jsChen-biostat
- 11 skills
- 0 followers
- 5 hours ago last updated
- ▌
- ▌ 4drawio · jschen-biostat数学建模非数据型图示绘制阶段。根据 ANALYSIS_MODELING_REPORT.md、RESULTS_REPORT.md 和已有 figures/ 生成技术路线图、子问题求解流程图、模型结构图、数据处理流程图等 DrawIO 图，并导出论文可引用 PDF。
- ▌ 6verity · jschen-biostat bundle数学建模竞赛最终验证和验收阶段，支持 Typst 和 LaTeX 双引擎。用于论文写完后检查章节数量、标题顺序、图表引用、数值一致性、占位符、内部文件泄露、参考文献、代码可复现性、编译和提交就绪状态。
- ▌ References · jschen-biostat bundle共享规范知识库。包含数学建模竞赛的写作规范、题型防错速查、图表规范等参考内容。其他 skills 在执行过程中按需读取，无需单独触发。
- ▌ R · jschen-biostat bundle完备严谨的统计学数据预处理流程（默认 R 语言，无 R 时可降级为"生成可本地运行脚本"或 Python 分支）。支持两种模式：完整全流程（10 步）或轻量局部模式（只执行用户指定的若干步骤）。10 步：分布探查→描述统计与交叉表→数据清洗(缺失/异常/一致性)→数据变换(防泄漏)→变量编码与重赋值→衍生变量与分组分层→平稳性检验(非时序跳过)→多重共线性与降维→数据集划分→结果验证。每步输出代码、配图、UTF-8 with BOM CSV；阈值(VIF>10、|偏度|>1)为默认值、可由用户覆盖；关键决策点（异常取舍、缺失填补方案）会暂停与用户确认。本技能是底层业务工具，可由 math-modeling 内部按需加载；仅做局部清洗/编码等单步处理或明确要求 Python 时按轻量模式执行，避免与 math-modeling 同时顶层触发两套流程。
- ▌ 3coding Visual · jschen-biostat数学建模编程实现与数据图表生成阶段。根据 ANALYSIS_MODELING_REPORT.md 编写可复现代码、运行求解、验证约束、输出 RESULTS_REPORT.md 并生成论文可用的数据驱动图表 PDF。
- ▌ 1start Mathmodel · jschen-biostat数学建模竞赛工作流入口。用于启动完整建模流程：询问用户偏好，生成 plan.md 和 todo.md，并按阶段调用赛题分析、建模、代码与图表、流程图、论文撰写、验证验收等 skills。
- ▌ 2analysis Modeling · jschen-biostat数学建模赛题分析与建模设计合并阶段。用于读取题面和附件，完成子问题拆解、数据理解、假设预检、变量定义、模型公式、目标函数、约束条件、求解策略和可交给代码实现的建模报告。
- ▌ Aigc Trace Cleaner · jschen-biostat bundle检测并消除论文/报告的 AI 生成痕迹（AIGC 味、AI 味太重、一眼看出是 AI 写的）：10 大维度逐段扫描（词汇/句式/段落/逻辑/人味/数据表述/图表/结构/引用/整体 AI 感），输出带定位与修改示例的诊断报告，并按需改写降低痕迹；另含数学建模竞赛特有的 AI 破绽检查（只仿真不建模、NP 难硬算、图表一键同质化、文献幻觉、逻辑断层、无闭环迭代），以及**2026 国赛 AI 合规全自动自查**（6 大维度 26 条红线：AI 新规合规、幻觉与数据真实性、建模逻辑与题意适配、结果合理性、官方写作规范、排版与页数，配套《AI 合规自查报告》）。当用户要求 AI 痕迹检测、降 AI 味、AIGC 率太高、论文被判定 AI 生成、查重系统提示 AI 率超标、把论文改得更像人写的、或要求国赛 AI 合规自查/AI 红线检测/按自查表核查论文时使用。
- ▌ Mathmodel Figure Templates · jschen-biostat bundleUse this skill in the MathModel LaTeX sandbox when the user asks to reproduce built-in scientific visualization templates, especially prompts from the Improve tab mentioning $mathmodel-figure-templates, 科研绘图模板, SHAP蜂群柱状图, 配对云雨图, 交叉验证ROC, 泰勒图, 相关矩阵组合图, 预测真实值边缘分布图, TPE调参3D曲面, 下三角相关矩阵半边小提琴图, 分组环形热图, 城市公园降温组合图, or Nature和弦图. It provides ready-to-run Python scripts bundled inside the skill.
- ▌ Skill · jschen-biostat bundle数学建模冲奖的模型设计方法论：每一问只设置一个主创新方向并保留可解释基线，创新必须落到题目真实约束上，最终数值须由实际求解状态、可行性表和敏感性/鲁棒性检验支撑。随附面向算电协同四问的完整冲奖模型设计范例（分层分位数负载预测、边际碳价调度、鲁棒MILP+MPC、自适应ε-约束Pareto continuation）。当用户要求设计创新模型方案、冲奖模型思路、建模创新点、模型选型论证或参考获奖级建模设计时使用。