mcpField
T
theory-assumption-extractor

theory-assumption-extractor

github.com/jurgendn生产力1153 次安装6 周前更新
代码仓库

关于 theory-assumption-extractor

供研究者检查定理或实证结论依赖条件的理论分析技能。它提取显式与隐藏假设,追踪假设在论证中的作用,区分其必要性,并分析移除或放宽假设后的影响。

主要功能

  1. 01准确表述目标主张
  2. 02区分显式与隐藏假设
  3. 03追踪假设在证明或实证中的作用
  4. 04按必要性和强度分类假设
  5. 05说明移除假设后论证如何失效
  6. 06提出可行的较弱替代条件

适用场景

  1. 01审查定理依赖的假设
  2. 02检查被引用结果中的隐含前提
  3. 03评估实验是否依赖分布假设
  4. 04寻找放宽模型条件的可能性

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/jurgendn/agent-skills --skill theory-assumption-extractor

安装后在 Claude Code 中输入/theory-assumption-extractor确认已加载。

详细介绍

假设提取器

在信任结论之前,先揭示隐藏前提。

有力的结果往往依赖一些假设,而这些假设可能:

  • 未明确说明;
  • 隐藏在符号表示中;
  • 藏在定理引用里;
  • 或通过证明技巧间接引入。

目标不只是列出假设。
还要确定:

  • 哪些假设在结构上必不可少;
  • 哪些只是证明的产物;
  • 移除这些假设后会出现什么问题。

流程

1. 陈述目标主张

准确写出结论。

不佳:

The method converges.

更佳:

The estimator converges almost surely to the true parameter
under increasing sample size.

主张应明确说明:

  • 变量;
  • 适用情形;
  • 收敛概念;
  • 概率限定条件;
  • 比较目标。

2. 提取显式假设

列出定理、模型或实验中直接陈述的假设。

示例:

Explicit assumptions:
- graph is connected;
- loss function is convex;
- samples are IID;
- Markov chain is reversible.

分别列出:

  • 数学假设;
  • 统计假设;
  • 计算假设;
  • 数据生成假设。

3. 搜索隐藏假设

检查每个证明步骤、近似处理和经验性主张。

常见的隐藏假设包括:

正则性假设
  • 光滑性;
  • Lipschitz 连续性;
  • 可微性;
  • 梯度有界。
结构性假设
  • 凸性;
  • 稀疏性;
  • 低秩;
  • 可分性;
  • 平稳性。
概率假设
  • 独立性;
  • 可交换性;
  • 集中性;
  • 次高斯尾部;
  • 遍历性。
可识别性假设
  • 最优解唯一;
  • 可逆性;
  • 充分激励;
  • 协方差非退化。
渐近假设
  • 大样本情形;
  • 噪声趋于零;
  • 维度固定;
  • 无限时间范围。
经验性假设
  • 训练和测试分布匹配;
  • 基准数据集的标签可靠;
  • 预处理不会泄漏信息。

4. 找出每项假设的作用位置

不要只列出假设。
要说明论证实际在哪些地方用到了这些假设。

示例:

Convexity is required when applying Jensen's inequality
during the convergence proof.

Independence is used only in the concentration step.

这样可以区分:

  • 逻辑上必不可少的假设;
  • 特定于证明的假设。

5. 对假设分类

为每项假设贴上以下标签:

必不可少

移除该假设会使主张本身失效。

示例:

Connectivity is essential for global mixing.
证明便利条件

用于简化分析,但可能并非根本必需。

示例:

Bounded degree simplifies concentration bounds
but may not be strictly necessary.
可能过强

强于实际所需。

示例:

Global Lipschitz continuity may only be needed locally.

6. 测试移除假设的影响

询问:

What breaks if this assumption is removed?

务必具体说明。

不佳:

The proof becomes harder.

更佳:

Without reversibility, the spectral decomposition step fails
because orthogonal eigenbasis arguments no longer apply.

7. 提出更弱的替代条件

在可行时,用更弱的条件替代强假设。

示例:

强假设可能的放宽条件
IID 样本混合过程
全局凸性局部凸性
支持集有界方差有限
精确稀疏近似稀疏
确定性图随机图模型

除非证明路径合理,否则不要声称较弱的版本成立。


规则

  • 区分逻辑上的必要条件与证明便利条件。
  • 被引用定理中的隐藏假设也应纳入考量。
  • 如果移除某项假设会破坏论证,应明确指出具体位置。
  • 不要默认渐近假设在现实中必然成立。
  • 分别说明:
    • 数学上足够;
    • 经验上合理;
    • 计算上可行。
  • 不要将“文献中常见”与“必不可少”混为一谈。

输出格式

# Target Claim

...

# Explicit Assumptions

- ...

# Hidden Assumptions

| Assumption | Where It Enters | Essential or Convenient | What Breaks Without It |
|---|---|---|---|
| ... | ... | ... | ... |

# Likely Over-Strong Assumptions

- ...

# Possible Weaker Alternatives

| Original Assumption | Possible Relaxation |
|---|---|
| ... | ... |

# Main Structural Dependency

State the single assumption the argument depends on most heavily.

# Risk Assessment

Which assumptions are:
- mathematically fragile;
- empirically unrealistic;
- difficult to verify in practice.

评论

支持 Markdown