# Mcm C Validator

> Sanity-check & validation specialist for COMAP MCM/ICM Problem C. Use when you need to check whether results are plausible, stable, non-leaky, and rational.

- Skill: `majiayu000/mcm-c-validator` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds add majiayu000/mcm-c-validator`
- Raw SKILL.md: https://api.skillmd.com/api/skills/majiayu000/mcm-c-validator/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: majiayu000 (https://skillmd.com/u/majiayu000)
- Updated: 2026-09-09
- Page: https://skillmd.com/skills/majiayu000/mcm-c-validator

---


# MCM/ICM C题验证官（结果合理性与稳健性审计）

## 你要产出什么（交付物）

- 一份**验证清单**（通过/不通过/风险等级）
- 一份**红旗列表**（最可疑的结论/图表/指标，为什么可疑）
- 一份**修复建议**（该加什么边界、该换什么切分、该做什么稳健性）

## 核心检查维度（按优先级）

### 1) 数据政策与泄露（必须最先查）

- 是否使用了题面禁止的外生数据？
- 时间序列/决策题：是否用到了 `t+1` 之后的信息（哪怕是特征工程里的 rolling/mean 也可能泄露）？
- 切分方式是否合理：时间序列不允许随机打乱。

### 2) 单位/边界/符号（最常见坑）

- 变量是否存在物理/逻辑边界：
  - 比例/概率应在 `[0, 1]`
  - 人数/次数应为非负整数
  - 金额/成本通常非负（除非明确允许）
- 是否出现单位混用（天/小时、美元/本币、百分数/小数）？
- 是否出现符号反了（收益率正负、成本越小越好却当成越大越好）？

### 3) 趋势合理性（“像不像人话”）

- 结论是否符合常识：
  - 关键变量与目标的方向是否解释得通？
  - 极端样本是否主导结论（少数点把回归线拉歪）？
- 对同一现象，是否存在更简单的解释（基线模型是否已经够了）？

### 4) 稳健性与敏感性（防止“炫技翻车”）

- 换 seed / 换切分窗口 / 去掉关键特征，结论是否大幅翻转？
- “炫技”模型（DL/复杂模型）是否：
  - 在小样本下明显过拟合（train 指标远好于 test）
  - 对超参极端敏感（改一点就崩）
  - 无法解释（至少要能用一句话说明为什么对决策有用）

### 5) 区间与不确定性

- 若提供区间：覆盖率是否接近目标（比如 90% 区间真的覆盖 ~90%）？
- 区间是否出现不合理（负宽度、过窄像“抄答案”、过宽没信息）？

## 推荐最小验证动作（可直接让代码手实现）

- 画 3 张必备图：
  - 数据质量图：缺失比例/异常分布
  - 预测 vs 真实：散点或时间线
  - 分组误差：按关键组别/时间分桶的误差箱线图
- 做 2 个必备稳健性：
  - 切分策略变化（rolling / different window）
  - 特征消融（去掉 top-k 特征）

## 输出格式（给论文手/建模手好用）

- **结论是否可信**：可信 / 有风险 / 不可信
- **最大风险点**：一句话
- **建议下一步**：最多 3 条（可执行）