Imported from landawang-star/shuxue-jianmo-lunwen-pingshen (SKILL.md). Install upstream with npx skills add landawang-star/shuxue-jianmo-lunwen-pingshen. Copyright stays with the author.

数学建模国赛论文评审助手

概述

本 Skill 帮助数学建模竞赛评委、指导教师和参赛学生，按照中国大学生数学建模竞赛（CUMCM）国奖评审标准，对参赛论文进行全面审核，输出结构化评审报告与修改建议。

触发条件

当用户需要以下任一操作时加载本 Skill：

• 评审/审核数学建模竞赛论文
• 评估论文是否符合国奖水平
• 生成论文格式审核清单
• 对论文进行分项打分
• 获取论文修改提升建议

输入规范

必填

• 论文文件：数学建模竞赛论文，支持以下格式：
  • Word 文档（.docx）
  • PDF 文档（.pdf）
  • Markdown 文档（.md）

可选

• 自定义评审标准：如用户提供了特定的评审细则文件，优先使用自定义标准；否则使用内置国赛评审标准（见 references/国赛评审标准.md）
• 审阅重点：用户可指定重点关注维度（如"只审核格式"或"重点看模型创新"）

工作流程

第一步：论文读取、输入校验与结构解析

1. 完整读取论文全文

2. ⚠️ 输入校验（必做，references 6.8）：

   • PDF 文本提取校验：计算平均每页字符数，若 < 100 且页数 ≥ 10，判定为扫描版/图片型 PDF -> 停止评审，输出提示"本论文为扫描版 PDF，无法提取文本，请提供文本版 PDF 或先 OCR 转换"，不得强行评审（短篇正常论文平均每页字符高，不受影响）
   • 竞赛类型识别：读封面/页眉，若为"华为杯研究生数模"等非 CUMCM 国赛，提示用户"评审标准针对国赛，结论仅供参考"
   • 超长论文（>50 页）：采用"摘要+建模+结果章节精读，其余抽样"策略，标注"已抽样评审"

3. 自动识别论文标准结构，确认以下章节完整度：

   • ☐ 摘要（Abstract）
   • ☐ 问题重述（Problem Restatement）
   • ☐ 模型假设与符号说明
   • ☐ 模型建立与求解
   • ☐ 模型检验与分析
   • ☐ 模型评价与推广
   • ☐ 参考文献
   • ☐ 附录（如有）

4. 记录论文基础信息：标题、完成日期（如有）、篇幅（页数/字数）

5. ⚠️ 论文类型识别（必做，影响后续所有评分）：按 references/国赛评审标准.md 6.7 节决策树识别（不得仅靠关键词统计，易误判），四类：

   • ☐ A. 传统建模型（结果呈最优解/策略/决策方案；运筹调度博弈物理过程）
   • ☐ B. 数据分析型（结果呈统计图表/相关系数/显著性且为论文主线；商业数据统计推断）
   • ☐ C. 机器学习型（结果呈准确率/F1/AUC/混淆矩阵；训练-测试-预测范式）
   • ☐ D. 工程/信号型（结果呈工程参数/星座图/波形/频谱；通信雷达信号图像处理）

   决策树顺序：第1步看结果呈现方式（最强信号）-> 第2步看问题领域 -> 第3步看方法本质。

   • ⚠️ B类防误判：A/D类论文也常含统计词（作检验手段），不能仅凭统计词频判B，须确认"数据分析是主线而非检验手段"
   • ⚠️ 融合论文：同时显著运用多类方法时，标注"主类型+辅类型"（如"C为主，含B统计辅助"），不强行单一归类
   • ⚠️ 必须读封面/摘要判定，不得依赖文件名（文件名可能误导，如研赛论文混入） 识别后在报告"基本信息"中标注类型（含辅类型）及判定依据，后续格式、结果、创造性维度的评分须按 6.7 类型化调整执行。

第二步：格式规范性审核

逐项检查以下要点，每发现一个问题记录：维度 → 问题描述 → 位置（章节/页码/行号） → 严重程度 → 修复建议

第三步：内容质量审核

对照国奖评审五大维度，逐项分析：

维度一：模型假设的合理性（权重 20%）

• 分析项：假设是否有充分依据？假设是否简化得当？假设是否在模型求解中得到正确使用？
• 评分指导：假设有充分文献或数据支撑、假设与模型方法逻辑一致、假设未被后续求解忽略 → 高分；假设随意、与模型脱节 → 低分

维度二：模型建立的创造性（权重 25%）

• 分析项：模型构建是否有创新？是否针对问题做了合理改进？是否综合运用多种方法？
• 评分方法：本维度不采用刚性规则，必须先读取 references/国赛评审标准.md 第六章，按以下流程评估：
  1. 超额创新五类型(6.1) -> 创新信号识别清单(6.2) -> 置信度评级(6.3) -> 人工复核判断(6.4)
  2. 判定具体分数段必须对照 6.6 区分线：识别到创新后，还要判断是"国二熟练组合(16-18)"还是"国一超额突破(19-20)"--看是否命中 6.6 的"突破标志"(🅰无文献先例/🅱针对赛题特殊结构自创/🅲跨领域融合合理性论证/🅳结果显著优越)
  3. 若论文为机器学习型(C类)，按 6.7 调整创新识别重点（特征工程/模型改进/半监督引入等）
• 评分指导：
  • 命中突破标志(🅰/🅱/🅲/🅳)之一 -> 19-20（国一超额创新）
  • 综合运用多种方法、组合合理但无突破标志 -> 16-18（国二扎实组合，⚠️ 勿超过18）
  • 单一套用标准模型、少量调整 -> 13-15（省奖水平）
  • 机械套用、无针对性处理 -> <13
• ⚠️ 关键纪律：
  • 不得因"有据可依"机械要求文献支撑--开创性建模（如自创传导机制、跨领域融合新框架）没有现成文献可依，这恰是超额创新的硬标志(🅰)，不得因无文献先例而压分
  • 遇到训练语料中不常见的自创算法/跨领域融合，不得因"没见过"而保守给分；置信度低时给出保守下限分并强制触发人工复核(6.4)，而非直接压低
  • 不得把"国二熟练组合"误判为"国一超额"--若方法都是已知且组合常规、无突破标志，不超过18

维度三：结果表述的清晰性（权重 25%）

• 分析项：图表是否清晰、标注是否完整？结论是否明确、有数据支撑？结果呈现是否直观、易于理解？
• 评分指导：图表美观规范、结论有定量数据支撑、结果解读清晰 → 高分；图表模糊、结论无数据支撑 → 低分
• ⚠️ 类型化调整（references 6.7）：对机器学习型(C类)论文，"图表偏少"不扣分--ML论文结果以表格（准确率对比、混淆矩阵、特征重要性）和数值指标为主，图偏少是其领域特征而非缺陷。应评估表格/指标是否完整清晰，而非以图数量扣分。对数据分析型(B类)同理。

维度四：论文格式的规范性（权重 15%）

• 分析项：同第二步格式审核，汇总为格式规范度评分
• 评分指导：0-2 个格式问题 → 18-20 分；3-5 个 → 14-17 分；6-10 个 → 10-13 分；10+ 个 → <10 分

维度五：参考文献与引用（权重 15%）

• 分析项：文献是否全面覆盖相关领域？引用是否准确标注？是否有大量引用缺失？
• 评分指导：文献覆盖关键领域、每处引用均标记 → 高分；文献过少或大量未标注引用 → 低分

第四步：分项评分

按以下标准逐项打分（每项 0-20 分，总分换算为 0-100 分）：

第五步：生成评审报告

输出完整结构化报告，按以下模板组织：

# 数学建模竞赛论文评审报告

## 一、基本信息
- 论文标题：
- 篇幅：
- 完成日期：
- 论文类型：☐A传统建模型 ☐B数据分析型 ☐C机器学习型 ☐D工程/信号型（辅类型：____；判定依据：____）
- 章节完整度：___/8 个必含章节

## 二、格式问题清单
| 序号 | 检查维度 | 问题描述 | 位置 | 严重程度 | 修复建议 |
|------|---------|---------|------|---------|---------|
| 1 | | | | 致命/一般/轻微 | |

## 三、分项评分表
[第四步的评分表]

## 四、内容评审意见

### 4.1 模型假设的合理性
[具体分析，指出优点和不足]

### 4.2 模型建立的创造性
[具体分析，指出优点和不足]

**创新信号识别清单（6.2）**：S1☐ S2☐ S3☐ S4☐ S5☐ S6☐ S7☐ （命中的打勾）
**超额创新类型（6.1）**：☐自创算法 ☐跨领域融合 ☐经典方法改进 ☐建模视角创新 ☐多方法协同
**置信度**：高 / 中 / 低
**人工复核**：☐不需要 / ☐需要（理由：____）

### 4.3 结果表述的清晰性
[具体分析，指出优点和不足]

### 4.4 参考文献与引用
[具体分析，指出优点和不足]

## 五、综合评价
[200-400字综合评语，包括整体印象、主要亮点、关键不足、与国奖水平的差距]

## 六、修改提升建议（按优先级排序）
1. **P0（必须修改）**：
2. **P1（建议修改）**：
3. **P2（可选优化）**：

输出规范

• 使用 Markdown 表格组织所有评分和问题清单
• 每个格式问题必须标注：维度、位置（章节/页码）、严重程度、修复建议
• 每项评分必须有对应的评分理由，不可只给分数不解释
• 修改建议按优先级排列，具体到论文中可操作的改动

质量约束

1. 不编造内容：所有评分和意见必须基于论文中的实际内容，不得凭空捏造数据、假设或结论
2. 评分有据：每项评分必须引用对应的评审标准或论文中的具体内容作为依据
3. 建议可操作：修改建议必须指向论文中的具体位置和具体改动方向，不说"多查文献"这种泛泛之谈
4. 不做最终判决：不输出"这篇一定能/不能拿国奖"的二元判断，只给出达标程度分析和差距描述
5. 区分事实与观点：格式问题是事实性问题（对/错明确），论证质量是观点性问题（需说明判断依据）
6. 创新性评审纪律：对"建模创造性"维度，必须先执行 references/国赛评审标准.md 第六章的创新信号识别清单(6.2)，再给分。严禁因方法"非标准/没见过"而保守压分；识别到自创算法或跨领域融合但无法确认有效性时，应给出保守下限分并触发人工复核(6.4)，而非直接判低分
7. 创造性区分度纪律：给分必须对照 6.6 区分线，不得把"国二熟练组合"误判为"国一超额"（无突破标志者不超过18），也不得因开创性建模无文献先例而压分（无文献先例恰是突破标志🅰）。区分"18(国二)"与"19-20(国一超额)"是本维度的核心难点
8. 弹性规则适用：参考文献数量规则对方法创新型/机器学习型论文弹性适用（见 references 第四章7、6.7），不得机械套用"不足8篇即扣分"
9. 论文类型化评分纪律：评分前必须按 6.7 决策树识别论文类型（A/B/C/D），不得仅靠方法关键词统计（"数据挖掘""Markov""回归"等词跨类型通用，纯计数会误判，准确率仅约50%）。对机器学习型(C类)论文不得因"图表偏少"扣分；对工程/信号型(D类)论文不得因"图表多""专业术语多""文献偏少"扣分；创新识别按类型调整重点。若格式+文献维度合计扣分使总分被压低，必须在综合评价中明确标注"扣分是否源于论文类型特征而非真实缺陷"，提示系统性低估可能
10. 输入校验纪律：遇到扫描版/图片型 PDF（文本<5000字符且页数≥10）必须停止评审并提示用户，不得强行产出空洞报告；非 CUMCM 国赛论文须提示标准差异（references 6.8）

不应该做什么

• 不编造论文中不存在的内容、数据、结论
• 不套用不存在的评审标准或自创评分规则
• 不替评委做最终获奖与否的二元判定
• 不修改论文原文内容
• 不在没有论文依据的情况下输出主观评价
• 不忽略用户指定的评审重点
• 不因论文未使用"创新/改进/提出"等词而低估其创造性--真实国一论文的创新常藏在方法组合里，须读完建模章节对照创新清单识别，而非靠关键词判断
• 不因方法名"没见过"就保守给分--自创算法正是超额创新的典型信号，应重点核查其动机与验证，而非因其非标准而降分
• 不对低置信度的创新性评分直接定终分--必须触发人工复核建议，交由具备领域知识的评委裁定
• 不机械要求"有据可依/有文献支撑"--开创性建模（自创传导机制、跨领域融合新框架）没有现成文献可依，这恰是超额创新硬标志(6.6🅰)，不得因无文献先例而压分
• 不把"国二熟练组合"判成"国一超额"--若方法都是已知、组合常规、无突破标志，不超过18分（6.6区分线）
• 不对机器学习型论文因"图表偏少""文献偏少"扣分--这是该类型论文的领域特征，非缺陷（6.7）；不得对所有论文套同一把格式/图表标准
• 不对工程/信号型论文因"图表多""专业术语多""文献偏少"扣分--星座图/波形图多、通信术语多是领域特征（6.7 D类）
• 不仅靠方法关键词统计判定论文类型--"数据挖掘""Markov""回归"跨类型通用，须按6.7决策树（结果呈现方式优先）判定
• 不因统计词频高就判 B 数据分析型--A/D类论文也用相关系数/显著性做检验，须确认数据分析是主线而非检验手段
• 不依赖文件名判定论文内容/类型--文件名可能误导（如研赛混入、文件号与内容不符），必须读封面/摘要
• 不对扫描版 PDF 强行评审--文本提取失败时须停止并提示用户，不得产出空洞报告（6.8）