light-review-rebuttal

评审与答辩

构建一套保留来源的评审登记表、问题矩阵、修订计划、证据/修改映射、回复草稿、承诺台账、未知项/失败记录和交付包。将生成文字视为最后一层，而不是第一步。

实际运行前，请阅读 review-rebuttal-resource-map.md。创建或使用规范 JSON 前，请阅读 references/workflow_contract.md。选择评审/规则来源时，请阅读 references.md。竞争对手证据见 ../../docs/competitors/review-rebuttal.md。

不可妥协的边界

1. 使用 venue-matching 选定的交接内容和评审上下文。核验选定身份、带时区的 selected_at、selection_basis、用户/受托授权、选定的候选 ID、适配度/风险行、未修改的规则封装、来源证据路径/截至时间/来源 ID、稿件配置，以及 PDF 路径/哈希/页数/页面尺寸/配置/合规性。绝不切换 venue、调整层级顺序，或将 venue 的 UNKNOWN 转变为事实。
2. 在规范登记表中逐字保留评审者、编辑、决定和元评审的文本。原子标签、根本原因、策略和生成的文字均属于解读层；不得取代源文本。
3. 记录获取时间、来源 URL/类型、轮次、评审者 ID、附件，以及 AVAILABLE|UNKNOWN|UNAVAILABLE|STALE。401/403/429/5xx、超时、登录、私人邀请或网络故障均属于 UNAVAILABLE，而不是“没有评审”。
4. 绝不捏造实验、分析、引用、修改、行号、评审者身份、venue 规则或结果。不得将 PLANNED 和 IN_PROGRESS 表述为已完成。标记为 DONE 时必须提供真实的修改定位信息；已完成的实验/分析还必须提供可验证的运行来源记录及匹配的 SHA-256，而不能只提供本地路径。 将回复包标记为就绪前，运行原子/行动契约门禁，以便通过机器检查源文本片段、重建哈希、政策/伦理授权和针对不同视角的自我审查，而不是依赖信任。
5. 论文写作负责稿件主张和编辑。结果分析负责证据强度。引用负责新参考文献的身份和主张支持。图表负责视觉诚实性。排版负责 PDF 重建/合规性。此技能负责记录和分派工作；不得冒充这些产出方。
6. 第 13 阶段的 critical 范围很窄：只有明确标记为 rejection_driving=true、可分派的根本原因（novelty|experiment|writing），且具备完整的决定/元评审/评审者证据封装时，才能标为 critical。Major 标签或总体 Reject 本身并不能使每条评论都成为 critical。
7. reviewer_classify 和 reroute 仅提供建议。呈现证据和备选方案后即停止。只有在用户选择根本原因/回退边后，才运行 passport add-back-edge。绝不自动修改 passport。

规范工作流

1. 核验上游身份

必须具备：

• light.selected_venue_handoff.v1；
• light.review_rebuttal_venue_context.v1；
• light.paper_claims.v1；
• light.evidence_strength.v1；
• 若提出任何新引用，则必须具备引用登记表；
• 实际交付的 PDF 及其第 11 阶段事实。

运行：

python scripts/review_workflow.py \
  --spec review-input.json \
  --outdir review-delivery

如果 venue 身份、规则封装、PDF 哈希、合规性、主张或证据 ID 不一致，请停止并修复产出方工件。不要通过“规范化”消除冲突。

选定的交接内容还必须保留 A32 的审计字段：带时区且不晚于当前时间的 selected_at、非空的 selection_basis、decision_authority=user、一致的 selected_by/status、适用时提供的受托 user_authorization、未变更的 fit_risk，以及可读取的 source_evidence.path；其 SHA-256 必须与选定交接内容匹配，且其 as_of/source_ids 必须涵盖每条有来源依据的 venue 规则。

2. 捕获评审意见和决定

对于用户提供的／私有材料，将文本原样复制到 reviews[].raw_text 中，不做更正，并记录 reviews[].raw_sha256 以及带时区的 captured_at；工作流会重新计算哈希，并阻止未来时间／不带时区的捕获时间。对于公开的 OpenReview 论坛：

python scripts/fetch_openreview.py \
  --forum <forum-id> \
  --out openreview-capture.json

如果实时 API 不可用，但固定的公开 PeerRead/OpenReview 快照被声明为证据来源，则改为捕获该确切的、固定到提交版本的 JSON：

python scripts/fetch_openreview.py \
  --peerread-url <raw-fixed-commit-json-url> \
  --out peerread-capture.json

捕获内容属于校准／来源证据。不得再分发受限评审意见。如果无法捕获，只能继续使用用户提供的材料，并保留失败记录。

3. 拆分原子项，同时保留来源内容

为每个不同的 request、claim、question、 misunderstanding 或 editorial 项创建一个原子项。每个原子项必须包含从 raw_text 中精确复制的连续来源片段，以及起始／结束偏移量、片段文本和 SHA-256。还要创建可寻址的覆盖单元，以及针对需要回应的评审单元计算重建哈希。

分配一个根因，例如 novelty、experiment、writing、 clarification、citation、ethics、scope 或 editorial。另行添加一段解读，说明推断出的关切。如果一个句子包含两个彼此独立的要求，则创建两个指向同一或重叠来源片段的原子项；不要将评审者的意思改述成新的来源引文。

起草前，先运行更严格的无损性／回应行动门禁：

python scripts/review_response_contract.py \
  --input templates/review-response-contract.example.json

将模板替换为真实约定。在核实当前会议政策、伦理状态和用户授权之前，该示例按设计无法通过。此门禁会检测缺失的评审单元、原子项／行动覆盖重复、虚假的 DONE 措辞、不完整的证据类型、政策禁止的评审者要求、缺失的评审者能力／利益冲突卡片，以及缺失的 domain|method|statistics|ethics|cold_reader 自我评审视角。

4. 将问题关联到负责的证据和行动

对于每个原子项：

• 关联确切的论文 claim_id 值，或将列表留空；
• 仅关联真实的结果分析证据 ID；
• 选择一种策略： acknowledge_and_fix、rebut_with_evidence、clarify、 downgrade_claim 或 request_editor_ruling；
• 指定负责人和 PLANNED|IN_PROGRESS|DONE|DECLINED|NOT_APPLICABLE；
• 仅在撰写论文时实际修改了稿件后，才添加修改位置；
• 仅在实验／分析实际运行后，才添加运行溯源信息；对于已标记为 DONE 的实验／分析，产物路径必须存在，且与 run_provenance.sha256 匹配；
• 新参考文献必须经过引用核验，并在核实前不得纳入。

评审者出错并不意味着可以忽略评论。应通过稿件位置和证据进行澄清；如果分歧涉及实质问题，则请求编辑裁定。

如果评审者的要求本身与会议政策、伦理审批、数据权利、知情同意、预算授权或编辑指示相冲突，不要默默照办。将行动标记为 DECLINED 或 REQUEST_RULING，关联政策／伦理证据，并保留评审者的原话。

5. 仅依据所选投稿 venue 评估预算

运行：

python scripts/rebuttal_budget.py \
  review-delivery/response-draft.md \
  --context review-rebuttal-context.json

当前权威规则若为 AVAILABLE，可得出 PASS/FAIL。UNKNOWN、 UNAVAILABLE、STALE 或仅来自网页的规则均不能通过，且必须明确标注。 切勿将 ICLR/CVPR/其他 venue 的预设用于 JORS，反之亦然。

对于每项要求提供新数字/实验的审稿意见，在运行前将其分类为重新分析/最小改动/改编/新数据，并说明可行性和计划采取的行动：

python scripts/experiment_request_gate.py \
  --input templates/experiment_request.example.json

在当前官方规则和真实用户授权替换占位符之前，此模板有意设为 UNKNOWN 且不能通过。 只有当前 venue 规则已 VERIFIED、source_type=OFFICIAL、有真实来源和 ISO 检查日期，且允许提供新结果，同时范围、方案、预算和用户授权均可行时，才可 RUN。Tier-D 新数据/人体研究/大规模扫描需要单独授权。此门槛只允许运行； DONE 仍需运行清单 + 结果产物哈希，只有满足这些要求后，回复才可使用表示已完成的时态。

6. 检查承诺是否属实

运行：

python scripts/check_commitments.py \
  --ledger review-delivery/commitment-ledger.json \
  --issues review-delivery/issue-matrix.json \
  --change-map review-delivery/evidence-change-map.json

修复所有关键问题。有效定位信息只能证明所声称的更改可追溯，并不能证明科学回应充分；请针对实际修订后的产物进行人工复审。

7. 设门槛并暂停

运行：

python scripts/reviewer_classify.py \
  --issues review-delivery/issue-matrix.json \
  --out reviewer-findings.json
python ../light-orchestrator/scripts/run_checkpoint.py \
  --file .light/passport.yaml --stage 13 \
  --findings reviewer-findings.json --ts <ISO-8601> --write
python ../light-orchestrator/scripts/reroute.py \
  --findings reviewer-findings.json --stage 13 \
  --passport .light/passport.yaml

如果未通过门槛，请展示每个有证据支持的选项：

• 针对导致拒稿的新颖性问题，13→3；
• 针对导致拒稿的实验/设计问题，13→5；
• 针对导致拒稿的写作/呈现问题，13→8；
• 提供证据进行反驳；
• 下调论点的力度或记录局限性；
• 请求编辑裁定。

等待用户选择。之后才运行：

python ../light-orchestrator/scripts/passport.py add-back-edge \
  --to <3|5|8> --from 13 --root-cause "<user-approved reason>" \
  --evidence-ptr <issue/evidence locator> --file .light/passport.yaml

资源归属

资源	职责
review-rebuttal-resource-map.md	执行顺序、来源/访问层级、跨技能路由
references/workflow_contract.md	架构、状态、不变量和产物语义
references.md	实时来源政策、OpenReview/JORS 注意事项、验证指南
templates/*	空白作者输入，以及便于人工阅读的回应/复审格式
scripts/review_workflow.py	规范验证和套件生成
scripts/review_response_contract.py	来源片段/重建、原子项覆盖、回应行动证据、政策/伦理、审稿意见卡片和自审门槛
scripts/fetch_openreview.py	实时 API 或固定公开快照采集；如实记录不可用状态并统计重复项
scripts/reviewer_classify.py	仅处理有证据支持且导致拒稿的第 13 阶段问题
scripts/check_commitments.py	覆盖率及 PLANNED/DONE/来源信息门槛
scripts/rebuttal_budget.py	所选上下文的预算评估；不使用 venue 预设
scripts/experiment_request_gate.py	venue 政策/可行性/层级/授权门槛；绝不运行实验

自检

• 所选投稿 venue/语境、用户选择审计字段、来源证据哈希和实际 PDF 事实逐字节一致。
• 审稿人/编辑/元审稿人的来源文本均予以保留，每个原子项都指向带偏移量和哈希值的确切来源跨度。
• 每个可用审稿来源都有带时区的 captured_at 和 raw_sha256；注册表哈希与确切的 raw_text 匹配。
• 可寻址的审稿人单元重建后与预期哈希一致；除非有明确说明，否则不得遗漏或重复任何单元。
• 每个问题都有类型、根本原因、策略、负责人和真实状态。
• 每项回复行动都声明了证据类型；DONE 行有真实定位信息；已完成的科学行动有运行溯源路径且 SHA-256 匹配；拟议引用已确认。
• 已记录审稿人的专业能力/利益冲突卡片，但绝不能在没有编辑裁定的情况下用来否定评论。
• 领域、方法、统计、伦理和非专业读者自审均已通过，或在标记为可提交前已公开列出未解决的阻碍。
• 当前投稿 venue 的回复限制有来源依据，否则保持为 UNKNOWN。
• 承诺覆盖检查已通过，且没有将计划中的行动写成已完成。
• 每项实验要求都有等级/可行性/行动；RUN 已通过 venue 验证并获得用户授权。
• 关键发现都有明确的、足以导致拒稿的证据。
• 已向用户展示改投建议，且在用户作出选择前未添加任何 passport 边。

诚实的能力边界

原子化、分流、逐点起草、语气指导、审稿人优先级排序、预算安排、修改定位、承诺跟踪和 venue 适配在同类技能中很常见；不要声称这些能力独一无二。Light 更狭窄的机器贡献在于：经验证地使用上游 venue/PDF/声明/证据/引用契约；将不可变的来源层与解读层分开；严格检查 PLANNED/DONE/运行溯源；以及通过证据门控的第 13 阶段路由，该路由未经用户决定无法执行。分类和回复质量仍需要专家判断。