Training Pipeline Audit

| | 方法学论文 | 管线完整+有实证结果 | 训练结果+管线描述 | Q1-Q2 | | 实证分析论文 | 有对比实验/消融实验 | 对比数据+统计检验 | Q2-Q3 | | 综述论文 | 有文献基础+领域知识 | 文献综述+领域分析 | Q1 | | 算法-only | 数学推导新颖 | 推导+1-2个demo | Q2-Q3 |

IMRaD结构规划:

1. Introduction: 背景 → 现状 → 缺口 → 贡献
2. Methods: 管线步骤 → 算法 → 实验设计 → 数据
3. Results: 主结果(Val Dice/CErr) → 消融实验 → 对比实验
4. Discussion: 优势 → 局限 → 与文献对比 → 未来方向
5. Conclusion: 核心贡献总结

文献基础: 补充15-30篇相关文献(方法学/临床/算法)

产出: paper_plan.json (IMRaD结构+文献列表+时间表)

实战案例：K230训练管线

项目概要

• 数据: 901帧K230图像(800×480) + 976帧OpenEDS
• 管线: 7步CV管线(瞳孔定位→区域生长→椭圆精修→眼球中心标定→3D能量蛇→SAM眼裂→Seg Mask)
• 模型: MobileNetV2+T3EM, 4阶段渐进训练(30+20+20+20 epoch)
• 结果: Val Dice=0.8955, CErr=1.63px

发现的研究空白

1. 单目3D眼球追踪精度理论极限未验证
2. SAM vs 传统CV性能边界未定义
3. 不同人种解剖学参数泛化性未评估
4. 时序信息增益未量化
5. 混合训练泛化性增益未量化

生成的科学假设

• H1: 分割误差主导总误差(claim: ≥60%)
• H2: SAM在虹膜边缘优于能量蛇，在瞳孔定位不如区域生长
• H3: 时序建模比单帧提升Val Dice ≥0.03
• H4: 混合训练比单一数据集提升Val Dice ≥0.05
• H5: 固定几何参数导致系统性偏差

论文撰写计划

• 论文A(方法学): Q1, IEEE TBME/IOVS, 2周
• 论文B(实证分析): Q2, Scientific Reports, 4周

参考文件

• ref/legacy-paper-rescue-workflow.md — 管线/训练分析经验
• ref/legacy-paper-rescue-workflow.md — 管线/训练分析经验
• ref/hypothesis-generation-ref/io-contract.md — 假设生成IO合同
• ref/hypothesis-generation-ref/boundary.md — 假设生成边界
• references/k230-pipeline-audit-2026-06-13.md — K230训练管线审计报告(实战案例)
• references/k230-code-patterns.md — K230训练管线核心代码模式(数据加载/训练/参数)
• references/skill-library-audit-2026-06-13.md — 技能库审计与更新报告

实战案例

• K230训练管线 (2026-06-13): 从901帧K230数据+训练日志提取5个研究空白、5个科学假设、2篇SCI论文计划。详见references/k230-pipeline-audit-2026-06-13.md。

验证

• 所有项目文件已扫描和统计
• 管线步骤已拆解为方法论
• 已识别至少3个研究空白
• 已生成至少3个可检验假设
• 已输出论文撰写计划(IMRaD结构+文献列表)
• 假设格式符合hypothesis-generation的IO_CONTRACT

核心原则 · PRINCIPLES

1. 准确为先: 所有输出必须经过事实核查，不编造数据
2. 证据驱动: 每个结论必须可追溯到具体证据或数据源
3. 可复现性: 每一步操作必须可重复，结果可验证

约束规则 · RULES

1. 输入约束: 参数类型、范围、格式必须校验
2. 输出约束: 返回值结构、编码、命名必须一致
3. 异常约束: 错误信息必须包含上下文和恢复建议
4. 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: K230 训练管线项目：901 帧 K230 图像（800×480）+ 976 帧 OpenEDS 数据 + 7 步 CV 管线（瞳孔定位→区域生长→椭圆精修→眼球中心标定→3D 能量蛇→SAM 眼裂→Seg Mask）+ MobileNetV2+T3EM 4 阶段训练日志（30+20+20+20 epoch）
• Golden Output: paper_plan.json 含 IMRaD 结构 + 15-30 篇文献列表 + 时间表；≥3 个研究空白（如单目 3D 精度极限未验证）+ ≥3 个可检验假设（H1: 分割误差主导总误差 ≥60%，含检验条件与反证路径）；Val Dice=0.8955 / CErr=1.63px 可追溯至训练日志
• Golden Error: 数值（Val Dice/CErr）无法追溯至训练日志或代码输出 → 触发 TRAI-001 数据诚实门（凡数必源），拒绝输出无源指标并标注缺失；研究空白 <3 或假设 <3 则不满足质量门，需补充扫描

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。

Training Pipeline Audit---

(P032 去重: 保留合并前第二份的 6 行独有内容)

验证清单 (Verification)

• 项目文件已全量扫描统计，管线步骤已拆解为方法论
• 识别 ≥3 个研究空白（精确定位到文献矛盾/方法缺口）
• 生成 ≥3 个可检验假设（含检验条件与反证路径），格式符合 hypothesis-generation 的 IO_CONTRACT
• 已输出 paper_plan.json（IMRaD 结构 + 15-30 篇文献列表 + 时间表）
• 所有数值（Val Dice/CErr 等）可追溯到训练日志/代码输出，未编造

示例 · EXAMPLES

• 示例一（K230 训练管线）：输入：901帧 K230 图像 + 976帧 OpenEDS 数据 + 训练日志（MobileNetV2+T3EM，4阶段 30+20+20+20 epoch）→ 输出：5 个研究空白（如单目 3D 精度极限未验证）、5 个可检验假设（H1: 分割误差主导总误差 ≥60%）、2 篇 SCI 论文计划（方法学 Q1 论文 A + 实证分析 Q2 论文 B），含 IMRaD 结构与 15-30 篇文献列表。来源：references/k230-pipeline-audit-2026-06-13.md，Val Dice=0.8955 / CErr=1.63px 可追溯至训练日志。
• 示例二（算法-only 管线）：输入：纯数学推导 + 1 个 demo 脚本 + 训练日志 → 输出：1 个方法学论文计划（Q2-Q3），IMRaD 结构含推导+demo 结果，假设 ≥3 个（含反证路径），文献 15-20 篇。判定标准：管线完整 + 有实证结果。

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。

• [TRAI-001] 当审计训练管线时 → 必须全量扫描项目文件并拆解管线步骤为方法论，确保所有数值指标可追溯至原始日志
• [TRAI-002] 当识别研究空白时 → 需精确定位到文献矛盾或方法缺口，且至少识别出3个独立的研究空白
• [TRAI-003] 当生成科学假设时 → 必须包含明确的检验条件与反证路径，且格式严格符合 hypothesis-generation 的 IO_CONTRACT
• [TRAI-004] 当规划论文结构时 → 采用 IMRaD 框架，其中 Results 部分需优先展示主结果（如 Val Dice/CErr）及消融/对比实验
• [TRAI-005] 当确定论文类型时 → 根据管线完整性与实证结果匹配目标期刊层级（如完整管线+实证结果对应 Q1-Q2 方法学论文）
• [TRAI-006] 当构建文献基础时 → 需补充15-30篇涵盖方法学、临床及算法领域的相关文献以支撑论证
• [TRAI-007] 当输出最终计划时 → 生成包含 IMRaD 结构、文献列表及时间表的 paper_plan.json 文件