通过知识蒸馏对大型语言模

适用人群

适合：要整理基础设施和云架构配置的人、要帮助梳理资源、权限和部署依赖的人、要先完成一轮通过知识蒸馏对大型语言模再继续推进的人。

技能介绍

这个技能适合量化大型语言模型 (LLM) 中的不确定性对于减轻幻觉和在安全关键任务中实现风险意识部署至关重要。实现论文“通过知识蒸馏对大型语言模型进行高效认知不确定性估计”中的技术。

它适合在搭建云端基础设施或调整 IaC 配置前先做一轮架构梳理，减少资源和权限上的返工。

业务背景和落地案例

当团队要搭基础设施、写 CDK 或整理云架构时，会先用云架构形成第一版方案，再继续部署和联调。

能做什么

• 整理基础设施和云架构配置。
• 帮助梳理资源、权限和部署依赖。
• 输出可继续实施的架构方案。

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 通过知识蒸馏对大型语言模 的 Skill。
如果安装时需要精确名字，就用 arxiv-claude-skills-efficient-epistemic-uncertainty-estimation。
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-efficient-epistemic-uncertainty-estimation

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：

用刚刚导入的通过知识蒸馏对大型语言模，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：“用通过知识蒸馏对大型语言模帮我处理当前任务。” 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。
• 目标环境、资源清单或 IaC 配置。
• 当前约束、权限和部署目标。
• 你想先跑通的架构或环境。

你会看到什么结果

• 基础设施配置建议。
• 资源与依赖重点。
• 后续部署和运维步骤。

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-efficient-epistemic-uncertainty-estimation
• SKILL.md 下载地址: https://agentskillsrepo.com/skill/ndpvt-web/arxiv-claude-skills-efficient-epistemic-uncertainty-estimation/download