消除大型语言模型对框架效

适用人群

适合：要整理学术写作结构和表达的人、要帮助补齐论文或稿件内容的人、要先完成一轮消除大型语言模型对框架效再继续推进的人。

技能介绍

这个技能适合随着大型语言模型 (LLM) 越来越多地部署在现实世界的应用中，确保其在不同人群中的公平响应变得至关重要。实现论文“DeFrame：消除大型语言模型对框架效应的偏差”中的技术。

它适合在论文、报告或研究稿件起草阶段先完成第一轮结构和表达整理。

业务背景和落地案例

当研究团队要起草论文、综述或学术报告时，会先用学术写作形成第一版，再继续补证据和润色。

能做什么

• 整理学术写作结构和表达。
• 帮助补齐论文或稿件内容。
• 输出便于继续修改的写作结果。

安装方法

方式 1：对 OpenClaw 说（不用写代码）

适合：OpenClaw、Codex、Kimiclaw、Windsurf、Trae、华为 CodeArts。

直接对 OpenClaw 说：

帮我安装一个叫 消除大型语言模型对框架效 的 Skill。
如果安装时需要精确名字，就用 arxiv-claude-skills-deframe-debiasing-large-language。
装好以后，先用它帮我处理一遍当前任务。

如果需要手动安装，可以用这条命令：

clawhub install arxiv-claude-skills-deframe-debiasing-large-language

方式 2：导入 MD 安装

适合：腾讯Workbuddy、百度Duclaw、字节Arkclaw、智谱Autoclaw、科大讯飞Astronclaw。

1. 找到这条 Skill 自带的 Markdown 文件，通常就是它的 SKILL.md 或同名 .md 文件。
2. 把这个 Markdown 文件导入到你的产品里。
3. 导入完成后，直接对 AI 说：

用刚刚导入的消除大型语言模型对框架效，先帮我处理当前任务。

备注：这一种本质上是导入一个 Markdown 文件，给知道安装包里有 .md 文件的人即可。

方式 3：代码安装

适合：Claude Code、Cursor、通义灵码、文心快码。

这条 Skill 没有整理出稳定的命令行安装写法，建议优先用方式 1 或方式 2。

使用步骤

1. 先选上面 3 种方式里，自己最容易完成的一种。
2. 安装完成后，直接对 OpenClaw 说：“用消除大型语言模型对框架效帮我处理当前任务。” 先让它自己跑一遍就可以。
3. 如果你已经有明确文件、网址、目录或数据，再把它补给 OpenClaw，让它只处理这一部分。
4. 先看第一轮结果，再决定要不要追加条件、缩小范围或继续执行下一步。
5. 如果这条 Skill 确实好用，就把它保留在常用列表，后面重复任务直接复用。

你需要准备什么

• 与你当前任务相关的文件、网址、目录或数据。
• 论文题目、提纲或已有稿件。
• 期刊要求、研究背景或参考材料。
• 你想优先完成的写作部分。

你会看到什么结果

• 写作草稿或改写结果。
• 结构和表达建议。
• 可继续修改的学术内容。

风险提示

• 如果会修改外部系统、本地文件或线上环境，建议先在测试环境跑最小流程。
• 依赖外部服务时，网络波动、配额限制或接口变化都会影响结果。

来源信息

• 公开页面地址: https://agentskillsrepo.com/skill/ndpvt-web/arxiv-claude-skills-deframe-debiasing-large-language
• SKILL.md 下载地址: https://agentskillsrepo.com/skill/ndpvt-web/arxiv-claude-skills-deframe-debiasing-large-language/download