科研论文自动评审与修订
读取论文、实验结果与既有评审,调用外部模型反复评审并落实修改,输出修订成果与逐轮评审记录。
功能与用途
适合在机器学习论文投稿前,对研究论点、方法和实验结果进行多轮检查。提供项目文件、已有结果及需要关注的问题后,它会调用外部模型评分、列出关键缺陷,按优先级补充指标、调整论述或开展必要实验,再依据修改结果重新评审。最多进行四轮,达到设定条件或轮次上限后结束,留下修改成果、完整评审记录和最终总结。使用前需配置可用的模型接口;涉及实验时,还需具备相应的运行环境。
适用场景
- 投稿前检查研究缺陷:提交论文与实验结果,获取外部模型评分和关键缺陷清单,并推进修改与复审。
- 检查修改是否回应评审:结合既有评审和已完成的修改,复查遗留问题,继续补齐指标或调整论述。
- 评估补充实验后的论文:将新增实验结果纳入下一轮评审,观察评分与问题清单变化,形成可追踪的记录。
适用人群
- 机器学习研究生
- 准备投稿的科研人员
- 机器学习研究工程师
使用步骤
- 准备论文、实验结果和已有评审意见。
- 配置外部模型接口及模型名称。
- 指定评审范围,启动自动评审与修订。
- 查看最多四轮的修改成果、评审日志和最终总结。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 知识
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-11-03
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
使用前准备
- 准备可读取的研究项目、论文材料和已有实验结果。
- 配置可用的 OpenAI 兼容模型接口,包括密钥、接口地址和模型名称;可通过 llm-chat MCP 服务调用。
- 允许读取和修改项目文件;需要新增实验时,准备可用的实验环境及结果访问方式。
依赖与权限
- LLM_API_KEY
- LLM_BASE_URL