补充材料消化
当 appendix 或 supplement 和正文一样重要时,使用这个技能。
当任务需要更强的严谨性检查、引用支撑或相关工作追踪时,读取 references/upstream-patterns.md。
重点搜寻内容
- 精确的数据划分与过滤方式
- 训练流程与优化器细节
- 超参数搜索范围与最终取值
- 被藏在正文之外的负结果
- 额外消融与敏感性实验
- 会改变结果的实现细节
- 能真正支撑论文主张的附加图表
工作流程
- 先明确你希望补充材料回答什么问题。
- 先扫章节标题、图注和表题,再进行逐段阅读。
- 只提取会实质影响以下内容的细节:
- 可复现性
- 性能提升的解释
- 基线比较是否公平
- 后续实验设计
- 将信息拆分为:
hard_detailsprobable_assumptionsstill_missing
- 对 AI 和序列任务,重点检查:
- masking 或 padding 规则
- 序列截断方式
- batch 构造策略
- curriculum 或采样技巧
- checkpoint 选择标准
- decoding 或 retrieval 设置
- 如果补充材料暴露出证据不足的问题,转交给
research-novelty-audit。 - 如果补充材料提供了清晰的复现路径,转交给
research-experiment-design-planner。
输出要求
返回:
- 一份高价值隐藏细节清单
- 一份实验关键设置清单
- 一次基线公平性检查
- 仍然阻塞复现的未解问题
示例
- “使用 $research-supplement-digestion 告诉我作者在正文里漏掉了什么。”
- “使用 $research-supplement-digestion 从 appendix 里提取全部复现关键设置。”
- “使用 $research-supplement-digestion 检查补充材料是否真的支撑论文主结论。”