Paperjury

| | G1-G7 结构检查 | 语义审查（claim 是否站得住） | | 编译检查 | 编辑安全 + 防漂移 | | 批量 cron 扫描 | 单篇深度庭审 | | 确定性指标 | 语义判断 + 确定性 guards |

典型流程: 论文完成 → quality-gate L1-L2 → paperjury review → 修复 → quality-gate L3-L4 → paperjury auto loop → quality-gate L5-L7 → 投稿。

使用示例

审稿，重点看实验和 claim 是否站得住。
把 introduction 这段改紧一些，但不要改变 claim。
跑一下 submission-readiness / 合规检查。

限制

1. 不替代 peer review，只是投稿前自查
2. 不编造实验，遇到需要新实验的问题交给作者
3. 完整庭审约 10k tokens/轮，多轮 auto 30-50k
4. 每个 reviewer 必须独立阅读，不能跨轮次泄漏

数值回查（实验数据审计）

当论文有实验指标时，必须先运行 references/experimental-data-integrity-audit.md：

1. 提取所有数值 claim（F1/AUC/Recall 等）
2. 检查 03-code/ 下是否有对应代码和输出
3. 无代码 → 标记 FABRICATED；有代码但数值不匹配 → MISMATCH
4. 运行独立复现，输出 JSON+CSV 归档
5. 对比 claimed vs actual，标注 CLOSE/MISMATCH/FABRICATED

核心原则：不信任 paper.tex、state.json、notebook cell output 中的数字。只信任独立运行的代码输出。

参考文件

• references/paperjury-analysis.md — 引擎原理 v3 消化吸收笔记
• references/doi-pdf-validation-lessons.md — DOI + PDF 验证经验教训
• ref/absorption-plan.md — Synthos 吸收方案（方法论转化指南）
• references/experimental-data-integrity-audit.md — 论文数值 claim 代码回查协议（pima-crispdm 实战提炼：逐条验证 F1/AUC/Recall 等指标是否有代码输出支撑）

相关技能

• quality-gate: 结构化质量门（G1-G7），L4 可调用 paperjury review
• paper-cron-scan: 白空间扫描，与 paperjury 互补
• sci-paper-quality-review: SCI 论文结构/格式检查，与 paperjury 互补
• paper-pipeline: 论文管线编排，paperjury 是其质量审查工具

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。

验证清单 · VERIFICATION

• 实验数值 claim 已回查 03-code/：无代码→FABRICATED、有代码数值不匹配→MISMATCH、独立复现→CLOSE，未凭 paper.tex/state.json/notebook 直接引用
• 数值审计输出 JSON+CSV 归档到 references/，claimed vs actual 逐条标注 CLOSE/MISMATCH/FABRICATED
• 每个 reviewer 独立阅读原文，未跨轮次共享笔记/结论（防泄漏污染评分）
• 需新实验才能验证的问题标记 OPEN 移交作者，未自行补数据或声称已验证
• 单轮 ≤10k tokens、多轮累计 ≤50k，超限自动终止并输出未决问题清单
• 流程按 L1-L2 结构 → 语义审查 → 修复 → L3-L4 → auto loop 深度庭审 → L5-L7 合规顺序执行
• 明确"不替代 peer review、仅为投稿前自查"，未编造实验

Golden 集合 · GOLDEN SET

• Golden Input: 一篇含实验指标的论文目录（paper.tex 声称 F1=0.92 + 03-code/ 下对应该指标的脚本与运行输出 + quality-gate L1-L2 已通过），触发完整庭审流水线
• Golden Output: 独立复现输出 JSON+CSV 归档 references/，claimed vs actual 逐条标注——有代码且数值匹配→CLOSE，reviewer 独立阅读原文无跨轮次泄漏，需新实验的问题标 OPEN 移交作者，单轮 ≤10k tokens
• Golden Error: 指标在 03-code/ 下无对应脚本/输出 → 直接标 FABRICATED 禁止放行（PAPE-002）；有代码但复现数值不匹配 → 标 MISMATCH；多轮累计 >50k tokens → 自动终止并输出未决问题清单

Golden 集合是测试的单一真理来源。所有改进必须通过 golden 测试。

每项验证必须可执行、可记录、可复现。验证失败时记录原因和修复。

Paperjury---

约束规则 · RULES

1. 数值不信任文档：论文数值 claim 只信任独立运行代码的输出；paper.tex、state.json、notebook cell output 中的数字一律视为待验证，不直接引用。
2. 无代码即 FABRICATED：指标无对应 03-code/ 下脚本与输出 → 标记 FABRICATED，禁止标注 CLOSE 或放行。
3. reviewer 独立：每个 reviewer 必须独立阅读原文，禁止跨轮次共享笔记/结论，防泄漏污染评分。
4. 不编造实验：遇到需新实验才能验证的问题，标记 OPEN 交给作者，禁止 paperjury 自行补数据或声称已验证。
5. token 预算：完整庭审单轮 ≤10k tokens，多轮 auto 累计 ≤50k tokens；超限自动终止并输出未决问题清单。

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-034] 论文包含实验指标 → 必须运行独立代码复现并归档 JSON/CSV，仅信任独立运行输出而非文档数值
• [PAPE-035] 指标无对应代码脚本或输出 → 直接标记为 FABRICATED，禁止标注 CLOSE 或放行
• [PAPE-036] 执行多轮审查时 → 每个 reviewer 必须独立阅读原文，严禁跨轮次共享笔记或结论以防评分污染
• [PAPE-037] 遇到需新实验才能验证的问题 → 标记为 OPEN 并移交作者，禁止自行补数据或声称已验证
• [PAPE-038] 审查流程启动时 → 遵循“结构检查(L1-L2) → 语义审查 → 修复 → 深度庭审(auto loop) → 合规检查(L5-L7)”的典型流水线
• [PAPE-039] 单轮庭审或累计多轮审查 → 严格控制在 10k/50k tokens 预算内，超限自动终止并输出未决问题清单