nopon-knowledge/huawei-cup-modeling-skill

华为杯研究生数模助手

去除 AI 痕迹，让论文表达更自然。 面向华为杯论文的 AI 痕迹评阅、去 AI 味与学术表达润色

去除 AI 痕迹  ·  快速开始  ·  检测与分级  ·  竞赛工作流  ·  图表与论文  ·  脚本工具

---

本 Skill 重点提供 “去除 AI 痕迹” 功能：找出重复套话、机械段落与空泛结论，改写为具体、连贯的学术表达，并对照核查事实、公式和引用。

同时支持规则核验、可复现建模、图表排版与提交审计，覆盖华为杯从准备到交付的工作流程。

去除 AI 痕迹

从词句到篇章，减少模板感，保留队伍自己的研究判断。 支持局部段落、图题、摘要、结论和整篇论文；已有写作样例时，保留作者的术语、人称与表达习惯。

论文里的“AI 味”，常常藏在这 8 个地方

读着挺顺，却总觉得像套出来的？可以先看看下面这些地方。

1. “在此基础上”“进一步”“综上所述”接连出现，删掉以后，意思居然一点没变。Skill 会删去这类空转的过渡，把真正的递进、因果或比较关系写清楚。

2. 不管讲什么，都写成差不多的 100–200 字，反而容易把简单问题说长、复杂问题说浅。该展开的展开，能一句说清的就一句说清，不为了“像人写的”刻意凑长短。

3. 段段都是“先总说—再展开—最后再总说”，读起来难免重复。Skill 会检查每段是否真的需要收尾总结，让段落围绕论证往前走。

4. 通篇都是“结果表明”“具有显著优势”，看不到取舍依据，也没交代结论在哪些条件下成立。要补的是有证据的判断和适用边界，不是硬塞几句“我认为”“大致”。

5. 数字看着很精确，却没说明测量精度、实验波动或误差含义。Skill 会核对有效数字和现有实验记录；确实需要误差范围但证据不足时，标出缺口，不凭空补一个“±”。

6. 读者还得自己猜：比的是什么，在哪种条件下比，值得看哪里？Skill 会把对象、条件或已验证的发现补进图题与图注，例如“低样本条件下，模型 A 的预测误差低于模型 B”；发现必须有数据支撑。

7. 换几个词重讲研究过程，并没有回答“最后解决了什么”。Skill 会围绕题目梳理主要发现、适用范围和已有证据支持的局限，删掉无信息的复读。

8. 满篇“有效提升”“具有重要意义”，具体怎么做、为什么这样做却不见了。Skill 会用实际方法和研究判断替换空话，保留作者自己的表达习惯；不用故意加口语、错句或逻辑跳跃来制造“人味”。

改写前后

示例仅演示表达改写：删除两次重复总结，保留比较对象、指标方向和实验范围；不代表结果已经核验。

默认交付 改写稿 + 句级修改对照 + 实际存在的证据缺口。可直接润色，也可先做 AI 痕迹检测，按“原句 → 修改理由 → 改写后 → 事实复核”处理问题。八类检查和完整方法见 学术表达指南。

这里的“去除 AI 痕迹”指学术表达去模板化，保留必要的 AI 使用披露，不承诺通过检测。实时赛题须先核验当届 AI 使用范围。

快速开始

1. 安装 Skill

在 Codex 中发送：

使用 $skill-installer 从下面的 GitHub 路径安装 huawei-cup-modeling：
https://github.com/Nopon-Knowledge/huawei-cup-modeling-skill/tree/main/huawei-cup-modeling

2. 给论文去 AI 味

$huawei-cup-modeling 请给这份华为杯论文去除 AI 痕迹：
逐段检查，定位到句子，处理套话、机械结构、空泛图题和重复结论。
保留原意、数据、公式、引用和已有写作风格，
给出改写稿、原句与修改对照、事实复核和未完成的核验项。

提供待改写文本或文件即可开始，局部段落也可以处理。Skill 会先识别任务阶段与规则范围，再完成相应润色。以上为 Codex 调用方式；在 ChatGPT 桌面端可用 @ 选择已安装的 Skill，详见 官方文档。

AI 痕迹检测与分级

需要先找到重点问题时，可使用 AI 痕迹检测 → 定向改写 → 事实复核 的流程。检测按九个维度观察，第十项综合评估；只要求检测时，先给报告，不改原文。

全文任务按章节逐段扫描，记录已检查段落和未完成位置。报告区分已确认问题、待核验疑点与已排除的正常表达；每条问题都能定位到句子或图表，不把候选疑点直接算成问题。

$huawei-cup-modeling 检测这篇华为杯论文的 AI 痕迹：
按十项流程逐段检查，定位到句子，报告扫描进度、证据与修改建议。
覆盖充分时给出综合分和 A–E 等级；有精确标注时计算问题文本覆盖率。
材料不足的项标为待核验；先给报告，不修改原文。

A–E 从低到高表示模板化表达程度。综合分是规则式编辑量表得分，不能换算为 AI 生成概率；只有片段或材料覆盖不足时，暂不给全文等级。规范的引用格式、默认配色、被动句和流畅逻辑本身不扣分。

体检报告包含什么

问题文本覆盖率表示已确认问题涉及多少已检查文字，与 AI 来源概率无关。支持本地脚本复算；片段或未完成扫描不输出全文比例，待核验内容单列。

评分公式、等级阈值、证据记录和报告格式见 AI 痕迹评阅指南。

交稿前集中自查

在内部锁稿前安排体检、定向改写、人工复核和最终导出，同时核对实际 AI 使用记录与当届披露要求。可预留约半天并按论文规模调整；时间不足时先处理关键问题，如实保留未检查范围。

本科国赛与华为杯的规则分别核验。声明放在哪里、详情材料叫什么、哪些情形有例外，都以对应赛事当届官方文件为准；规则核验记录说明了两者的区分。

竞赛工作流

先核验规则，再建立覆盖全题的基线；有了验证证据，再整合论文和锁定文件。实时赛题须先确认当届 AI 允许范围，各阶段按已核验规则执行。

每一阶段都有对应产物；发现问题时回到相应阶段修正。点击图可查看原图。

三人分工、100 小时参考时间线、五个检查点和模型降级策略，见 竞赛执行指南。时间安排是可调整的参考，赛程以当届公告为准。

图表与论文

图表既要清楚，也要有据可查。 从保存的实验结果生成图表，关联结果账本，再引用到正文和摘要，让每个定量结论都能回到一次具体运行。

从数据到结论保留来源；复核后的同一结果，使用一致的单位、精度与表述。

图型选择、配色建议、Markdown / Word / LaTeX 居中方式和导出检查，见 图表与排版指南；写作与逐层审计见 论文整合指南。

脚本工具

提供三个无第三方 Python 依赖的本地辅助脚本。以下命令在仓库根目录执行，全大写参数值需要替换为真实路径或已核验条件。

复算体检覆盖率

python3 huawei-cup-modeling/scripts/measure_review_coverage.py PAPER.txt ANNOTATIONS.json

读取冻结的 UTF-8 文本与标注 JSON，核验 SHA-256，按字符区间并集计算扫描进度、确认问题与待核验覆盖率。结果以 JSON 输出，输入文件保持原样。脚本只负责计数，语义问题由评阅过程识别；标注字段与统计口径见 评阅指南。

初始化竞赛工作区

python3 huawei-cup-modeling/scripts/init_competition_workspace.py TEAM_WORKSPACE \
  --year CONTEST_YEAR \
  --title "项目名称"

生成规则快照目录、数据与图表目录、来源 / 实验 / 结果账本、AI 使用日志和提交清单，并保留已有文件。三人分工与时间安排按 竞赛执行指南制定。

提交前预检

python3 huawei-cup-modeling/scripts/preflight_submission.py PAPER.pdf \
  --expected-name OFFICIAL_FILENAME.pdf \
  --max-paper-bytes VERIFIED_BYTE_LIMIT \
  --identity "学校名称" \
  --identity-start-page OFFICIAL_START_PAGE \
  --strict \
  --manifest HASH_REPORT.json

检查 PDF 结构、文件名、字节大小和指定页后的身份关键词，生成 MD5 与 SHA-256 清单。年度条件来自当届官方公告；若官方只写 MB 而未说明换算方式，应记录采用的约定，并把字节检查视为保守筛查。

环境与质量

Poppler 需独立安装，本仓库不捆绑其二进制。工具缺失时，脚本会提示未完成的检查；启用 --strict 后，这类检查会被视为失败。

python3 -m unittest discover -s huawei-cup-modeling/tests -v

测试覆盖初始化回滚、链接防覆盖、已有清单保护、年度参数、字节边界、PDF 结构、身份词扫描、哈希验证，以及区间去重、片段覆盖限制、Unicode 偏移和标注版本校验。

使用边界

当届官方公告和附件优先，缓存快照用于定位检查项。实时赛题的 AI 规定或允许范围无法核验时，Skill 仅协助规则核对、材料整理和非实质性机械检查。数据、实验、文献与运行结果必须真实，关键假设和最终结论由队伍理解并确认。

脚本提供辅助证据，完整的模板、匿名和视觉版式仍需人工逐页复核。

维护与贡献

年度规则快照需要持续核验。更新时采用竞赛官网、当届正式附件或培养单位通知，保留来源链接、发布日期和核验日期，明确区分已确认、尚未发布与往届先例。脚本参数变化应补充相应回归测试。

欢迎通过 Issue 或 Pull Request 提交规则更新、脚本修复和工作流改进。贡献内容不得包含实时未公开赛题、队内论文或数据、真实身份、完整 AI 对话、官方模板或 Logo，以及无权再授权的论文与代码。

---

让论文表达自然，让研究证据完整。 定位模板感 · 改写机械表达 · 保留研究判断 · 复核事实原意