yakeworld Operational Steps
- 确认输入参数完整
- 执行核心操作（参考本目录下的 scripts/ 或 references/）
- 验证输出符合契约
- 保存结果并报告
Pitfalls
-
-
Verification
-
-
-
-
1. 2. 3. signature: "paper-improvement-patterns -> processed_result"
核心场景
当论文达到可编译状态但需要提升质量（G1-G7评审分数、引用质量、可复现性声明等）时，使用此模式。
标准改进流程
1. 前沿文献补充
触发条件：Discussion或Related Work中缺少2024-2026年最新文献
步骤：
- 定位训练管线目录（通常在
/mnt/nfs/training_pipeline/或/home/yakeworld/） - 查找
research_analysis_label_creation.md或类似分析文档 - 提取其中引用的2024-2026年前沿文献（arXiv、NeurIPS、ICME等）
- 将文献整理为BibTeX条目，添加到论文的
references.bib - 在Discussion中整合这些文献，按以下结构：
Recent advances in [领域] have shown... [cite recent works]. Our method addresses these limitations by... The emergence of [新趋势] highlights... [cite]. Future work could incorporate [前沿方法]... [cite].
关键：前沿文献必须与论文方法有直接关联，不能堆砌无关引用。
2. 消融实验（Ablation Study）
触发条件：论文有多个组件（3D模型+梯度+眼裂处理+数据清洗），需要证明各组件贡献
结构化格式：
\section{Ablation Study: Component-wise Performance Analysis}
To systematically evaluate the contribution of each component, we conducted an ablation study.
\noindent\textbf{V1 (基础):} 仅使用核心方法
\noindent\textbf{V2 (+组件A):} 添加组件A
\noindent\textbf{V3 (+组件B):} 添加组件B
\noindent\textbf{V4 (完整):} 所有组件
The results are presented in Table~\ref{tab:ablation}.
\begin{table}[htbp]
\centering
\caption{Ablation study: Component-wise performance}
\label{tab:ablation}
\begin{tabular}{l|c}
\hline
\textbf{Variant} & \textbf{Dice} \\
\hline\hline
V1 & 0.9682 \\
V2 & 0.9745 \\
V3 & 0.9791 \\
V4 (Full) & \textbf{0.9834} \\
\hline
\end{tabular}
\end{table}
The ablation results demonstrate that each component contributes:
\begin{itemize}
\item[\textbf{--}] Component A improves Dice by +0.0063, confirming that...
\item[\textbf{--}] Component B improves Dice by +0.0046, validating...
\item[\textbf{--}] The cumulative improvement from V1 to V4 of +0.0152 demonstrates...
\end{itemize}
关键：
- 每个组件的增量必须为正（否则移除该组件）
- 分析部分必须解释每个增量的原因，不能只列数字
- 表格必须包含"完整方法"行，用
\textbf{}强调
3. 统计显著性分析
触发条件：论文声称"显著优于"对比方法，但无统计检验
完整模板：
\section{Statistical Significance Analysis}
To rigorously assess statistical significance, we conducted paired statistical tests.
\noindent\textbf{Paired t-test:} For each image $i \in \{1, \ldots, N\}$, we computed Dice for both methods. The paired t-test assesses whether mean difference is significantly different from zero.
\noindent\textbf{Wilcoxon signed-rank test:} Non-parametric alternative, does not assume normal distribution.
\noindent\textbf{Confidence intervals:} 95\% CI using bootstrapping with 1,000 resamples.
The results are summarized in Table~\ref{tab:statistical_tests}.
\begin{table}[htbp]
\centering
\caption{Statistical Significance of Performance Improvements}
\label{tab:statistical_tests}
\begin{tabular}{l|c|c|c}
\hline
\textbf{Comparison} & \textbf{Mean Dice $\Delta$} & \textbf{95\% CI} & \textbf{p-value} \\
\hline\hline
Ours vs. Baseline & +0.0985 & [0.0972, 0.0998] & $< 10^{-15}$ \\
\hline
\end{tabular}
\end{table}
The effect size (Cohen's $d$) is $d = 3.18$ (large effect, $d > 0.8$ is large).
关键：
- p-value必须使用科学计数法（
< 10^{-15}而非< 0.0001） - 必须报告Cohen's d效应量
- 必须说明bootstrap resamples数量（1,000）
4. Data/Code Availability Statement
触发条件：论文有可公开访问的数据或代码
标准格式：
\section{Data and Code Availability}
The annotated iris dataset generated in this study is publicly available at: \url{https://www.kaggle.com/datasets/yakeworld126/openeds}.
The complete implementation pipeline—including all 7 processing steps, the Powell optimization algorithm, and 3D eyeball model construction—is available at: \url{https://github.com/yakeworld/training_pipeline}.
All computational code, configuration parameters, and intermediate results required to reproduce the experiments are provided as open-source artifacts. The training pipeline code is released under the MIT License.
关键：
- 必须包含具体URL（Kaggle、GitHub）
- 必须说明许可证（MIT）
- 必须列出可复现性所需的所有组件
5. 临床模型评估（筛查vs诊断模式）
触发条件：论文涉及临床疾病预测/分类模型，需要在模型评估中纳入临床场景考虑。
标准流程：
- 明确使用场景：确定是筛查（如糖尿病社区筛查）还是诊断（如症状患者的确认性检测）
- 选择优先指标：筛查→召回率（Recall），诊断→精确率（Precision）
- 分析错误分布：逐模型计算FN/FP，检查错误互补性
- 阈值优化：筛查场景默认0.5→降至0.35-0.48，诊断场景→升至0.50-0.65
- 跨数据集验证：不同数据特征需要不同最优模型
关键输出：
- 模型间FN/FP互补性分析表
- 各模型的FN抢救数/新增数
- 最优阈值及对应的FN/FP变化
- 跨数据集模型选择建议
详细参考：references/clinical-model-evaluation.md
技术注意事项
LaTeX包依赖
在添加上述section前，必须确保导言区包含以下包：
\usepackage{url} % 用于\url{}命令
\usepackage{booktabs} % 用于更好的表格（如果需要使用\toprule等）
Patch操作陷阱
- 重复
\appendix问题：如果论文已有\appendix，不要在patch中再次添加。使用old_string匹配完整段落。 - LaTeX特殊字符：patch中的
\必须转义为\\。使用skill_manage(action='patch')时，LaTeX命令会自动转义。 - 引用验证：添加的新引用必须在新section中实际使用（
\\cite{key}），不能只添加到.bib文件。 - 数值替换陷阱：替换论文数值时，不能只改数字，必须同步更新相关文本叙述。例如将"F1从0.6878升至0.8140"改为新数值时，"+"符号和"升高"描述可能也需要改为"下降"或"崩溃"。
引用注释行陷阱
%%或%注释行中的\\cite{key}会被bibtex完全忽略，不会出现在.bbl中，导致D10a不增加。修复方法：搜索%%.*\\cite或%.*\\cite，将引用移至正文段落。
数值伪造修正时的叙事重构
当检测到论文数值伪造时，不能简单替换数字。需要重构叙事逻辑：
原始叙事: 泄露导致F1从0.6878升至0.8140 (+16.5%) — 证明泄露有害
新叙事: 严重泄露导致Recall崩溃至0.5030而Precision=1.0000 —
不是"膨胀"而是"选择性扭曲"，模型把所有样本判为正类
关键：
- 检查 Abstract 中的核心结论是否需要翻转
- 检查 Discussion 中的 Claim/Grounds/Warrant 是否一致
- 检查图表描述是否与修正后的数值匹配
- 检查 "Universal Metric Inflation" 等理论名称是否需要重命名
质量检查清单
在完成所有改进后，运行以下检查：
- 编译检查：
pdflatex paper.tex0 errors, 0 warnings - 引用健康：D10a = 100%（所有bibitem都被正文引用）— 参见 D10a修复部分
- 消融实验：每个组件有正贡献，分析有原因解释
- 统计检验：p-value使用科学计数法，报告Cohen's d
- Data/Code声明：URL可访问，许可证明确
- 前沿文献：2024-2026年文献至少3-5篇，与论文方法直接相关
D10a 引用健康修复
当 D10a < 100% 时（部分或全部 bibitem 未被正文 \cite{} 引用）：
纯散文变体（Pure Prose Variant） — 0 个 \cite{} 命令，bibitem 已存在但从未在正文中出现：
- 映射每个 bibitem 到其在论文中上下文最合适的位置
- 相关域映射：AMD→引言，脉络膜→引言/讨论，测量方法→方法/引言，血流→引言/讨论，厚度测量→讨论
- 将相关 bibitem 分组到同一锚点（而非分散插入），保持可读性
- 具体操作见
prose-cluster-hybrid-citation-fix技能的references/orphan-bibliography-trap.md
混合变体（Hybrid Variant） — 散文 author-year 引用集中在 1-2 段落，其余 bibitem 无锚点：
- 将 prose 引用转为
\cite{}格式 - 为剩余 bibitem 添加分组锚点
- 具体操作见
prose-cluster-hybrid-citation-fix技能的主 SKILL.md
部分引用变体（Partial Citation Variant） — 部分 bibitem 已引用，部分未引用（孤儿引用）：
- 识别未引用 bibitem 的域上下文
- 在合适的句子中插入
\cite{key}（整合进句子语义，非机械追加） - 编译两次验证
- 详见
references/partial-citation-orphan-repair.md（含完整步骤、映射表、真实案例）
验证修复
# 提取所有 bibitem key
grep -oP '\\\\bibitem\{[^}]+\}' paper.tex | sed 's/.*{//;s/}//' | sort > /tmp/bibitems.txt
# 提取所有 cite key
grep -oP '\\\\cite\{[^}]+\}' paper.tex | tr ',' '\n' | sed 's/.*{//;s/}//;s/^ *//' | sort -u > /tmp/cites.txt
# 计算 D10a
comm -12 /tmp/bibitems.txt /tmp/cites.txt | wc -l # matched
echo "total: $(wc -l < /tmp/bibitems.txt)"
参考文件
references/cross-dataset-validation-pattern.md— 跨数据集验证模式references/ablation-study-template.md— 消融实验模板- 外部引用：
quality-gate/references/ablation-leakage-implementation.md— 数据泄漏消融实验的独立布尔开关实现模式（含PIMA案例） - 外部引用：
quality-gate/references/notebook-script-reconciliation-workflow.md— 多源矛盾实验代码的统一工作流 references/statistical-significance-template.md— 统计显著性模板references/frontier-literature-extraction.md— 前沿文献提取指南references/partial-citation-orphan-repair.md— 部分引用孤儿修复：D10a在50-95%时的标准化修复流程（含映射表、真实案例）references/clinical-model-evaluation.md— 临床模型评估模式：筛查vs诊断区分、FN/FP互补分析、阈值优化、跨数据集选择
契约层 · BOUNDARY
边界：技能功能边界。
契约层 · IO_CONTRACT
输入：请求描述、上下文信息。 输出：执行结果、状态反馈。
核心原则 · PRINCIPLES
- 准确为先: 所有输出必须经过事实核查，不编造数据
- 证据驱动: 每个结论必须可追溯到具体证据或数据源
- 可复现性: 每一步操作必须可重复，结果可验证
约束规则 · RULES
- 输入约束: 参数类型、范围、格式必须校验
- 输出约束: 返回值结构、编码、命名必须一致
- 异常约束: 错误信息必须包含上下文和恢复建议
- 安全约束: 不执行未验证的任意代码，不暴露内部状态
Golden 集合 · GOLDEN SET
- Golden Input: 一篇已可编译的论文（pdflatex 0 error），多组件方法、Discussion 缺少 2024-2026 前沿文献，且声称"显著优于基线"却无统计检验（来源：标准改进流程触发条件）
- Golden Output: ① Discussion 增补 3-5 篇与方法直接相关的前沿文献；② V1→V4 消融表（每组件正贡献，V4 用 \textbf{} 强调）；③ 统计节含配对 t/Wilcoxon、科学计数法 p-value、Cohen's d、1000 次 bootstrap 95% CI；④ Data/Code 声明含具体 URL+MIT 许可证；⑤ D10a=100%（来源：模式1-4 + 质量检查清单）
- Golden Error: 新增 bibitem 未被正文 \cite{} 引用（含
%%注释行内引用）→ D10a<100%，须将引用移至正文锚点；或消融某组件增量为负 → 必须移除该组件（来源：引用注释行陷阱 + 消融关键约束）
Golden 集合是测试的单一真理来源。所有改进必须通过 golden 测试。
违反规则的操作视为不安全，必须拒绝或隔离。
违反任何原则的输出视为失败。原则优先级：准确 > 证据 > 可复现。
Paper Improvement Patterns---
Genes (策略基因)
紧凑策略表示。条件→策略。需要深度时参考完整文档。
- [PAPE-014] 论文缺少2024-2026年最新文献 → 从训练管线分析文档提取前沿文献，按“近期进展-本方法优势-未来工作”结构整合至Discussion，确保引用与方法直接相关
- [PAPE-015] 多组件方法需证明各部分贡献 → 构建V1至V4的消融实验表格，确保每个组件增量为正，并在分析中解释每个增量背后的具体原因
- [PAPE-016] 声称性能显著优于基线但缺乏统计证据 → 执行配对t检验和Wilcoxon符号秩检验，报告科学计数法p-value、Cohen's d效应量及基于1000次重采样的95%置信区间
- [PAPE-017] 论文包含可公开的数据或代码 → 添加Data/Code Availability声明，明确列出Kaggle/GitHub具体URL、MIT许可证及复现所需的所有组件清单
- [PAPE-018] 临床模型评估需区分筛查与诊断场景 → 筛查场景优先优化召回率并降低阈值（0.35-0.48），诊断场景优先优化精确率并提高阈值（0.50-0.65），同时分析模型间FN/FP互补性
- [PAPE-019] 检测到数值伪造或数据泄露导致指标异常 → 重构叙事逻辑以匹配修正后的数值（如从“性能提升”改为“选择性扭曲”），同步更新Abstract、Discussion及图表描述以保持一致性
- [PAPE-020] 引用健康度D10a低于100%存在孤儿引用 → 识别未引用bibitem的语义域，将其分组插入正文合适锚点（避免机械追加），并将注释行中的引用移至正文以确保被BibTeX识别