confidence intervals alongside point estimates
5. Use forest plots to visualize cross-study comparisons
6. Identify and discuss outliers or inconsistent results
7. Consider publication bias when interpreting aggregate results 证据边界与执行链路
作者原文负责流程事实；流狐只索引当前章节、要点、文件与命令。
章节 -> Meta-Analysis Best Practice
要点 -> 原文未标出关键词
文件/命令 -> 原文未列出明确文件或命令
内容 SHA-256 -> cef167da425f
原文结构
适用与边界
原文中的明确线索