submission-readiness-audit

投稿准备度审查

提交前的最后一轮不是再次润色，而是进行风险审查：哪些问题会让审稿人不信任论文、误解论文的贡献，或发现本可避免的合规问题？

适用场景

• 用户已有论文草稿或接近定稿的论文。
• 用户询问投稿前还缺少什么。
• 论文需要根据会议或工件要求进行检查。
• 用户希望发现夸大主张、数字不一致、缺少参考文献或附录内容偏离等问题。
• 用户正在准备终稿修改。

不适用场景

• 论文论证仍不清晰。请先使用 paper-argument-planner。
• 用户需要撰写新的相关工作内容。请使用 related-work-writer。
• 用户需要的是工件打包，而非论文审查。请使用 artifact-release-packager。

工作流

1. 确认投稿背景

记录：

• 已知的会议或格式要求
• 页数限制
• 匿名要求
• 必需章节或检查清单
• 工件／可复现性要求
• 当前可用的草稿组成部分

如果会议未知，请进行通用的研究论文审查，并将会议特定项目标记为未知。

对于 ML／NLP／CV／AI 投稿，请增加一轮 OpenReview 时代的审稿风险检查：针对 ICLR、NeurIPS、CVPR、AAAI 和 ACL/ARR 等会议明确要求审稿人指出的问题进行检查。尤其要审查缺乏依据的核心主张、模糊的创新性、未明确指出的基线缺失、可复现性不足、缺少局限性／伦理讨论、数据／代码／模型归属方面的疏漏、虚构或归属错误的引文，以及作者在答辩期间可能难以回答的问题。

2. 根据证据审查主张

针对摘要、引言、结果、讨论和结论：

• 列出主要主张
• 找出支持这些主张的图、表、证明或引文
• 标记缺乏依据或言过其实的主张
• 检查结论是否超出结果所能支持的范围
• 检查局限性是否与贡献相矛盾

对于缺乏依据的主张，应缩小范围、补充依据或删除。

3. 审查实验和数值的一致性

检查：

• 正文、表格、图注和附录中的数字是否一致
• 指标的定义是否一致
• 是否清楚说明指标是越高越好还是越低越好
• 基线名称是否一致
• 数据集及其划分的描述是否一致
• 在适当情况下是否报告统计不确定性
• 消融实验是否对应所声称的机制

4. 审查论文细节

检查：

• 每张图／表是否按顺序在正文中引用
• 图注是否内容完整、自成一体
• 附录引用是否有效
• 引文是否支持其所对应的句子
• 符号是否在使用前定义
• 缩略语是否已定义
• 方法名称是否一致
• 适用情况下是否包含局限性、伦理和更广泛影响相关内容
• 双盲投稿是否保持匿名

5. 对阻碍问题分级

使用以下严重程度：

• 阻碍投稿的问题 — 可能导致拒稿、编辑拒稿或严重损害审稿人信任。
• 重大问题 — 会削弱论文，但可能很快修复。
• 次要问题 — 润色或清晰度方面的问题。
• 会议特定的未知项 — 没有会议要求时无法核实。

不要把阻碍投稿的问题淹没在冗长的检查清单中。

输出格式

# Submission Readiness Audit

## Verdict
Ready / Not ready / Conditionally ready

## Blockers

## Major issues

## Minor issues

## Claim-evidence consistency
| Claim | Location | Evidence | Status | Fix |
|---|---|---|---|---|

## Figures, tables, and appendix checks

## Venue/checklist items

## Final action list

质量标准

优秀的审查应减少本可避免的审稿异议，并提供足够具体的信息，让用户能够直接修复问题，而不是只感到笼统的担忧。