mathodology-award-gates

Mathodology Review Questions

従来のスキル名は、見つけやすさのためにそのまま残しています。作業の内容を評価し、創作した数値しきい値に基づいて賞を推定したり、特定の引き継ぎ形式を要求したりしないでください。主張と期限に応じてレビューの範囲を調整してください。

数学的・実証的な質問

• 解決策は、必須の質問すべてに回答し、本質的なメカニズムを表現していますか？
• 方程式、単位、制約、極限ケースに矛盾はありませんか？解決策は実現可能ですか？
• 入手可能な観測データからパラメーターを特定できますか？
• 前処理や除外項目も含め、説明されている手法とコードは一致していますか？
• 報告された優位性は、比較可能なデータにおいて適切なベースラインと比較して測定されていますか？
• 主張に必要な場合、フィッティング、チューニング、評価は分離されていますか？
• 正規化や制約によって必然的に決まる結果は、そのように明記されていますか？
• 重要な仮定を妥当な範囲で変更したとき、推奨内容が逆転する可能性はありますか？
• 信頼区間、予測区間、シミュレーションのばらつきは区別されていますか？
• 報告された数値は、データ、コード、導出、または明示された仮定にさかのぼって確認できますか？
• 証拠の不足、失敗した実行、重大な制約は開示されていますか？

関連する質問を使い、考えられるすべての検査を実施する必要はありません。シナリオ間で比較可能なランダム入力を共有する場合、対応のあるシミュレーションによって精度が向上することがあります。その場合は、入力をどのように対応させたかを説明してください。推定確率にはモンテカルロ法による不確実性を用い、シミュレーション回数を開示してください。少数の実行が成功しただけで証明されたと主張しないでください。

図と論文

図のプリセットを読み込んでください。最終文書で使われるサイズで図を確認してください。ラベル、不確実性の定義、凡例、色のスケール、キャプションが元の結果と一致しているか確認してください。個別の書き出し画像だけでなく、コンパイル済みPDFの情報量の多いページも確認してください。Image2 の画像はメカニズムとの整合性を保つ必要があります。生成されたピクセルは定量的な証拠にはなりません。

任意のPDF概要ユーティリティには、Poppler の pdftoppm と Matplotlib が必要です。視覚的なレビュー用にページの概要を作成します。

python3 .claude/skills/mathodology-award-gates/scripts/make_contact_sheet.py solution.pdf -o overview.png

概要はレイアウトの問題を見つけるのに役立ちます。実際に読めるか判断するには、情報量の多いページを拡大してください。レンダリングに成功しても、品質が保証されたことにはなりません。

レビュー結果のまとめ方

重大な問題ごとに、問題の内容、根拠、結論への影響、具体的な修正方法を説明してください。誤りと任意の改善点は区別してください。結果を信頼する前に、重大な誤りを修正してください。解決していない不確実性は開示してください。定型的な修正にユーザーの承認を求めたり、採点の儀式を作り出したりしないでください。