paper-polisher

目的

润色数学建模竞赛论文的各个章节，提升语言质量、逻辑清晰度和公式一致性，并校准论断的强度。

此技能适用于已起草的论文内容。它会改善措辞、修正语法、检查公式、根据证据强度调整审慎程度、识别过度论断，并确保格式符合要求。它不会编造新内容、添加缺乏依据的论断，也不会改写论文的科学论证。

此技能借鉴了 nature-polishing 的设计原则：语言应服务于论证，润色不应掩盖薄弱的推理，论断的强度必须与证据相称。

此技能不会撰写新的论文内容、运行实验、生成图表或执行最终质量检查。

适用场景

在以下情况下使用此技能：

• paper-section-writer 已起草一个或多个论文章节之后。
• quality-assurance-auditor 执行检查之前。
• 用户提出“润色论文”“检查英文”“修正语法”“改进写作”“校准论断”“检查是否存在过度论断”或“校对 Q1 章节”等要求时。
• 中文转英文后产生的初稿需要进一步润色时。
• 各章节的公式、符号或术语不一致时。

前置条件

以下内容应已准备好或由用户提供：

• paper/sections/ 下的论文章节草稿。
• 最终方法说明（用于核验公式和符号）。
• 最终结果分析（用于核验论断）。
• 全局符号表 planning/symbol_table.md（如有）。
• 竞赛格式要求（如有）。

如果论文章节尚不存在，请交由 paper-section-writer 处理。

输入

使用或请求以下内容：

• paper/sections/*.md 或 paper/sections/*.tex — 论文草稿。
• methods/Qx/qx_final_method_explanation.md — 用于核验公式和符号。
• results/Qx/reports/qx_final_result_analysis.md — 用于核验论断。
• planning/symbol_table.md — 用于确保符号一致。
• 竞赛格式要求。

工作流程

1. 确定论文类型和章节。

   • 数学建模竞赛论文通常采用以下结构：摘要 → 问题重述 → 问题分析 → 假设 → 符号说明 → 模型构建（按问题划分） → 模型求解 → 结果分析 → 稳健性分析 → 优势与局限 → 结论。
   • 不同章节的润色重点各不相同（参见下方的章节专属规则）。

2. 执行 12 项润色检查清单（见下文）。

3. 根据证据校准论断。

   • 对每个数值或比较性论断，核实其是否得到最终结果分析或稳健性报告的支持。
   • 如果论断夸大了证据，应减弱其措辞。
   • 如果论断缺乏依据，应将其标记为阻塞问题（不要悄悄删除——应由作者决定）。

4. 检查公式和符号的一致性。

   • 每个符号都必须出现在全局符号表中，或在文中就地定义。
   • 同一概念在各章节中必须使用相同符号。
   • 下标、上标和索引必须保持一致。
   • 公式编号必须连续，并与正文中的引用相匹配。

5. 检查术语一致性。

   • 同一概念在全文中必须使用相同术语。
   • 方法名称必须与最终方法说明一致。
   • “基线”“主模型”“改进模型”等术语必须保持一致。

6. 输出润色后的章节。

   • 展示差异或修改摘要。
   • 标出已降低强度的论断及其原因。
   • 标记仍需作者处理的问题。

12 项润色检查清单

1. 句子长度

• 将超过 30 个单词的句子拆分。
• 灵活调整句长：交替使用简短句子（8–15 个单词）和中等长度句子（15–25 个单词）。
• 每段的首句和末句应表达得最清晰。

2. 段落结构

• 每个段落应围绕一个主要观点展开。
• 先写主题句，再提供论据，最后过渡到下一部分（或在下一段开头过渡）。
• 超过 5-6 句话的段落应拆分或精简。

3. 时态一致性

• 问题重述 / 假设 / 符号：使用现在时。
• 模型构建：描述模型时使用现在时。
• 模型求解 / 结果分析：描述已完成的工作和发现时使用过去时。
• 结论：陈述最终发现时使用现在时，描述已完成的工作时使用过去时。
• 除非有充分理由，否则不要在同一段落中混用时态。

4. 保留措辞强度的校准

根据证据强度调整论断力度：

证据等级	适当的保留措辞	示例
稳健，经过多项检验	强论断，不加保留	“熵-TOPSIS 方法得出的排名稳定。”
单项检验，中等程度扰动	中等保留	“在权重适度变化时，排名似乎保持稳定。”
检验有限，范围狭窄	弱保留	“结果表明，在测试范围内，排名可能保持稳定。”
未经检验，基于外推	不允许作出论断	标记为缺乏依据。不要写。

保留措辞（从强到弱）：

• demonstrates / shows / establishes → 最强
• indicates / suggests / supports → 中等
• may indicate / appears to / is consistent with → 较弱
• could potentially / might possibly → 最弱（谨慎使用）

5. 过度论断检测

标记并弱化或删除以下内容：

• 绝对化论断：“总是”“从不”“证明”“保证”“最优”（除非已有证明）。
• 无依据的因果关系：仅显示相关性时，不要声称“A 导致 B”。
• 扩大适用范围：只测试了一个模型，却声称“所有模型都受益于……”。
• 未经验证的“首次”或“新颖”论断。
• 未进行统计检验或未定义阈值却使用“显著”。
• 仅与 1-2 个基线比较，却声称“我们的模型优于所有现有方法”。
• 数值精度超出数据支持范围：“得分为 0.883214” → “得分约为 0.88”。

6. 公式格式

• 重要公式使用显示数学模式（$$...$$ 或 \begin{equation}...\end{equation}）。
• 变量引用和简短表达式使用行内数学模式（$...$）。
• 下标和上标格式保持一致。
• 数值后注明单位。
• 公式中首次使用变量后立即给出定义。

7. 符号一致性

• 根据 planning/symbol_table.md 逐一核对所有符号。
• 必须区分决策变量、状态变量和参数。
• 向量 / 矩阵表示法必须保持一致（粗体、箭头或不加标记——选择一种）。

8. 图表引用

• 每个 \ref{fig:...} 或“图 X”都必须对应实际的图文件。
• 图的引用顺序必须正确（正文先引用图 1，再引用图 2）。
• 每个表格引用都必须对应实际表格。
• 图注必须说明主要结论，而不只是描述内容。

9. 过渡与行文连贯性

• 各章节之间应添加一句承上启下的话，将内容自然引向下一节。
• 段落之间应逻辑连贯（因此、然而、相较之下、此外、具体而言）。
• 避免使用“如上所述”或“如前所述”——应简要重述相关内容。
• 避免使用“值得注意的是”或“需要提及的是”——直接陈述事实。

10. 用词

• 用词应具体，避免含糊：“RMSE 提高了 35%”，而不是“误差变好了”。
• 用词应简单，避免华丽：“使用”而不是“利用”，“展示”而不是“阐明”，“大约”而不是“近似”（除非精度很重要）。
• 删除填充语：“重要的是要注意”“有趣的是”“值得注意的是”。
• 删除冗余的并列词：“各种不同的”“基本基础”“提前规划”。

11. 语态

• 为确保清晰，优先使用主动语态：“We applied TOPSIS to the indicator matrix”，而不是“TOPSIS was applied to the indicator matrix”。
• 少用被动语态，主要用于方法/模型求解部分：“The weights were computed using the entropy method”。
• 始终统一使用“We”（而不是“the authors”“this paper”或“the research team”）。
• 中译英时，避免直译中文学术表达。

12. 格式规范

• 检查竞赛特定格式要求：字数、页数限制、字号和页边距。
• 章节编号保持一致。
• 参考文献格式保持一致。
• 附录材料应正确标注。

各章节的润色重点

章节	首要重点
摘要	结论措辞、数值精度、字数
问题重述	清晰，不增加要求
假设	必要性检查、影响说明
符号	完整性、一致性、区分变量类型
模型构建	公式正确性、符号一致性、假设可追溯性
模型求解	步骤清晰、结果可复现
结果分析	结论与证据相符、图表引用
稳健性	区分稳定与脆弱之处、边界条件
优势与局限	具体、诚实
结论	覆盖各子问题、结论措辞恰当

中译英注意事项

当源文本为中文且需要翻译成英文时：

• 不要逐字翻译，要翻译其含义。
• 中文学术写作往往更倾向于保留余地；只保留证据所支持的表述。
• 中文句子往往较长，应拆分成较短的英文句子。
• “本文” → 根据上下文译为“This paper”或“We”。
• “显然”/“显而易见” → 除非确实显而易见，否则避免使用“obviously”；只有在依据充分时才使用“clearly”。
• “一定的” → 删除或替换为具体量词。
• “较好的效果” → 必须量化：“improved RMSE by X%”，而不是“good results”。

规则

• 润色语言和结构；不要编造新内容。
• 降低夸大结论的语气；不要把证据薄弱的表述改得更强。
• 将缺乏支持的主张标记为问题；不要悄悄删除或修改。
• 修改公式前，须对照最终方法说明进行核验。
• 不要添加新的参考文献、实验、图表或数值。
• 不要删除局限或不确定性表述。
• 确保修改可追溯——说明修改内容及原因。
• 如果论证存在问题，应指出，而不是靠润色掩盖。

核验

提交前请核验：

• 每个修改后的句子在语法上都正确。
• 对照最终方法说明核验每个公式。
• 每个结论的措辞都与现有证据相符。
• 标记或弱化夸大结论。
• 各章节的符号保持一致。
• 图表引用顺序正确，并且对应现有文件。
• 符合竞赛格式要求。
• 提供修改摘要。

失败情形

出现以下情况时，停止并报告阻碍：

• 论文中的某项主张完全没有任何支持证据（而非证据薄弱）。
• 论文中的公式与最终方法说明相矛盾。
• 引用的图或表不存在。
• 论文中的数值无法在任何结果文件中找到。
• 论文声称回答了某个子问题，但没有相应的最终结果分析。

停止条件

遇到以下情况时，本技能必须停止，不得猜测：

• 修改语言需要改变科学含义。
• 某项主张完全缺乏证据。
• 同一章节中存在多个相互矛盾的主张。
• 无法找到引用的材料。
• 继续处理会用润色掩盖根本性的逻辑缺陷。

停止时，输出：

• 阻碍
• 受影响的句子或段落
• 缺失或矛盾的证据
• 建议采取的行动

交接

润色后： → quality-assurance-auditor

附上：

• 润色部分的路径
• 修改摘要（修改了什么以及原因）
• 标记的过度主张（已弱化或等待作者决定）
• 仍需作者关注的问题

示例

示例 1：弱化过度主张

原文：“我们的熵-TOPSIS 模型表现显著优于所有现有评估方法，实现了最优的排序准确率。”

润色后：“与等权重基线相比，熵-TOPSIS 模型提高了分数区分度（标准差：0.15 vs 0.08）。在测试的 3 种候选方法（等权重、熵-TOPSIS、AHP-TOPSIS）中，熵-TOPSIS 因其客观的权重推导方式，以及在 ±10% 扰动下的排序稳定性而被选中。”

修改：

• 将“显著优于所有现有方法”弱化为仅与已测试的基线进行比较
• 删除“最优的排序准确率”（不存在真实排序可供比较）
• 增加具体的数值证据（标准差 0.15 vs 0.08）
• 补充方法选择的背景（测试了 3 种候选方法）

示例 2：修正符号

原文：“设 x_i 为城市 i 的得分。权重 w_j 的计算方式为……”

修正后：“设 $S_i$ 为城市 $i$ 的综合得分。指标权重 $\omega_j$ 通过熵值法计算……”

问题：x_i 在 Q1 中表示得分，在 Q2 中却表示原始指标值。将其改为 S_i，以匹配全局符号表，并将表示权重的 \omega_j 与在其他位置表示不同变量的 w_j 区分开来。

示例 3：拆分句子

原文（38 个单词）：“在应用熵值法计算客观指标权重，然后使用 TOPSIS 法计算各城市与理想解的相对贴近度后，我们得到了表 1 所示的最终排名。”

润色后（两句话，15 + 14 个单词）：“熵权法根据数据离散程度计算客观指标权重。随后，TOPSIS 计算各城市与理想解的相对贴近度，并得出最终排名（表 1）。”