AI Skill 大全

论文基线比较审查

读取论文证据台账,核查基线遗漏、实验条件差异、统计依据与提升幅度,输出可追溯原文的问题清单。

功能与用途

用于检查论文中“优于现有方法”或“达到最先进水平”的比较是否有充分依据。输入论文目录及已生成的证据台账,结合公开榜单和发表时间,检查重要基线是否遗漏、训练与调参预算是否公平、优势是否有统计支持,以及跨表格行的提升比例是否算错。提供配置和结果文件后,还可深入核对实验条件。输出关联论文原文的问题清单,并标记需要外部核实的事项,供审稿或投稿前自查使用。运行前需先生成证据台账,结果不包含最终裁定。

适用场景

  • 核查最先进水平声明:对照同一基准的公开榜单和发表时间,检查论文是否遗漏应比较的重要方法。
  • 检查实验比较公平性:核对模型骨干、训练数据、调参预算及评测协议,定位不对等的比较条件。
  • 审查微小性能优势:检查误差条、随机种子和方差报告,定位“持续优于”等表述的证据缺口。
  • 复核跨行提升比例:对照基线与新方法所在的不同表格行,检查相对提升和百分点差值是否混淆。

适用人群

  • 机器学习论文审稿人
  • 投稿前自查的科研作者
  • 负责实验质量检查的研究团队

使用步骤

  1. 为目标论文生成 claims.json 证据台账。
  2. 提供论文目录或 claims.json 路径。
  3. 需要深入核查时补充配置和结果文件。
  4. 运行审查,读取关联原文的问题清单。
  5. 人工核实标记为需要外部检查的事项。

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。

查看 MCP 接入说明

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
专业
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

  • 先运行 /evidence-ledger,为目标论文生成 claims.json。
  • 按项目说明配置 Claude Code 与 Codex MCP 审查连接。
  • 完整核查基线时需联网查询公开榜单和方法发表时间。
  • 深入验证实验公平性需提供配置、随机种子及结果文件。

依赖与权限

  • REPORT

同类 Skill