स्किल मूल्यांकनकर्ता
स्किल का मूल्यांकन करने में मदद के लिए
स्किल मूल्यांकनकर्ता
स्किल का मूल्यांकन करने में मदद के लिए
सामग्री की झलक
विवरण
मूल्यांकन के लिए AI स्किल का नाम, लिंक या निर्देश दें। वास्तविक उपयोग परिदृश्यों में प्रमाण-आधारित प्रारंभिक गुणवत्ता जाँच की जाएगी। छह सवालों वाली त्वरित जाँच बरकरार रहती है (4 सकारात्मक＋1 नकारात्मक＋1 अस्पष्ट), और स्वचालित चयन तथा स्पष्ट रूप से बुलाने के बाद का निष्पादन अलग-अलग सत्यापित किया जाता है; मैन्युअल रूप से सफल कॉल को स्वचालित ट्रिगर की सफलता नहीं माना जाता। पाँच आयामों पर सीधे अंक दिए जाते हैं: ट्रिगर 30／निष्पादन 25／लागत 15／मजबूती और सीमाएँ 15／सुरक्षा 15। वर्तमान परीक्षण, ऐतिहासिक रन के प्रमाण, स्थिर जाँच और अप्रमाणित जानकारी को अलग-अलग दिखाया जाता है। महत्वपूर्ण प्रमाण अधूरे होने पर समग्र अंक या स्टार रेटिंग नहीं दी जाती। सुरक्षा का आकलन डेटा पहुँच, बाहरी प्रेषण और संचालन-अनुमति के आधार पर किया जाता है, लेखक की पहचान के समर्थन के आधार पर नहीं; गंभीर अनधिकृत पहुँच मिलने पर सिफारिश रोक दी जाती है। परिणामों में निष्कर्ष सबसे पहले दिए जाते हैं और एक पेज की रिपोर्ट में परीक्षण का दायरा, अप्रमाणित बिंदु और प्राथमिक सुधार सुझाव दिखाए जाते हैं; रिकॉर्ड अपने-आप बनाया जाता है। «深评» कहने पर स्वतंत्र दोहराए गए परीक्षण और स्रोतों की जाँच जोड़ी जा सकती है; शुरू करने से पहले बजट स्पष्ट किया जाएगा। यह स्किल केवल मूल्यांकन और सुझाव देती है, मूल्यांकित स्किल में अपने-आप बदलाव नहीं करती। यह स्वयं बनाए गए स्किल की गुणवत्ता जाँच, पहले से इंस्टॉल स्किल की दोबारा समीक्षा और मार्केटप्लेस स्किल को इंस्टॉल करने से पहले छँटाई के लिए उपयोगी है; छह सवालों के परिणाम पूर्ण प्रमाणन का प्रतिनिधित्व नहीं करते।
द्वारा अनुशंसित
Shuting@YouMind
हमें यह कौशल क्यों पसंद है
साक्ष्य-आधारित ढाँचा जो स्वचालित चयन और स्पष्ट निष्पादन को अलग रखता है, अप्रमाणित दावों पर अंक नहीं देता और सुरक्षा जोखिमों को निष्कर्ष में शामिल करता है।
संबंधित कौशल
सभी देखें
शोध परियोजना समीक्षा सहायक
विश्वविद्यालय-स्तरीय शोध परियोजनाओं की समीक्षा के लिए विशेषज्ञ सहायक। उपयोगकर्ता किसी एक श्रेणी की N परियोजनाओं की सामग्री देता है। प्रत्येक परियोजना में आवेदन-पत्र, औपचारिक जाँच सारणी／मध्यावधि जाँच-पत्र और सहायक प्रमाण—ये तीन प्रकार की फ़ाइलें होती हैं। फ़ाइलों के नाम अव्यवस्थित, गलत भेजे गए या बदले हुए हो सकते हैं; प्रारूप docx／xlsx／pdf／चित्र हो सकता है; और सहायक प्रमाण एक फ़ाइल में पैक या कई अलग-अलग फ़ाइलों में हो सकते हैं। यह Skill क्रमशः: ① सामग्री एंकर मिलान—दस्तावेज़ों के भीतर से परियोजना／केंद्र का नाम,负责人, संबद्ध कॉलेज और अवधि निकालकर तीनों सामग्रियों को एक-दूसरे से मिलाता है तथा फ़ाइल नाम और सामग्री के बीच असंगति वाले मामलों को जाँच के लिए चिह्नित करता है; ② प्रमाण मदों का मानकीकरण—पैक या अलग-अलग, दोनों स्थितियों में सामग्री को “मूल प्रमाण मदों” में विभाजित करता है और हर मद के लिए कोड तथा स्थिति टैग (पूर्ण／जाँच लंबित／अनुपस्थित／संदिग्ध) वाला रजिस्टर बनाता है, ताकि प्रमाण की पर्याप्तता का आकलन फ़ाइलों की संख्या से न किया जाए; ③ तीन आयामों में मद-दर-मद ऑडिट—हर प्रमाण की प्रासंगिकता, प्रामाणिकता और पर्याप्तता का मूल्यांकन करता है तथा आवेदन-पत्र की प्रतिबद्धताओं और मध्यावधि जाँच-पत्र में स्वयं बताए गए परिणामों से उसका मिलान करता है; ④ दोहरी स्कोरिंग और तुलनात्मक वर्गीकरण—परिशिष्ट 2 के पाँच मदों का भारित स्कोर रिपोर्टिंग मानदंड के रूप में और मध्यावधि जाँच के पाँच आयामों का स्कोर संदर्भ मानदंड के रूप में रखता है; दोनों को स्वतंत्र रखकर मिलाता नहीं है और सभी परियोजनाओं की रैंकिंग व वर्गीकरण करता है; ⑤ संरचित समीक्षा-कार्यपत्र तैयार करता है, जिसमें आधिकारिक फ़ॉर्म में सीधे चिपकाए जा सकने वाले “स्कोर + समीक्षा意见” शामिल होते हैं, और आवश्यकता होने पर इंटरैक्टिव स्कोरिंग वेबपेज भी बनाता है। डिफ़ॉल्ट रूप से 华立 के वर्तमान मानदंड अपनाए जाते हैं। काम शुरू होने से पहले उपयोगकर्ता संकेतक, भार और संदर्भ सामग्री की पुष्टि, बातचीत के माध्यम से संशोधन या अपलोड की गई सामग्री से प्रतिस्थापन कर सकता है। दो पुष्टि चरण होते हैं—पहले सामग्री मिलान और रजिस्टर, फिर स्कोरिंग और वर्गीकरण। सामग्री पहचानी न जा सके तो उपयोगकर्ता से पुष्टि माँगी जाती है। समापन-प्रकार की परियोजनाओं के लिए दो अतिरिक्त अनिवार्य शर्तें हैं: पहली, “आवेदन-पत्र में अपेक्षित परिणाम ↔ प्रमाणित परिणाम” का अनिवार्य मिलान; यदि प्रमाण में आवेदन-पत्र में सूचीबद्ध अपेक्षित परिणाम शामिल नहीं हैं, तो परियोजना को एक ही आधार पर असफल माना जाता है; दूसरी, टेम्पलेट संबंधी समस्याओं में “पूरी तरह गलत टेम्पलेट” (अयोग्य) और “आंशिक प्रारूप असंगति” (केवल थोड़े अंक काटे जाएँ) के बीच अंतर किया जाता है।
Skill गुणवत्ता जांचक (PDCA)
प्रबंधन गुणवत्ता प्रबंधन प्रणाली के साथ Skill का परीक्षण करें, न कि किसी आवेगपूर्ण सूची के आधार पर। Six Sigma CTQ/FMEA/DPMO × TQM × डेमिंग PDSA चक्र पर आधारित, Plan-Do-Check-Act चार चरणों के माध्यम से प्रस्तुत करता है: Sigma स्तर के साथ गुणवत्ता स्कोरकार्ड, RPN के अनुसार क्रमबद्ध दोष प्राथमिकता तालिका, निर्देश डिज़ाइन स्तर तक की मूल कारण विश्लेषण, और Poka-Yoke त्रुटि-रोधन के साथ सुधारित Skill का पूर्ण पाठ। सुधारकर्ता और स्वीकारकर्ता अनिवार्य रूप से अलग हैं, अंक केवल बढ़ते हैं। v2.0 में नया: ① मात्रात्मक अनुबंध — संरचनात्मक इकाई गणना दायरा बंद गणना (केवल चरण स्तर), K मान ढाल विरोधी स्कोर लॉक, Sigma तालिका लॉग अक्ष प्रक्षेप, सभी शून्य स्थितियों में शून्य विभाजन रोक, ताकि अंक पुनर्गणना योग्य और अविरल हों; ② गुणवत्ता स्तर × निपटान पथ द्वैत-अक्ष द्वार, 'अयोग्य लेकिन प्रकाशन की सिफारिश' के लेबल विरोधाभास को समाप्त करता है; ③ निदान मोड — 'केवल रिपोर्ट दें', 'पहले संशोधन न करें' कहने पर P-D-C के बाद Check पर रुकता है, आपकी सामग्री में बदलाव नहीं करता; ④ आउटपुट अनुबंध — उत्तीर्ण बिंदु संक्षिप्त, साक्ष्य सीमा 50 शब्द, चरण शब्द सीमा, मूल्यों के लिए गणना प्रक्रिया अनिवार्य। कब उपयोग करें: किसी Skill की गुणवत्ता का मूल्यांकन करना, यह निदान करना कि यह असंगत आउटपुट क्यों देता है, किसी मौजूदा Skill का व्यवस्थित अनुकूलन, कई Skills की तुलना, Skill ड्राफ्ट का प्रकाशन-पूर्व गुणवत्ता निरीक्षण, केवल निदान रिपोर्ट चाहिए बिना संशोधन के। ट्रिगर शब्द: skill गुणवत्ता जांच, skill गुणवत्ता निरीक्षण, गुणवत्ता लेखा परीक्षा, skill को रेट करें, PDCA से skill अनुकूलन, skill जांच, इस skill का मूल्यांकन, skill दोष विश्लेषण, केवल निदान, संशोधन नहीं, skill प्रकाशन-पूर्व गुणवत्ता जांच, skill तुलना।
इमेज जनरेशन के उस्ताद
अगर आप YouMind पर संदर्भ चित्रों से निकाले गए नियमों के आधार पर सीधे उत्पादन-स्तर की इमेज जनरेशन स्किल बनाना चाहते हैं, तो यह उस्ताद-स्तर का विकल्प है। एक नई स्किल बनाने में लगभग 300 क्रेडिट लगते हैं; इसके बाद आप इमेज जनरेशन स्किल बनाने की मशीन बन सकते हैं और हजारों क्रेडिट वाली स्किल इंस्टॉल करने की ज़रूरत नहीं पड़ेगी। बस संदर्भ चित्र होना चाहिए—खुद करें और लाभ पाएं! इसे मैंने स्वयं आज़माकर प्रभावी पाया है; अधिक जानकारी के लिए टास्क उदाहरण देखें। यह संदर्भ चित्रों में मौजूद दृश्य तंत्रों को पुन: उपयोग योग्य और परीक्षण योग्य इमेज जनरेशन Skill में बदलता है। इसमें मुख्य विषय बदला जा सकता है, जबकि रचना-संबंध, स्थानिक तर्क, सामग्री की अभिव्यक्ति और दृश्य स्तर सुरक्षित रहते हैं—यह केवल मूल चित्र की नकल नहीं करता। यह उन क्रिएटर्स और टीमों के लिए उपयुक्त है जिन्हें स्थिर दृश्य शैली बनानी हो, डिज़ाइन नियमों का पुन: उपयोग करना हो या मौजूदा जनरेशन Skill का मूल्यांकन करना हो। आप इसका उपयोग दृश्य नियमों को संकलित करने, मौजूदा Skill का परीक्षण करने, फ़ीडबैक के आधार पर कैलिब्रेशन, पुराने परिणामों की रीग्रेशन जांच और संस्करण जारी करने के लिए कर सकते हैं। यह लागू होने की सीमा, स्थिर अपरिवर्तनीय तत्व, समायोजित किए जा सकने वाले चर, अनुकूलन नियम और सामान्य विफलता पैटर्न स्पष्ट करता है। साथ ही, यह “चित्र की गुणवत्ता अच्छी है” और “दृश्य तंत्र वास्तव में सुरक्षित है” के बीच अंतर बताता है, जिससे आप यह पता लगा सकते हैं कि परिणाम नियमों से क्यों भटक गया। अंत में आपको संरचित दृश्य विनिर्देश, स्वतंत्र Skill, परीक्षण योजना या ऑडिट रिपोर्ट के साथ कैलिब्रेशन पैच, रीग्रेशन परिणाम और रिलीज़ रिकॉर्ड मिल सकते हैं। चित्र बनाना या दृश्य जांच उपलब्ध न होने पर भी पूरे परीक्षण प्रॉम्प्ट सुरक्षित रखे जाएंगे और सत्यापन लंबित स्थिति स्पष्ट की जाएगी। पुष्टि किए गए नियम, विफलता निदान और संस्करण संबंधी जानकारी YouMind में लगातार संचित की जा सकती है, ताकि आगे रखरखाव और पुन: उपयोग आसान हो।
जानकारी
- संस्करण
- v4
- आखिरी अपडेट
- रन क्रेडिट
- उपयोग के अनुसार
- मॉडल
- स्वचालित
