huawei-cup-modeling-skill
论文去 AI 味 · AI 痕迹检测 · 学术润色|面向华为杯中国研究生数学建模竞赛的 Codex Skill,支持逐句诊断、去模板化改写、图表优化、规则核验与提交审计,保留研究事实与引文。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/nopon-knowledge--huawei-cup-modeling-skill)HTML
<a href="/listings/nopon-knowledge--huawei-cup-modeling-skill"><img src="/api/listings/nopon-knowledge--huawei-cup-modeling-skill/badge.svg" alt="findsafeskills safety rating" /></a>Install
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
在 Codex 中发送:
使用 $skill-installer 从下面的 GitHub 路径安装 huawei-cup-modeling: https://github.com/Nopon-Knowledge/huawei-cup-modeling-skill/tree/main/huawei-cup-modeling
<details> <summary><strong>手动安装与目录说明</strong></summary>
也可以把仓库中的整个 `huawei-cup-modeling/` 文件夹复制到以下任一位置,保留其中的脚本和参考资料。
<table align="center"> <tr><th align="center">安装范围</th><th align="center">目录</th></tr> <tr><td>当前仓库</td><td><code>.agents/skills/huawei-cup-modeling/</code></td></tr> <tr><td>个人全局</td><td><code>~/.agents/skills/huawei-cup-modeling/</code></td></tr> </table>
Codex 会自动检测 Skill 变更;若未出现,可重启。目录位置与调用方式见 [OpenAI Skills 官方文档](https://learn.chatgpt.com/docs/build-skills)。
</details>
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.
README.md · README · 384 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- <p align="center">
- <a href="assets/readme-banner.svg"><img src="assets/readme-banner.svg" alt="去除 AI 痕迹,让论文表达更自然。定位模板感、改写机械表达、复核事实原意。" width="960" /></a>
- </p>
- <h1 align="center">华为杯研究生数模助手</h1>
- <p align="center">
- <strong>去除 AI 痕迹,让论文表达更自然。</strong><br />
- 面向华为杯论文的 AI 痕迹评阅、去 AI 味与学术表达润色
- </p>
- <p align="center">
- <a href="https://github.com/Nopon-Knowledge/huawei-cup-modeling-skill/actions/workflows/tests.yml"><img src="https://github.com/Nopon-Knowledge/huawei-cup-modeling-skill/actions/workflows/tests.yml/badge.svg" alt="Tests" /></a>
- <img src="https://img.shields.io/badge/Python-3.9%2B-2563EB?logo=python&logoColor=white" alt="Python 3.9+" />
- <img src="https://img.shields.io/badge/Codex-Skill-172B4D" alt="Codex Skill" />
- <a href="LICENSE"><img src="https://img.shields.io/badge/License-MIT-0F766E" alt="MIT License" /></a>
- </p>
- <p align="center">
- <a href="#去除-ai-痕迹"><strong>去除 AI 痕迹</strong></a> ·
- <a href="#快速开始">快速开始</a> ·
- <a href="#ai-痕迹检测与分级">检测与分级</a> ·
- <a href="#竞赛工作流">竞赛工作流</a> ·
- <a href="#图表与论文">图表与论文</a> ·
- <a href="#脚本工具">脚本工具</a>
- </p>
- ---
- 本 Skill 重点提供 **“去除 AI 痕迹”** 功能:找出重复套话、机械段落与空泛结论,改写为具体、连贯的学术表达,并对照核查事实、公式和引用。
- 同时支持规则核验、可复现建模、图表排版与提交审计,覆盖华为杯从准备到交付的工作流程。
- <table align="center">
- <tr>
- <th align="center" width="280">定位问题</th>
- <th align="center" width="280">完成改写</th>
- <th align="center" width="280">复核原意</th>
- </tr>
- <tr>
- <td align="center">原文证据<br />修改优先级</td>
- <td align="center">减少套话<br />梳理论证</td>
- <td align="center">数据公式<br />引用与边界</td>
- </tr>
- </table>
- ## 去除 AI 痕迹
- **从词句到篇章,减少模板感,保留队伍自己的研究判断。** 支持局部段落、图题、摘要、结论和整篇论文;已有写作样例时,保留作者的术语、人称与表达习惯。
- ### 论文里的“AI 味”,常常藏在这 8 个地方
- 读着挺顺,却总觉得像套出来的?可以先看看下面这些地方。
- 1. “在此基础上”“进一步”“综上所述”接连出现,删掉以后,意思居然一点没变。Skill 会删去这类空转的过渡,把真正的递进、因果或比较关系写清楚。
- 2. 不管讲什么,都写成差不多的 100–200 字,反而容易把简单问题说长、复杂问题说浅。该展开的展开,能一句说清的就一句说清,不为了“像人写的”刻意凑长短。
- 3. 段段都是“先总说—再展开—最后再总说”,读起来难免重复。Skill 会检查每段是否真的需要收尾总结,让段落围绕论证往前走。
- 4. 通篇都是“结果表明”“具有显著优势”,看不到取舍依据,也没交代结论在哪些条件下成立。要补的是有证据的判断和适用边界,不是硬塞几句“我认为”“大致”。
- 5. 数字看着很精确,却没说明测量精度、实验波动或误差含义。Skill 会核对有效数字和现有实验记录;确实需要误差范围但证据不足时,标出缺口,不凭空补一个“±”。
- 6. 读者还得自己猜:比的是什么,在哪种条件下比,值得看哪里?Skill 会把对象、条件或已验证的发现补进图题与图注,例如“低样本条件下,模型 A 的预测误差低于模型 B”;发现必须有数据支撑。
- 7. 换几个词重讲研究过程,并没有回答“最后解决了什么”。Skill 会围绕题目梳理主要发现、适用范围和已有证据支持的局限,删掉无信息的复读。
- 8. 满篇“有效提升”“具有重要意义”,具体怎么做、为什么这样做却不见了。Skill 会用实际方法和研究判断替换空话,保留作者自己的表达习惯;不用故意加口语、错句或逻辑跳跃来制造“人味”。
- ### 改写前后
- <table align="center">
- <tr><th align="center" width="420">润色前 · 重复推进</th><th align="center" width="420">润色后 · 直接表达</th></tr>
- <tr>
- <td>本实验中,模型 A 的预测误差低于模型 B。在此基础上,我们进一步得出模型 A 优于模型 B 的结论。综上所述,模型 A 表现出更好的预测性能。</td>
- <td>本实验中,模型 A 的预测误差低于模型 B。</td>
- </tr>
- </table>
- <p align="center"><sub>示例仅演示表达改写:删除两次重复总结,保留比较对象、指标方向和实验范围;不代表结果已经核验。</sub></p>
- 默认交付 **改写稿 + 句级修改对照 + 实际存在的证据缺口**。可直接润色,也可先做 [AI 痕迹检测](#ai-痕迹检测与分级),按“原句 → 修改理由 → 改写后 → 事实复核”处理问题。八类检查和完整方法见 [学术表达指南](huawei-cup-modeling/references/academic-writing.md)。
- 这里的“去除 AI 痕迹”指学术表达去模板化,保留必要的 AI 使用披露,不承诺通过检测。实时赛题须先核验当届 AI 使用范围。
- ## 快速开始
- ### 1. 安装 Skill
- 在 Codex 中发送:
- ```text
- 使用 $skill-installer 从下面的 GitHub 路径安装 huawei-cup-modeling:
- https://github.com/Nopon-Knowledge/huawei-cup-modeling-skill/tree/main/huawei-cup-modeling
- ```
- <details>
- <summary><strong>手动安装与目录说明</strong></summary>
- 也可以把仓库中的整个 `huawei-cup-modeling/` 文件夹复制到以下任一位置,保留其中的脚本和参考资料。
- <table align="center">
- <tr><th align="center">安装范围</th><th align="center">目录</th></tr>
- <tr><td>当前仓库</td><td><code>.agents/skills/huawei-cup-modeling/</code></td></tr>
- <tr><td>个人全局</td><td><code>~/.agents/skills/huawei-cup-modeling/</code></td></tr>
- </table>
- Codex 会自动检测 Skill 变更;若未出现,可重启。目录位置与调用方式见 [OpenAI Skills 官方文档](https://learn.chatgpt.com/docs/build-skills)。
- </details>
- ### 2. 给论文去 AI 味
- ```text
- $huawei-cup-modeling 请给这份华为杯论文去除 AI 痕迹:
- 逐段检查,定位到句子,处理套话、机械结构、空泛图题和重复结论。
- 保留原意、数据、公式、引用和已有写作风格,
- 给出改写稿、原句与修改对照、事实复核和未完成的核验项。
- ```
- 提供待改写文本或文件即可开始,局部段落也可以处理。Skill 会先识别任务阶段与规则范围,再完成相应润色。以上为 Codex 调用方式;在 ChatGPT 桌面端可用 `@` 选择已安装的 Skill,详见 [官方文档](https://learn.chatgpt.com/docs/build-skills)。
- <details>
- <summary><strong>其他竞赛任务:规则核验、往届题训练、团队规划与提交审计</strong></summary>
- **规则核验**
- ```text
- $huawei-cup-modeling 帮我核对当届华为杯报名、赛程和 AI 使用规则,
- 区分已确认、尚未发布和仅有往届先例的信息,并附上来源与核验日期。
- ```
- **公开往届题训练**
- ```text
- $huawei-cup-modeling 这是已经公开的往届赛题。
- 请拆解子问题、明确评价指标,设计一条覆盖全题的可复现基线。
- ```
- **三人团队规划**
- ```text
- $huawei-cup-modeling 根据当届已核验规则,为三人队制定竞赛计划,
- 给出角色分工、关键检查点、锁稿缓冲和模型失败时的降级方案。
- ```
- **图表与论文润色**
- ```text
- $huawei-cup-modeling 请基于保存的实验输出优化这些论文图表:
- 统一字体、配色、单位和有效数字,居中排版,并检查最终 PDF 的可读性。
- 保留原始数值,指出缺少实验记录或来源的位置。
- ```
- **提交前审计**
- ```text
- $huawei-cup-modeling 审计这份最终 PDF;
- 先从当届公告确认文件名、大小和匿名起始页,再执行机械预检。
- ```
- </details>
- ## AI 痕迹检测与分级
- 需要先找到重点问题时,可使用 **AI 痕迹检测 → 定向改写 → 事实复核** 的流程。检测按九个维度观察,第十项综合评估;只要求检测时,先给报告,不改原文。
- 全文任务按章节逐段扫描,记录已检查段落和未完成位置。报告区分已确认问题、待核验疑点与已排除的正常表达;每条问题都能定位到句子或图表,不把候选疑点直接算成问题。
- <details>
- <summary><strong>查看十项检测内容</strong></summary>
- <table align="center">
- <tr><th align="center">维度</th><th align="center">主要检查内容</th></tr>
- <tr><td>01 · 词汇</td><td>高频套话、空洞形容词、缺少具体动作的模板化动词。</td></tr>
- <tr><td>02 · 句式</td><td>句法重复、无效过渡、被动表达是否遮蔽必要主体。</td></tr>
- <tr><td>03 · 段落</td><td>均匀段长与固定结构是否导致冗余或打断论证。</td></tr>
- <tr><td>04 · 逻辑</td><td>推理跳步、过度概括、遗漏反例或适用边界。</td></tr>
- <tr><td>05 · 作者表达</td><td>需要解释选择时,是否缺少真实判断依据与取舍。</td></tr>
- <tr><td>06 · 数据</td><td>有效数字、误差含义与样本或验证范围。</td></tr>
- <tr><td>07 · 图表</td><td>空泛图题、配色辨识困难、单位与标注缺失。</td></tr>
- <tr><td>08 · 结构</td><td>摘要信息不足、章节未回应题目、结论无信息复读。</td></tr>
- <tr><td>09 · 引用</td><td>引文与主张是否对应、文献相关性及实际核验状态。</td></tr>
- <tr><td>10 · 综合</td><td>汇总 0–100 分、A–E 等级、材料覆盖与修改优先级。</td></tr>
- </table>
- </details>
- ```text
- $huawei-cup-modeling 检测这篇华为杯论文的 AI 痕迹:
- 按十项流程逐段检查,定位到句子,报告扫描进度、证据与修改建议。
- 覆盖充分时给出综合分和 A–E 等级;有精确标注时计算问题文本覆盖率。
- 材料不足的项标为待核验;先给报告,不修改原文。
- ```
- A–E 从低到高表示**模板化表达程度**。综合分是规则式编辑量表得分,不能换算为 AI 生成概率;只有片段或材料覆盖不足时,暂不给全文等级。规范的引用格式、默认配色、被动句和流畅逻辑本身不扣分。
- ### 体检报告包含什么
- <table align="center">
- <tr><th align="center">内容</th><th align="center">可复核的依据</th></tr>
- <tr><td>检查进度</td><td>已检查段落、未完成章节,图表与引用的实际核验状态。</td></tr>
- <tr><td>问题位置</td><td>问题编号、句级原文、判断依据、待核验或已排除的原因。</td></tr>
- <tr><td>修改对照</td><td>需要润色时提供原句、修改理由、改写后及事实复核结果。</td></tr>
- <tr><td>覆盖统计</td><td>根据固定文本和标注区间去重计数,保留分子、分母与文本哈希。</td></tr>
- </table>
- **问题文本覆盖率**表示已确认问题涉及多少已检查文字,与 AI 来源概率无关。支持本地脚本复算;片段或未完成扫描不输出全文比例,待核验内容单列。
- 评分公式、等级阈值、证据记录和报告格式见 [AI 痕迹评阅指南](huawei-cup-modeling/references/ai-trace-review.md)。
- ### 交稿前集中自查
- 在内部锁稿前安排体检、定向改写、人工复核和最终导出,同时核对实际 AI 使用记录与当届披露要求。可预留约半天并按论文规模调整;时间不足时先处理关键问题,如实保留未检查范围。
- 本科国赛与华为杯的规则分别核验。声明放在哪里、详情材料叫什么、哪些情形有例外,都以**对应赛事当届官方文件**为准;[规则核验记录](huawei-cup-modeling/references/current-rules.md)说明了两者的区分。
- ## 竞赛工作流
- 先核验规则,再建立覆盖全题的基线;有了验证证据,再整合论文和锁定文件。**实时赛题须先确认当届 AI 允许范围**,各阶段按已核验规则执行。
- <p align="center">
- <a href="assets/readme-workflow.svg"><img src="assets/readme-workflow.svg" alt="五阶段竞赛工作流:规则核验→问题拆解与基线→模型比较与验证→图表与论文整合→预检、锁稿与上传复核。实时赛题先核验 AI 允许范围,范围不明时仅核对规则与机械检查。" width="800" /></a>
- </p>
- <p align="center"><sub>每一阶段都有对应产物;发现问题时回到相应阶段修正。点击图可查看原图。</sub></p>
- 三人分工、100 小时参考时间线、五个检查点和模型降级策略,见 [竞赛执行指南](huawei-cup-modeling/references/contest-operations.md)。时间安排是可调整的参考,赛程以当届公告为准。
- ## 图表与论文
- **图表既要清楚,也要有据可查。** 从保存的实验结果生成图表,关联结果账本,再引用到正文和摘要,让每个定量结论都能回到一次具体运行。
- <p align="center">
- <a href="assets/readme-evidence.svg"><img src="assets/readme-evidence.svg" alt="论文证据链:数据与代码通过 run_id 对应实验输出,输出中的数值经复核后通过 claim_id 对应论文图表、正文与摘要;数字不一致时回查来源重新生成。" width="800" /></a>
- </p>
- <p align="center"><sub>从数据到结论保留来源;复核后的同一结果,使用一致的单位、精度与表述。</sub></p>
- <table align="center">
- <tr><th align="center">维度</th><th align="center">交付标准</th></tr>
- <tr><td><strong>选图</strong></td><td>围绕一个比较或结论选图;坐标、单位、图例、误差含义完整。</td></tr>
- <tr><td><strong>样式</strong></td><td>统一字体、字号和配色;颜色搭配线型或标记,缩小后仍可辨认。</td></tr>
- <tr><td><strong>居中</strong></td><td>图与表相对正文版心居中,多子图成组对齐;题注遵循官方模板。</td></tr>
- <tr><td><strong>导出</strong></td><td>统计图优先矢量格式;位图按最终尺寸导出,检查字体和边缘裁切。</td></tr>
- <tr><td><strong>溯源</strong></td><td>保留源数据、绘图脚本和运行标识;正文、摘要与图表数字一致。</td></tr>
- </table>
- 图型选择、配色建议、Markdown / Word / LaTeX 居中方式和导出检查,见 [图表与排版指南](huawei-cup-modeling/references/figures-and-tables.md);写作与逐层审计见 [论文整合指南](huawei-cup-modeling/references/paper-and-compliance.md)。
- ## 脚本工具
- 提供三个无第三方 Python 依赖的本地辅助脚本。以下命令在仓库根目录执行,**全大写参数值需要替换**为真实路径或已核验条件。
- ### 复算体检覆盖率
- ```bash
- python3 huawei-cup-modeling/scripts/measure_review_coverage.py PAPER.txt ANNOTATIONS.json
- ```
- 读取冻结的 UTF-8 文本与标注 JSON,核验 SHA-256,按字符区间并集计算扫描进度、确认问题与待核验覆盖率。结果以 JSON 输出,输入文件保持原样。脚本只负责计数,语义问题由评阅过程识别;标注字段与统计口径见 [评阅指南](huawei-cup-modeling/references/ai-trace-review.md)。
- ### 初始化竞赛工作区
- ```bash
- python3 huawei-cup-modeling/scripts/init_competition_workspace.py TEAM_WORKSPACE \
- --year CONTEST_YEAR \
- --title "项目名称"
- ```
- 生成规则快照目录、数据与图表目录、来源 / 实验 / 结果账本、AI 使用日志和提交清单,并保留已有文件。三人分工与时间安排按 [竞赛执行指南](huawei-cup-modeling/references/contest-operations.md)制定。
- ### 提交前预检
- ```bash
- python3 huawei-cup-modeling/scripts/preflight_submission.py PAPER.pdf \
- --expected-name OFFICIAL_FILENAME.pdf \
- --max-paper-bytes VERIFIED_BYTE_LIMIT \
- --identity "学校名称" \
- --identity-start-page OFFICIAL_START_PAGE \
- --strict \
- --manifest HASH_REPORT.json
- ```
- 检查 PDF 结构、文件名、字节大小和指定页后的身份关键词,生成 MD5 与 SHA-256 清单。年度条件来自当届官方公告;若官方只写 MB 而未说明换算方式,应记录采用的约定,并把字节检查视为保守筛查。
- <details>
- <summary><strong>锁稿后验证文件是否变化</strong></summary>
- ```bash
- python3 huawei-cup-modeling/scripts/preflight_submission.py PAPER.pdf \
- --expected-md5 RECORDED_MD5 \
- --strict
- ```
- 提交 MD5 后冻结对应字节文件;上传前核验同一文件,不再编辑、压缩或重导出。预检清单不覆盖已有文件,重做时使用新文件名。
- </details>
- ## 环境与质量
- <table align="center">
- <tr><th align="center">环境</th><th align="center">要求 / 用途</th></tr>
- <tr><td>Python 3.9+</td><td>运行脚本;无需第三方 Python 包</td></tr>
- <tr><td>macOS / Linux</td><td>GitHub Actions 覆盖的平台</td></tr>
- <tr><td>Poppler · <code>pdfinfo</code></td><td>PDF 结构检查</td></tr>
- <tr><td>Poppler · <code>pdftotext</code></td><td>身份关键词文本扫描</td></tr>
- </table>
- Poppler 需独立安装,本仓库不捆绑其二进制。工具缺失时,脚本会提示未完成的检查;启用 `--strict` 后,这类检查会被视为失败。
- ```bash
- python3 -m unittest discover -s huawei-cup-modeling/tests -v
- ```
- 测试覆盖初始化回滚、链接防覆盖、已有清单保护、年度参数、字节边界、PDF 结构、身份词扫描、哈希验证,以及区间去重、片段覆盖限制、Unicode 偏移和标注版本校验。
- <details>
- <summary><strong>项目结构与资料入口</strong></summary>
- ```text
- .
- ├── README.md
- ├── assets/ # README 矢量封面与图示
- └── huawei-cup-modeling/
- ├── SKILL.md # 任务路由与核心约束
- ├── agents/openai.yaml # 界面元数据
- ├── references/
- │ ├── current-rules.md # 带核验日期的年度快照
- │ ├── contest-operations.md # 分工、时间线与检查点
- │ ├── figures-and-tables.md # 图表质量、居中与导出
- │ ├── academic-writing.md # 去 AI 味、表达润色与事实对照
- │ ├── ai-trace-review.md # 九维检测、综合评分与 A–E 分级
- │ └── paper-and-compliance.md # 论文、引用与提交审计
- ├── scripts/
- │ ├── init_competition_workspace.py
- │ ├── measure_review_coverage.py
- │ └── preflight_submission.py
- └── tests/
- ├── test_scripts.py
- └── test_review_coverage.py
- ```
- </details>
- ## 使用边界
- 当届官方公告和附件优先,缓存快照用于定位检查项。实时赛题的 AI 规定或允许范围无法核验时,Skill 仅协助规则核对、材料整理和非实质性机械检查。数据、实验、文献与运行结果必须真实,关键假设和最终结论由队伍理解并确认。
- 脚本提供辅助证据,完整的模板、匿名和视觉版式仍需人工逐页复核。
- <details>
- <summary><strong>数据、隐私与哈希说明</strong></summary>
- - 三个 Python 脚本自身不联网。通过 Codex 使用 Skill 时,材料可能由用户配置的 AI 服务处理,应遵守相应的数据控制与保留政策。
- - 初始化工作区的 `.gitignore` 默认忽略竞赛材料目录。忽略规则不是访问控制,正式比赛材料仍应保存在受控位置。
- - AI 使用日志只记录必要摘要,公开前须脱敏;不保存无关的完整对话。
- - 哈希清单默认隐藏绝对路径与身份词原文,但仍含文件名、大小、时间和文件哈希,比赛期间不要公开。
- - MD5 用于赛事要求的字节锁定流程,SHA-256 提供补充完整性证据;MD5 不作为安全哈希使用。
- </details>
- ## 维护与贡献
- [年度规则快照](huawei-cup-modeling/references/current-rules.md)需要持续核验。更新时采用竞赛官网、当届正式附件或培养单位通知,保留来源链接、发布日期和核验日期,明确区分已确认、尚未发布与往届先例。脚本参数变化应补充相应回归测试。
- 欢迎通过 [Issue](https://github.com/Nopon-Knowledge/huawei-cup-modeling-skill/issues) 或 Pull Request 提交规则更新、脚本修复和工作流改进。贡献内容不得包含实时未公开赛题、队内论文或数据、真实身份、完整 AI 对话、官方模板或 Logo,以及无权再授权的论文与代码。
- <details>
- <summary><strong>独立项目声明与许可证</strong></summary>
- 本项目是独立的开源辅助工具,与华为、中国研究生数学建模竞赛组委会、承办单位及研创网不存在隶属、授权或背书关系。“华为杯”等名称及相关商标归其权利人所有。
- 规则摘要用于定位检查项,不能替代当届官方公告、附件和系统提示,也不构成法律或竞赛合规意见。项目不保证规则始终准确及时,不保证匿名、模板、原创性、提交成功、获奖或 AI 使用一定被允许。
- 项目原创代码与文档采用 [MIT License](LICENSE)。外部链接、官方文件、赛事名称和商标的权利仍归各自权利人所有。Poppler 按其自身许可证提供。
- </details>
- ---
- <p align="center">
- <strong>让论文表达自然,让研究证据完整。</strong><br />
- <sub>定位模板感 · 改写机械表达 · 保留研究判断 · 复核事实原意</sub>
- </p>
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.