Back to search
cumcm-b-problem
SkillWorks with Claude CodeGitHub
专用于全国大学生数学建模竞赛(CUMCM)本科组 B 题的读题、建模、算法选择、数值求解、结果验证、论文叙事、图表设计、LaTeX 成稿与赛前终检。适用于用户要求分析或完整解决国赛 B 题、基于题目附件建模、参考近年 B 题优秀论文改进写法、结合专家讲评或评分细则优化方案、撰写 25–29 页高质量 B 题论文、生成完整 LaTeX+code 工程或审查 B 题论文时。不要将本 Skill 的 B 题经验机械套用于 A/C 题。
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/liufanshan11--cumcm-b-problem-lfs)HTML
<a href="/listings/liufanshan11--cumcm-b-problem-lfs"><img src="/api/listings/liufanshan11--cumcm-b-problem-lfs/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 · 251 lines
- ---
- name: cumcm-b-problem
- description: 专用于全国大学生数学建模竞赛(CUMCM)本科组 B 题的读题、建模、算法选择、数值求解、结果验证、论文叙事、图表设计、LaTeX 成稿与赛前终检。适用于用户要求分析或完整解决国赛 B 题、基于题目附件建模、参考近年 B 题优秀论文改进写法、结合专家讲评或评分细则优化方案、撰写 25–29 页高质量 B 题论文、生成完整 LaTeX+code 工程或审查 B 题论文时。不要将本 Skill 的 B 题经验机械套用于 A/C 题。
- ---
- # CUMCM B Problem
- ## 总原则
- 把 B 题视为一项完整研究,而不是四道孤立小题。优先建立一条可解释的模型主线,再选择算法求解;优先保证数学正确、逻辑连贯和结果可信,再追求复杂度与创新。
- 执行时遵守以下优先级:
- 1. 当前赛题正文与附件数据。
- 2. 当前题目的数学/物理/统计逻辑与可验证事实。
- 3. 用户提供的当年评分细则、专家讲评、官方标准或指定范文。
- 4. 近五年 B 题的稳定规律与优秀论文经验。
- 5. 通用算法经验。
- 把专家讲评与往年评分细则当作高优先级建议,而不是必须照搬的规则。若新题结构与往年经验冲突,以当前赛题为准。
- ## 工作流
- 始终按下面顺序推进,除非用户只要求其中某一步:
- 1. **证据盘点**:读取题目、附件、用户模板、评分细则、专家讲评和指定范文;区分“题面事实”“来源建议”“模型假设”“自行推断”。
- 2. **结构拆题**:识别研究对象、状态量、观测量、未知参数、决策变量、目标、约束和四问之间的递进关系。
- 3. **寻找主线**:优先寻找可贯穿全文的核心量、机理或决策准则,避免四问四套互不相关的模型。
- 4. **建立基础模型**:先做最小可行且可解释的模型,写清定义、假设、适用条件和核心方程。
- 5. **结构化简**:先利用对称性、支配关系、守恒、单调性、几何性质、条件独立、分解结构等降低复杂度,再选择求解算法。
- 6. **算法求解**:优先使用合适、常见、可解释的数模方法;只有在关键瓶颈处使用更高级或创新方法。
- 7. **结果解释**:不仅给数值,还解释为什么结果呈现该规律、哪些参数主导、方案如何落地。
- 8. **独立验证**:至少设计一种与主求解链不同的验证方式;必要时加入敏感性、不确定性、极限或反事实检验。
- 9. **推广与修正**:后续问题优先写成前一模型的放宽假设、一般化、现实修正或不确定性扩展。
- 10. **论文呈现**:从建模阶段同步设计公式汇总、图表、overview 图和结果表,不要最后才“补图”。
- 11. **LaTeX 工程化**:按用户模板生成完整工程、代码、图片和可复现结果;编译并终检后再交付。
- 需要更详细的步骤时读取 `references/workflow.md`。
- ## 模型与算法选择
- 遵守“问题结构决定模型,计算瓶颈决定算法”。不要为了显得高级而使用高级算法。
- 优先考虑国赛常用且自然的方法:
- - 概率统计:精确二项/超几何、置信区间、假设检验、回归、方差分析、Bootstrap、Beta-Binomial。
- - 几何与机理:解析几何、向量、三角关系、微分方程、守恒关系、局部坐标系。
- - 数值方法:插值、最小二乘、非线性最小二乘、求根、数值积分、Monte Carlo。
- - 优化与决策:完整枚举、0-1/整数规划、线性/非线性规划、动态规划、图搜索、贪心、支配剪枝。
- - 验证工具:Monte Carlo、独立算法复核、极限情形、敏感性、残差分析、交叉验证。
- 仅在以下情形考虑 GA、PSO、SA、蚁群、复杂机器学习等:
- - 目标函数非凸、不可导或高度组合化,常规精确方法难以处理;
- - 变量规模使完整枚举/DP不可行;
- - 需要作为独立验证而不是主体模型;
- - 题目本身确实是预测/分类问题且机理模型不足。
- 创新优先放在:重新定义关键量、结构化简、模型推广、非理想因素修正、不确定性传播、验证设计、决策阈值或信息价值。通常全篇保留 1–3 个真正有意义的创新即可。
- 详细方法映射见 `references/model-selection.md`。
- ## 每一问的论文微结构
- 除非题目特殊,按以下顺序写每一问:
- 1. 点出本问真正困难和与上一问的联系。
- 2. 定义数学对象与变量。
- 3. 说明为什么选择当前模型。
- 4. 推导核心关系。
- 5. 化简并明确目标、约束或参数估计问题。
- 6. **把最终模型集中总括一次。**
- 7. 说明求解算法及其适用理由。
- 8. 给结果并解释机制。
- 9. 做验证或稳健性检查,并自然引出下一问。
- ### 最终模型必须集中展示
- 若存在目标函数、约束、状态方程或联立条件,不要让关键式子散落在几页正文中。先逐式推导,再用带大括号的统一模型块收束。例如:
- ```latex
- \[
- \boxed{
- \left\{
- \begin{aligned}
- &\min_{\boldsymbol{x}}\quad F(\boldsymbol{x}),\\
- &g_i(\boldsymbol{x})\le 0,\quad i=1,\ldots,m,\\
- &h_j(\boldsymbol{x})=0,\quad j=1,\ldots,r,\\
- &\boldsymbol{x}\in\Omega.
- \end{aligned}
- \right.
- }
- \]
- ```
- 同样适用于统计检验、动力学、递推系统和多阶段决策。只有模型非常简单时才可省略集中汇总。
- ## 论文叙事
- 论文必须像一篇完整研究论文,而不是技术报告或步骤清单。
- - 问题分析写“数学本质和解决路线”,不要换句话复述题目。
- - 优先使用“由于…因此…”“在前述模型基础上…”“当…时…”等因果与承接语言。
- - 少写“我们调用某算法得到”;多写模型为什么成立、算法为什么适用、结果为什么合理。
- - 后一问优先继承前一问的变量、关系和结论,只修改发生变化的条件。
- - 结果后必须有“现象—原因—意义”,不要以“如图所示”结束。
- - 模型评价写具体缺陷、影响和改进,不写空泛自夸。
- ### 摘要
- 摘要与关键词严格控制在第 1 页。默认模仿高质量国赛范文的叙述节奏:
- 1. 首段 2–4 句说明问题背景中的核心矛盾、总体目标和统一思路,不罗列模型名。
- 2. 分别用“**针对问题一,**”“**针对问题二,**”等自然段写四问。
- 3. 每问只保留:**建模动机 → 合适方法/模型 → 1 个核心结果 → 必要验证或意义**。
- 4. 对真正关键的模型、算法或结论使用加粗;不要整段加粗。
- 5. 不使用“针对问题一——”之类破折号格式。
- 6. 不在摘要堆完整策略表、多个中间数值、长公式或过多算法名称。
- 7. 关键词通常 4–6 个,选核心模型/问题结构,不选泛化词。
- 摘要优先做到“一针见血”,而不是覆盖正文所有细节。
- 论文结构、摘要范式和常用句法详见 `references/paper-writing.md`。
- ## 篇幅与版面
- 默认项目偏好:
- - 摘要与关键词:第 1 页。
- - 问题重述:第 2 页开始。
- - 主论文正文控制在 **25–29 页**,优先 26–28 页;以当年官方硬性要求为最高约束。
- - 附录和代码放在主论文之后,不用放大字号、拉大行距、堆重复文字或巨图凑页数。
- - 页数应由模型推导、结果解释、验证、图表和必要文献自然充实。
- 若用户明确给出其他页数目标,则按用户要求执行。
- ## 图表与视觉呈现
- 把图表当作模型表达工具,而不是装饰。每张重要图都必须回答一个明确问题:评委看完这张图应该立刻发现什么?
- ### Overview 图
- 必须重画成有信息层次的研究路线图,不要只做粗糙的 `Q1 → Q2 → Q3 → Q4` 方框。优先展示:
- - 核心对象/信息从哪里来;
- - 模型如何从基础情形升级;
- - 哪些结果传递给下一问;
- - 验证与不确定性如何反馈;
- - 数据流、模型流、决策流的区别。
- 节点不得重叠,箭头不得穿过文字,颜色要有语义。
- ### 图形类型
- 根据需要选择:
- - 机理/几何示意图:帮助理解公式;通常图先于难公式。
- - 数据诊断图:异常、残差、频谱、相关性、峰谷、局部放大。
- - 核心规律图:参数—输出、阈值、策略切换、敏感性。
- - 最优方案图:路径、网络、状态、决策矩阵、空间分布。
- - 验证图:理论 vs 仿真、模型 vs 数据、收敛、误差区间。
- - 策略相图/热力图:当两个参数共同决定最优策略时优先考虑,往往比多张折线图更有新意。
- ### 颜色与样式
- - 允许并鼓励简单配色,不要只有黑白灰。
- - 默认使用 2–4 种低饱和主色,如深蓝、青绿、暖橙、紫灰。
- - 颜色承担固定语义,例如理论/观测、可行/风险、基准/改进。
- - 不使用彩虹色、荧光色、过多阴影、3D 装饰柱状图或商业 PPT 风格。
- - 图中文字、符号、单位与正文一致;坐标轴必须有含义和单位。
- ### 表格
- 优先三线表。重要表格应承担一种明确任务:参数定义、方案比较、验证对照、最终决策或模型比较。最终方案必须有一张可以独立阅读的总结表。
- 详细图表规范与创意设计方法见 `references/visualization.md`。
- ## 专家讲评与评分细则
- 把薛毅近五年 B 题讲评、2024 B 题评分细则及同类专家意见用于“检查遗漏”和“提高评委友好度”,不要当成机械模板。
- 优先吸收以下建议:
- - 基础模型必须先成立,再处理复杂因素。
- - 数据处理必须服务于后续模型,不为了预处理而预处理。
- - 方法要与数据生成机制匹配;近似必须说明条件。
- - 决策题先定义统一评价指标,再比较方案。
- - 有条件时用支配关系、一般化、递推或分解降低复杂度。
- - 结果必须转化为可执行规则、具体数值或方案。
- - 不确定性要尽量传递到最终决策,而不是只做形式化 ±5% 灵敏度。
- - 复杂模型应有“基础模型失效”的证据或必要性说明。
- 评分细则中的具体分值、特定方法或某一年结果只作启发,绝不能硬套到新题。
- 需要更完整的专家/评分映射时读取 `references/expert-rubric-guidance.md`。
- ## 验证与质量控制
- 至少完成以下三类中的两类,关键问题优先三类齐全:
- - **理论验证**:极限、边界、对称性、单位、数量级、退化情形。
- - **独立数值验证**:主方法与 Monte Carlo、另一算法、手算小例或暴力枚举交叉核对。
- - **数据验证**:残差、误差指标、置信区间、拟合诊断、外部标准或实测对照。
- 不要把“灵敏度分析”自动等同于参数 ±5%。优先寻找真正的策略切换阈值、稳定区间、误差传播或鲁棒边界。
- 交付前读取 `references/quality-gates.md` 完成终检。
- ## LaTeX 与完整工程交付
- 当用户要求完整论文或 ZIP 时:
- 1. 优先使用用户上传的模板、`.cls` 和目录结构;不要擅自换模板或重写版式系统。
- 2. 若用户未给模板,可用 `assets/paper_skeleton.tex` 作为骨架,但仍需用户自己的 `cumcmthesis.cls` 或当年官方模板。
- 3. 工程至少包含:
- ```text
- figures/
- code/
- .gitignore
- cumcmthesis.cls # 用户提供/授权时保留
- example.tex
- example.pdf
- example.aux
- example.log
- example.out
- example.synctex.gz
- ```
- 4. `code/` 中按问题或功能拆分脚本,保证可运行、能重现正文主要图表和关键结果。
- 5. 编译至少两遍,检查未定义引用、公式溢出、图片越界、字体乱码、图表交叉引用和页码。
- 6. 最终 ZIP 只放必要工程文件,不塞临时缓存或调试垃圾。
- 可使用:
- - `scripts/init_project.py` 创建标准工程骨架;
- - `scripts/validate_project.py` 检查文件结构、编译状态、主论文页数和常见 LaTeX 问题。
- 详细交付规范见 `references/latex-delivery.md`。
- ## 最后判断标准
- 提交前必须能清楚回答五个问题:
- 1. 为什么这样定义?
- 2. 为什么这个模型成立?
- 3. 为什么选择这个算法而不是更复杂的算法?
- 4. 模型什么时候会失效,结果为什么可信?
- 5. 最终实际应该怎么做?
- 若评委需要在正文和代码之间来回猜测才能回答以上问题,说明论文尚未达到本 Skill 的交付标准。
README.md · README · 36 lines
- # CUMCM B Problem Skill
- 专门面向**全国大学生数学建模竞赛本科组 B 题**的建模与论文成稿 Skill。
- ## 我们的优势
- - **只做 B 题**:围绕近五年 B 题稳定规律设计,不做泛化的“万能数模模板”。
- - **先建模,再算法**:优先机理、几何、统计与结构化简,避免为了高级而堆智能算法。
- - **论文呈现优先**:内置摘要、模型总括方程组、overview 图、图表设计和 25–29 页论文节奏规范。
- - **专家经验但不迷信**:吸收薛毅讲评、评分细则与优秀范文的稳定偏好,但始终以当前赛题为最高依据。
- - **强调创新的有效性**:创新优先落在定义、结构、修正、不确定性和验证,而不是算法改名。
- - **完整工程交付**:支持 LaTeX、figures、code、PDF 编译与提交前自动检查。
- ## 适用任务
- - 新 B 题从读题到完整建模
- - 四问模型设计、算法选择与验证
- - 优秀论文式叙事与图表呈现
- - 结合评分细则/专家讲评优化方案
- - 生成完整 CUMCM LaTeX + Code 工程
- - 赛前论文终检与改稿
- ## 目录
- ```text
- cumcm-b-problem/
- ├── SKILL.md
- ├── README.md
- ├── agents/
- │ └── openai.yaml
- ├── references/
- ├── scripts/
- └── assets/
- ```
- 入口文件为 `SKILL.md`。
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.