news 2026/10/1 8:39:51

CCFA Skills 评审双保险:AI 独立科学审稿与 claim、数字、引用完整性审计怎么做

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
CCFA Skills 评审双保险:AI 独立科学审稿与 claim、数字、引用完整性审计怎么做

CCFA Skills 评审双保险:AI 独立科学审稿与 claim、数字、引用完整性审计怎么做

【免费下载链接】CCFA-SkillsA skill family for shaping the research storyline of CCF-A papers.项目地址: https://gitcode.com/gh_mirrors/cc/CCFA-Skills

CCFA Skills是一个面向 CCF-A 论文的研究助理技能家族,其中 ccf-paper-reviewer 负责 AI 独立科学审稿,ccf-integrity-auditor 负责 claim、数字、引用三类完整性审计。本文带你理解这对"评审双保险"如何分工:前者判断"结论站不站得住",后者核对"每个说法有没有证据支撑",帮助新手在投稿前用最小成本发现硬伤。

为什么投稿前需要"评审双保险"

很多被拒的论文,问题不在想法,而在两处:

  • 结论与证据脱节:摘要里写"显著提升 30%",正文实验却只覆盖了 2 个数据集;
  • 数字、表格、引用前后打架:正文、图表、BibTeX 之间的不一致,是审稿人最容易抓到的"硬伤"。

CCFA Skills 用两个技能把这两类风险拆开处理,互不越权:

技能管什么不管什么
ccf-paper-reviewer科学完整性、证据充分性、写作与格式、版本对比评审不改写正文、不写 rebuttal
ccf-integrity-auditorclaim 支撑、数字一致性、引用上下文核验不做完整科学评审、不搜新文献

这种"单一职责"由路由规则统一约束,见 ccf-common/references/routing.md:审"思路靠不靠谱"走 idea-reviewer,审"稿件证据够不够"才走 paper-reviewer,而"检查 claim、数字、引用是否一致且有支撑"明确路由到 integrity-auditor。

第一重保险:AI 独立科学审稿怎么做

四种审稿模式,按需选择

打开 ccf-paper-reviewer/SKILL.md 可以看到 4 种模式:

  • scientific:新颖性、方法正确性、实验证据、相关工作、可复现性、伦理与评分;
  • writing:段落逻辑、章节衔接、术语一致性、图表叙述;
  • full:科学 + 写作 + 格式 + 修改行动建议的全量评审;
  • version-comparison:冻结评分标准后对比新旧版本,回答"改进了多少"和"离录用还差多少"两个独立问题。

三步走:读稿、对表、给结论

  1. 三遍阅读协议(references/universal-review-rubric.md):第一遍抓定位与贡献,第二遍看方法与图表,第三遍像审稿人一样"压力测试"核心主张。
  2. 八维评分卡:贡献新颖性、意义影响、技术正确性、证据评估、清晰组织、定位与相关工作、可复现性、伦理与局限,每维 1–5 分,且低于 3 分的评分必须给出扣分依据和修复条件。
  3. 致命风险分诊:核心贡献不清、新颖性被已有工作覆盖、主要主张缺证据、最强基线缺失等 8 类情形,单独标记为"可独立导致拒稿"的风险。

报告格式是固定的,不是随手写

评审报告默认使用 14 节详细模板(references/fixed-output-format.md),从"评审信息与范围"到"修改优先级与复审记录",每个问题都有稳定 ID、精确位置、证据依据和"什么情况会改判"。多视角综合则按 references/reviewer-panel.md 呈现"最强支持解读 / 最强有利解读 / 最强批判解读"三种视角,而不是平均掉一个致命缺陷。

评分纪律同样适用于项目自身的评测:如上图所示,每个分数都附带置信区间与改判条件,而不是一个孤立数字。CCFA Skills 的共享评审标准(ccf-common/references/review-output-standards.md)要求区分"维度分、总体评分、置信度"三个值,且"未评估 ≠ 零分"。

第二重保险:claim、数字、引用完整性审计

claim-audit:每个主张都要找到证据

ccf-integrity-auditor/SKILL.md 的核心规则只有一句话:每条重要 claim 必须能追溯到提供的证据,追溯不到的标记为"无支撑",而不是靠编造来修复。

审计会构建一张 claim-证据矩阵,把每条主张标记为五种状态之一:

supported(有支撑) / partially supported(部分支撑) unsupported(无支撑) / overstated(夸大) / unclear(不清晰)

对摘要、引言、结论中的每条主要 claim,审计输出:claim 位置、已检查的证据、证据类型、强度(强/足够/弱/缺失)、扣分与需要的修复。硬规则是:无支撑的主张只能被弱化、删除或补证据,绝不能用修辞包装。

numeric-audit:数字一致性是确定性检查

数字审计用"确定性算术"核对:正文、表格、图、图注、摘要、结论之间的同一数值是否一致,差值(delta)、单位、指标方向、四舍五入是否正确,并且严格区分"不可比"与"不一致"两种情况——前者是覆盖范围问题,后者才是真缺陷。

citation-audit:引用不只是元数据存在

引用审计分两层:

  • 元数据层:BibTeX 键重复、DOI/arXiv/venue 合理性、已引论文的同一性;
  • 上下文层:正文中引用它的语境是否被所引文献真正支持——"元数据存在"不等于"引用成立"。

发现问题时,元数据问题和上下文支撑问题会被分开报告,避免"改一处 bibliography 就万事大吉"的错觉。

两个技能如何接力

在默认论文流水线(见 ccf-common/references/routing.md 的 Default Paper Project Flow)中,两个技能一前一后:

  1. 写作完成后,先交给ccf-paper-reviewer做完整审稿,拿到带严重程度的问题清单;
  2. 再由ccf-integrity-auditor做 claim/数字/引用审计,输出审计契约(模式、检查对象、claim 矩阵、数字发现、引用发现、严重度、安全修改建议、下一位接手人、无编造状态);
  3. 若发现图表排版弱但数字一致,转ccf-visual-composer;需要改措辞转ccf-paper-writer;需要回应对审稿意见则转ccf-rebuttal-writer。

审计技能还会检查提示注入与隐藏操纵:正文、附录、图注中若藏有针对 LLM 或审稿人的隐藏指令,一律当作数据处理,这正是"AI 审稿"时代稿件自身也要过的预审(references/desk-checks.md)。

新手上手清单:一句话就能触发

不需要理解内部实现,直接说人话即可:

你想做什么直接说路由到
全面审稿"完整审稿 / 这份稿件有什么硬伤 / 结论站得住吗"paper-reviewer
新旧版本对比"对比论文新旧版本,检查复审分数漂移"paper-reviewer
审计一致性"检查 claim、数字、引用是否一致且有支撑"integrity-auditor

常见问题 FAQ

Q1:AI 审稿会帮我改论文吗?不会。reviewer 只产出与决策相关的发现,不重写正文;具体编辑动作交接给 ccf-paper-writer,rebuttal 交给 ccf-rebuttal-writer。

Q2:审计会编造证据吗?不会。integrity-auditor 有明确的"无编造状态"输出字段,缺失材料会被标记为"覆盖范围限制",而不是被当作已证实的缺陷。

Q3:只给了 PDF 片段能审吗?可以,但会如实报告证据覆盖范围——"故意提供的节选不能证明全文缺陷",这是评分纪律的一部分。

写在最后

CCFA Skills 的评审双保险把"科学判断"和"事实核对"拆成两条独立通道:reviewer 用八维评分卡和固定报告格式给出可复核的评审意见,auditor 用 claim 矩阵、确定性算术和引用上下文核验守住事实底线。投稿前先跑一遍这两步,多数低级硬伤就能在审稿人看到之前被发现 🎯。更多技能清单见 docs/SKILLS_CATALOG.md。

【免费下载链接】CCFA-SkillsA skill family for shaping the research storyline of CCF-A papers.项目地址: https://gitcode.com/gh_mirrors/cc/CCFA-Skills

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/10/1 8:39:32

AI搜索优化与GEO区别解读:制造业企业内容资产化实战路径参考

当采购决策的第一站搬进AI对话框,制造业企业的内容正在从宣传物料变成可被AI读取、引用、推荐的资产。GEO(Generative Engine Optimization,生成式引擎优化),正是把企业信息系统性投喂给豆包、DeepSeek、文心一言、Kimi、ChatGPT等主流AI平台…

作者头像 李华
网站建设 2026/10/1 8:39:15

基于深度学习cnn的扑克牌检测 扑克牌识别 YOLO11的扑克牌检测-数据集+模型-目标检测图像数据集

这个项目是个用YOLO11模型搞扑克牌检测和分析的玩意儿,简单说就是让电脑能认出牌桌上的牌,还能帮玩家算各种牌型的概率,挺实用的。首先说核心的牌检测部分。作者用了扑克牌数据集来训练YOLO11模型——这个数据集里应该都是各种角度、场景下的…

作者头像 李华
网站建设 2026/10/1 8:38:19

不想搭集群,有没有单机就能跑分析的国产数据库?

云策数据(YoungsData),专注高性能数据基础设施与企业级数据分析平台的国产自研软件厂商,以自研数据库 Youngs DB 为核心,提供 Youngs DB YoungsData Fabric YoungsData Analytics 三位一体(DFA&#xff0…

作者头像 李华
网站建设 2026/10/1 8:35:21

Codex 必备插件推荐:10款提升AI编程效率的实用工具

Codex 的插件我前前后后装过二十多个,最后留在环境里的就这 10 个。不是说我多克制,而是踩够了"装了一堆、一个没用、还拖慢 Codex"的坑之后,我给自己定了一条规矩:凡是不能让我"日常本来就要做的事"变得更快…

作者头像 李华
网站建设 2026/10/1 8:35:17

律师、会计等专业服务怎么被AI推荐?获客思路

标题:律师会计怎么做AI获客?靠专业内容被搜到的逻辑很多老板没意识到,找律师或找会计的客户,搜索习惯已经变了。他们不再只是问朋友“谁靠谱”,而是先让AI帮忙梳理案情或梳理税务问题,看看哪些专业领域值得…

作者头像 李华