Back to search
math-modeling-review
SkillWorks with Claude CodeGitHub
评审高教社杯全国大学生数学建模竞赛(CUMCM)论文,要求完整赛题与论文,逐问查问题、给多维诊断分和奖项预测,并在评审后生成论文与建模提案的可执行整改清单。适用于赛前预审和赛后复盘;不适用于其他建模赛事。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Checked today
Badge for your README
Markdown
[](/listings/landawang-star--mathematical-modeling-review)HTML
<a href="/listings/landawang-star--mathematical-modeling-review"><img src="/api/listings/landawang-star--mathematical-modeling-review/badge.svg" alt="findsafeskills safety rating" /></a>Install
i
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 46 lines
- ---
- name: math-modeling-review
- description: 评审高教社杯全国大学生数学建模竞赛(CUMCM)论文,要求完整赛题与论文,逐问查问题、给多维诊断分和奖项预测,并在评审后生成论文与建模提案的可执行整改清单。适用于赛前预审和赛后复盘;不适用于其他建模赛事。
- ---
- # CUMCM 论文评审
- 本 Skill 帮用户定位论文问题,了解当前作品大致处于省奖还是国奖竞争范围,并从多个维度获得可解释的诊断分。它不是组委会评分表;奖项判断只是有条件的质量区间估计,不承诺实际获奖。正式评阅会依当年赛题制定细则,并受同题竞争、赛区推荐和评委复核影响。
- ## 输入与适用范围
- 1. 先确认是**高教社杯全国大学生数学建模竞赛(CUMCM)**,记录年份、组别、题号及论文版本。公开仓库的目录名、作者自述和“优秀论文”标签均不足以证明赛事或奖次;核论文首页、同年题面,奖次另核组委会名单及队伍身份。其他赛事须明确说明本 Skill 不适用,不能套用它的分数和奖项区间。
- 2. 主动告诉用户:**完整评审需要论文全文和完整题面**,包括该题的全部问题、规则、附录与相关数据说明;有关键附件时也要提供,或核验从竞赛官网取得的同一版本。只给论文、题目摘要或题号时,请用户补充完整赛题。可以先做“论文内部初筛”,但不出完整总分或省奖/国奖区间,不能声称已核验题意和结果。
- 3. 数据、代码、结果表及支撑材料有助于复算。未收到时分别标记为“未独立复算”,**不能仅因材料未提供就把论文成果判为错误或自动降档**;如题目要求提交特定结果文件,须说明其核验状态。
- 4. 记录实际阅读的页数、章节和题面范围。公式、数值或图表提取异常时先查看原 PDF 页面或请求可读版本,不把 OCR/Markdown 镜像的空白当作论文漏写。版式结论须依据页面图像;仅有文本时标注“排版未核”。用户的未公开论文只作本地评审,未经许可不上传第三方网站;查公开赛题、官方规则和公开案例不需上传用户论文。
- ## 审阅顺序
- 1. 建立**题目要求—论文回应**对照表:逐问列目标、输入、关键约束、要求交付的结果、论文位置及核验状态,指出遗漏或错解;不能只看摘要、章节标题、方法名称或结果文件名。
- 2. 按假设合理性、针对性与创造性、结果正确性与可靠性、表达清晰性、规范与引用评审。对影响结论的数值先核定义、单位、题设约束、计算或搜索范围及边界,再查论文的验证是否支持其声称的精度、最优性或因果性;可复算时做最小必要复算。按 [证据核查与问题分级](references/证据核查与问题分级.md) 区分确定错误、待验证的重大疑点、局部缺陷和未核查。每项写“论文位置 → 题目/证据 → 影响范围 → 具体修法”,不把一个局部疑点机械扩大为整篇失败。
- 3. 对 2026 年提交版使用 [官方规则与来源](references/官方规则与来源.md);其他年份查当年官方规则和题目。不要把 2026 版格式或 AI 声明要求追溯到往年。参考文献篇数、固定摘要字数、算法是否高级、是否公开代码,都不是自造的国奖门槛。
- 4. 阅读 [诊断量表与区间判断](references/诊断量表.md)。完整评审默认给五维分、总分、各维理由与置信度,再用**题目完成度和关键结果的可靠性**判断国奖竞争力、省奖竞争力或无法判断。先核每问交付与关键证据,再看模型复杂度、图表与篇幅;不能用后三者弥补核心任务缺口,也不能把一个未证实的局部疑点放大成整篇否决。五维均已评分时,按量表映射给出 `预计可获奖项` 和预测区间;中心档必须明确,区间同时覆盖合理的下行和上行相邻档。总分距 60/65/70/78/84 任一档位边界不超过 2 分时,提示**跨档风险**及最可能改变结论的证据。仍说明映射是非官方经验预测,不是组委会分数线。用户声明论文之外的提交材料与资格均合规时,按该条件评价论文,不把未见的材料扣成错误;仍说明这是用户前提而非独立核实。只评某一局部时可只给该部分意见,不强行出总分和区间。用已知获奖论文复测时,先写独立评审记录再核对标签,并按“官方名单/获奖证书/学校公示/作者自述”标注证据强度;输入不足的样本必须弃权。若奖项标签在评审前已暴露,标为回顾性试评;不能仅凭作者自述或几篇同档样本修改奖项阈值。
- 5. 完成诊断后,按 [评审后整改清单](references/评审后整改清单.md) 生成独立的“论文与提案整改计划”。逐问检查论文中的建模方案;若用户另附提案,核对提案与赛题、论文的目标、假设、模型、数据、结果和验证是否一致。每个有证据的问题给位置、影响、具体修改动作和完成后的核验方法,并按影响排序。未收到独立提案时写明只评了论文中呈现的方案,不能声称已审阅独立提案。优先修题意遗漏和结果错误,再修模型论证,最后修表达。已知获奖论文也可有真实缺陷;发现缺陷不自动推翻其获奖层级,需判断缺陷是否影响核心结论。
- 奖项结论必须用两阶段机制:第一阶段只判“不获奖 / 省奖 / 国奖”;第二阶段仅对省奖细分省一、省二、省三,对国奖细分国一、国二。“输入不足而无法判断”是弃权,不得偷换成“不获奖”。
- 国一与国二须额外核查**创新贡献及其证据**:说明新设计具体解决了题目哪个难点,与常规方案相比带来什么可复核改进,关键结果是否有独立验证。不要因单一局部缺陷把整体国奖竞争力机械降为省奖;也不要因方法名称新颖直接判国一。国奖层级与国一/国二细分分别给置信度;创新证据不足时细分为低置信度,并保留另一国奖档的可能。距 84 分边界 2 分内必须解释分界敏感性。
- 当前开发门禁要求:第一阶段层级命中不低于 **90%**,正确分流后的细分命中不低于 **80%**,并且**端到端具体奖级精确命中不低于 80%**。不能把条件细分命中率或预测区间覆盖率当成端到端精确命中。校准须先冻结评分,再核对奖次;开发集、自述标签或已知奖次的回顾性评测只能说明开发集重放结果,不能证明真实预测准确率。未达标时如实写明,不得靠已知标签倒填分数。
- ## 输出
- 完整报告至少包括:输入与已读范围;逐问覆盖情况;五维评分表及非官方加权总分;**`预计可获奖项`、预测区间、国奖层级及细分置信度、跨档风险**及支持、反对该判断的证据;无法核查的材料;最后单列**“评审后整改清单”**,覆盖各问和跨章节问题,区分论文正文、论文中的方案与另附提案,列出优先级、定位、证据状态、影响、具体改法和复核标准。没有发现有证据的问题时如实说明,不凑条目。五维均已评分时,必须给出一个预计奖项;若用户问“省几”,使用量表中的预测档位并同时给出区间,解释赛区差异。将结论单列为:`预计可获奖项:<档位>(预测区间:<区间>;层级置信度:<高/中/低>;细分置信度:<高/中/低>;跨档风险:<原因或无显著边界风险>)`。
- 完整评审结尾必须连续输出下面两句:
- 1. `问题与修改:<论文/提案最重要的问题、位置及优先修改动作>。`
- 2. `获奖判断:目前大概率处于<不获奖/省奖/国奖>范围;细分预计为<省一/省二/省三/国一/国二/不适用>(非官方预测)。`
- 若现有证据不足以支持“大概率”,必须降低置信度并说明缺少什么,不得伪造概率百分比。
- 总分仅在五维都可评时运行 `python3 scripts/score.py 输入.json`。缺完整题面、关键页面不可读或严重缺失时,把相应维度记为未评分,不制造完整总分或奖项区间。
- 只做局部评审或材料不全时,也给出与已审范围相称的整改清单,并清楚标出尚待核查的部分。用户提交修改版后,可按清单逐项复核并说明已解决、仍存在或新出现的问题;分数和奖项预测仅在证据变化且满足完整评审条件时更新。
- 真实公开获奖论文的探索性试评与其证据限制见[早期三篇](validation/真实获奖论文试评_2026-10.md)、[新增两篇](validation/新增公开获奖论文复评_2026-10-17.md)和[18 篇定向复评](validation/公开获奖论文18篇定向复评_2026-11-06.md);[两轮共 60 篇公开论文核查](validation/公开论文两轮核查_2026-10-20.md)用于检验评审流程与定位风险,未逐篇核官方奖次,不是独立盲测准确率。合成练习见 [短稿](examples/合成练习短稿.md)。
README.md · README · 76 lines
- # Mathematical Modeling Review(数学建模评审)
- **把完整赛题和论文交给 AI 助手,得到一份能直接用于修改的 CUMCM 论文评审报告。** 这个 Skill 会逐问检查你的建模有没有真正回答题目,指出论文与建模方案的具体问题,给出五维诊断分,并在证据足够时先告诉你**大概率不获奖、获省奖还是获国奖**,再给出国一、国二、省一、省二或省三的细分预测。报告同时说明预测区间、置信度、可能跨档的原因,以及下一版应该先改哪里。
- 适用赛事:**高教社杯全国大学生数学建模竞赛(CUMCM)**。可用于赛前预审、修改版复核和赛后复盘。当前版本:**v2.11.0**。这是独立的评审辅助工具,不代表竞赛组委会;奖项预测是非官方经验判断,不保证真实获奖。
- ## 你会得到什么
- | 用户遇到的问题 | 本 Skill 给出的结果 | 你可以据此做什么 |
- |---|---|---|
- | “我们是不是答偏题了?是不是漏了一问?” | 按题目每一问列出要求、论文回应、缺失的结果、被忽略的约束和证据位置 | 在提交前补齐最影响评阅的任务,而不只是润色摘要 |
- | “模型看起来很复杂,结论到底站不站得住?” | 检查假设、量纲、可行性、数值、验证和结论边界;把确定错误、重大待核疑点、局部缺陷分开 | 知道哪些问题必须重算,哪些只需补证据或改说法 |
- | “这篇论文大概能拿什么奖?” | 先判**不获奖 / 省奖 / 国奖**,再细分省一/省二/省三或国一/国二 | 获得明确的两阶段结论,同时看清升档、降档风险 |
- | “评完之后,具体怎么改?” | 按影响程度排列的论文与提案整改清单:位置、依据、修改动作、验收标准 | 把评语变成可分工执行的修改任务 |
- | “修改后真的变好了吗?” | 对照上次清单逐项复核:已解决、仍存在、新出现;证据变化时更新分数和预测 | 避免反复改格式,却没解决核心问题 |
- ### 五个维度,分别告诉你哪里强、哪里弱
- 1. **假设与模型合理性(20%)**:目标、变量、题设约束、量纲和假设能否自洽;模型是否真的表示了赛题中的现实过程。
- 2. **针对性与创造性(25%)**:方法是否击中本题难点,是否给出有作用的设计和对比;不会因为用了热门算法或堆了模型名称就给高分。
- 3. **结果正确性与可靠性(30%)**:结果是否可行、关键数值是否可信、有没有合适的验证、误差和敏感性分析;“找到一个好解”与“证明全局最优”会区分。
- 4. **表述清晰性(15%)**:摘要能否说清每问的结果,公式和图表能否复核,正文是否能让评委沿着证据找到结论。
- 5. **当年规范与引用(10%)**:检查适用年份的强制格式、引用与必要声明;公开展示版与正式提交版分开判断,不把自造的字数或参考文献数量当作获奖门槛。
- 每维满分 20 分。总分使用确定性规则计算,随后输出**第一阶段获奖层级、第二阶段细分奖级、一个中心预计奖项**和**一个预测区间**。例如:
- > 问题与修改:第三问的方案没有证明满足全部题设约束;应补充约束逐项检查表和可复算结果,再重评结果可靠性。
- >
- > 获奖判断:目前大概率处于省奖范围;细分预计为省一(非官方预测)。预测区间为省二至国二,置信度为中;第三问的约束核验可能改变结论。
- 这个例子只展示报告样式,不是实际论文的评审结果。预测区间让你知道边界在哪里,具体问题和整改清单告诉你如何提高论文质量。各档分数映射、适用条件和局限见[诊断量表](references/诊断量表.md)。
- ## 它具体会怎样评你的论文
- **先看题,再看文。** Skill 把完整赛题拆成逐问要求:目标、输入数据、限制条件、必须提交的数值、图表或方案。随后定位论文中对应的模型与结果,判断每一问是否形成“题意 → 方法 → 结果 → 验证”的闭环。它特别关注容易影响奖项判断的地方:遗漏关键约束、目标函数与题意不一致、把启发式搜索称为全局最优、只报训练集准确率、数据切分泄漏、单位或边界错误、结果文件与正文不一致。
- **问题写得能改。** 报告里的每条重要意见应有论文位置、赛题依据、影响范围、建议动作和完成标准。发现一处局部不足,不会自动把整篇论文判成无奖;没有独立复算的数据,标明“未核查”,不会伪装成已证明错误。若用户另附独立建模提案,会核对提案与论文的目标、假设、模型、结果和验证是否一致;没提供提案,就只评论文中呈现的方案。
- **奖项判断写得明确。** 输入满足完整评审条件时,结论直接写“大概率处于省奖范围,细分预计为省一”等两阶段判断,同时给预测区间、理由与置信度。对于国一与国二,报告分别说明国奖层级和细分奖级的置信度,并检查创新点与常规方案相比是否有可复核的改进;证据不足时明确保留两档可能。总分靠近档位边界时,报告会指出哪些证据可能让结果跨档。真实奖项还取决于当年同题竞争、赛区推荐和正式评阅;本 Skill 的分数不是官方分数线。
- **开发集门禁已经通过。** 在 15 篇回顾性获奖样本上,省奖/国奖层级命中 14/15(93.3%),正确分流后的细分命中 12/14(85.7%),端到端具体奖级命中 12/15(80.0%),达到 90% / 80% / 80% 三项门禁。国一与国二相邻档会单独说明创新证据与细分置信度。[v2.11 验收报告](validation/准确度门禁_v2.11_2026-11-07.md)列出了逐项结果和限制。
- ## 3 步开始使用
- 1. 按[部署指南](部署指南.md)安装**整个 Skill 目录**,保留参考文件和评分脚本;只复制首页文件会丢失完整评审能力。
- 2. 提供**论文全文 + 对应年份、组别、题号的完整赛题**。题目的附录和关键数据说明也请一并提供;如果有数据、代码、结果文件和独立建模提案,附上可提高核验深度。请说明论文是提交版、展示版还是修订版。
- 3. 给 AI 助手发送这段指令:
- > 请用 Mathematical Modeling Review 评审我这篇高教社杯全国大学生数学建模竞赛论文。附件有完整赛题、论文和可用的支撑材料。请逐问核对赛题,给五维分、非官方总分、预计可获奖项、预测区间、置信度和跨档风险。把论文与建模方案的问题列成按优先级排序的整改清单,逐项写论文位置、题目依据、影响、修改动作和验收标准。未独立复算的内容请明确标出。
- 只有论文、缺完整题面时,Skill 仍可先做**论文内部初筛**,指出表达、逻辑和可见证据问题;此时不会给完整总分或省奖、国奖预测。扫描版、附件缺失或数据不可读时,报告会说明能评到哪一步。
- ## 适合哪些用户
- - **正在准备 CUMCM 的参赛队**:在提交前发现漏问、错解、约束违反和结果不可复核的问题,并获得可直接分工的修改清单。
- - **想知道论文大概能拿什么奖的队伍**:先得到“不获奖/省奖/国奖”判断,再得到省一、省二、省三或国一、国二的细分预测。
- - **建模思路很多、但不知道哪里影响奖项的队伍**:把问题分成必须重算、必须补证据、建议修改表达三类,先解决最可能拉低奖项的短板。
- - **已经改过一版、想复核是否真正变好的用户**:逐条核对上次整改任务,标记已解决、未解决和新问题,只在证据确实改变时更新分数和奖项预测。
- - **赛后复盘的队伍或指导老师**:了解当前论文为什么处在省奖或国奖范围,并将问题转化为下一次训练的检查项。
- 完整评审最后会直接给出两句结论:**论文或提案哪里有问题、先改什么**;以及**目前大概率是不获奖、省奖还是国奖,最可能的细分奖级是什么**。
- ## 隐私、适用范围与授权
- 用户的未公开论文默认只在本地评审,**未经许可不上传第三方网站**。公开论文样本在本仓库仅保留来源链接与评审记录,没有复制原 PDF。处理保密材料时,请同时检查你所用 AI 助手自身的文件和联网设置。
- 本 Skill 只针对 CUMCM;美赛、研究生建模竞赛等其他赛事不能直接套用此量表和奖项映射。参赛期间使用 AI 工具还须遵守[组委会当年规定](https://www.mcm.edu.cn/html_cn/node/fef94648f2836ab6cc81586f4c38512b.html)。全国评阅参考[竞赛章程](https://www.mcm.edu.cn/upload_cn/node/745/ogFWOgXVc36c27bb3ee3adf21e06f53146b03585.pdf)和[全国奖项评阅工作规范](https://www.mcm.edu.cn/html_cn/node/b1f48689659f0660e80a2d6279d7b37d.html)。
- 本仓库采用[受限个人使用许可](LICENSE):可下载并在个人学习、研究及非商业场景使用;再分发和商业使用需作者许可。仓库可公开访问,不等于按 OSI 开源许可授权。
- ## 继续阅读
- - [完整能力说明与使用指南](完整能力说明与使用指南.md):更完整的输入要求、报告结构、核验原则和文件说明。
- - [诊断量表](references/诊断量表.md):五维分数、权重、奖项区间与跨档规则。
- - [证据核查与问题分级](references/证据核查与问题分级.md):如何区分确定错误、重大疑点和未核查。
- - [评审后整改清单](references/评审后整改清单.md):如何把评语转成可执行修改计划。
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.