使用scikit-survival库在Python中进行生存分析和事件发生时间建模的综合工具包。当处理删失生存数据、执行事件发生时间分析、拟合Cox模型、随机生存森林、梯度提升模型或生存支持向量机、使用一致性指数或Brier评分评估生存预测、处理竞争风险，或使用scikit-survival库实现任何生存分析流程时，请使用此技能。

使用SHAP（SHapley Additive exPlanations）进行模型可解释性和可解释性分析。在解释机器学习模型预测、计算特征重要性、生成SHAP图（瀑布图、蜜蜂群图、条形图、散点图、力图、热力图）、调试模型、分析模型偏差或公平性、比较模型或实现可解释AI时使用此技能。适用于基于树的模型（XGBoost、LightGBM、随机森林）、深度学习（TensorFlow、PyTorch）、线性模型以及任何黑箱模型。

基于过程的离散事件仿真框架（Python）。当构建包含流程、队列、资源及基于时间的事件的系统仿真时使用此技能，例如制造系统、服务运营、网络流量、物流或任何实体随时间与共享资源交互的系统。

在Python中进行符号数学运算时使用此功能。此功能适用于符号计算任务，包括代数求解方程、进行微积分运算（求导、积分、极限）、代数表达式化简、符号矩阵运算、物理计算、数论问题、几何计算，以及从数学表达式生成可执行代码。当用户需要精确的符号结果而非数值近似，或处理包含变量和参数的数学公式时，应使用此功能。

在使用预训练的Transformer模型进行自然语言处理、计算机视觉、音频或多模态任务时，应使用此技能。适用于文本生成、分类、问答、翻译、摘要、图像分类、目标检测、语音识别以及在自定义数据集上微调模型。

使用此技能处理和分析超出可用内存的大型表格数据集（数十亿行）。Vaex 在外部存储 DataFrame 操作、惰性求值、快速聚合、大数据高效可视化以及大规模数据集的机器学习方面表现卓越。当用户需要处理大型 CSV/HDF5/Arrow/Parquet 文件、对海量数据集进行快速统计分析、创建大数据可视化图表，或构建无法完全装入内存的机器学习流水线时，适用于此场景。

获取主要科学出版平台（如《自然》、《科学》、PLOS、IEEE、ACM）、学术会议（如NeurIPS、ICML、CVPR、CHI）、研究展板及基金申请（如NSF、NIH、DOE、DARPA）的完整LaTeX模板、格式要求和投稿指南。当准备期刊投稿论文、会议论文、研究展板或基金申请时，如需遵循特定投稿平台的格式要求和模板，应使用此技能。

运行结构化的“如果...会怎样”情景分析，探索多分支可能性。当用户提出假设性问题时，如“如果……会怎样”、“如果……会发生什么”、“有哪些可能性”、“探索情景”、“情景分析”、“可能性空间”、“可能出现什么问题”、“最佳情况/最坏情况”、“风险分析”、“应急计划”、“战略选择”或任何关于不确定未来的问题时，使用此技能。当用户面临关键决策点、希望检验某个想法的稳健性，或在做出承诺前需要全面思考潜在后果时，也应触发此技能。