AI Skill 大全

论文实验结果溯源核查

输入论文证据台账、评测代码和结果文件,逐项核对论文数字与实际计算,输出附原文证据的问题清单。

功能与用途

适合核查论文报告的实验成绩是否有代码和结果文件支撑。提供已生成的论文证据台账、评测代码、配置及结果文件后,可检查参考答案来源、分数归一化、结果缺失、指标未执行、方法偏移,以及占位数据是否进入论文图表。输出的问题清单会关联论文原句,并说明代码线索、误报风险和建议核查动作。使用前需先建立证据台账并配置审查环境;只有论文文本时,会列出待验证事项,供补齐材料后继续核查。

适用场景

  • 追溯论文表格中的成绩:将论文关键数字对应到结果文件与指标字段,找出缺失记录或与已发布结果不一致的数值。
  • 检查评测分数的计算来源:阅读参考答案生成与评分代码,核查模型输出充当真值、自归一化及指标未调用等问题。
  • 核对公开代码与论文方法:对照论文方法和实际评测配置,检查额外数据、不同骨干模型或实验范围夸大的证据。
  • 整理缺少代码时的待查事项:只有论文及证据台账时,列出需要代码、配置或结果文件才能进一步验证的实验主张。

适用人群

  • 学术论文审稿人
  • 科研团队负责人
  • 机器学习评测工程师
  • 准备公开实验材料的论文作者

使用步骤

  1. 整理论文、评测代码、配置和结果文件。
  2. 运行 evidence-ledger,生成论文证据台账。
  3. 向 experiment-forensics 提供目录绝对路径。
  4. 查看输出的问题清单及对应论文原句。
  5. 按核查建议补齐材料,交由审稿人复核。

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,在论文目录生成 claims.json。
  • 准备论文或代码仓库目录的绝对路径;深入核查需有评测代码及结果文件。
  • 安装 Anti-Autoresearch 工作流,并配置 Claude Code 与 Codex 跨模型审查连接。

依赖与权限

  • REPORT

同类 Skill