verify-claims

核验论断

论断与证据之间的把关环节。审稿人会质疑论文声称与展示之间的差距——没有依据的“我们是首创”、没有对比的“达到最先进水平”、没有检验的“显著提升”，或正文中声称的加速效果却得不到表格支持。这项技能会找出这些候选论断，让作者为每条论断对应证据，并生成一份论断矩阵（论断 · 位置 · 证据 · 状态），以便在审稿人发现之前看清并弥合差距。

它是 verify-citations 的内容对应技能：前者证明 .bib 中的每条参考文献都能对应到真实论文；本技能则证明正文中的每个关键句子都有这篇论文中的内容（数字、图、表、实验）或真实引用作为依据。在任何草稿、回复审稿意见或终稿离开本机前，都要运行这两项技能。

适用场景

• 用户要求核验／审查／检查论断（而非引用）：“我的论断有证据支持吗？”“我是否夸大了？”“结果与表格一致吗？”
• 回复审稿意见之前——审稿人最常见的批评是贡献缺乏支持或言过其实；先弥合差距，或为回复准备好证据。
• 提交终稿或 arXiv 之前——这是弱化站不住脚的“首创”说法，或修正与更新后表格不同步的数字的最后机会。
• polish-tables-figures 重新生成表格之后，确认正文仍与新数字相符。

输入

• 论文的 .tex 文件（主文件；脚本会跟踪 \input／\include）。在 .bib 文件旁边查找，或通过包含 \documentclass 的文件查找。
• 作者参与流程：本技能无法判断论断是否属实——它会找出候选项，由作者提供证据（或承认没有证据）。人来驾驶，Copilot 辅助。
• 可选：.paper-memory/profile.yml——risk_appetite 和 contribution_type 用于设置作者希望在创新性上采取多强的主张或保留态度（参见 Memory）。

流程

1. 提取候选论断。 确定性工作应交给脚本——不要靠浏览论文来寻找论断：

   python3 scripts/claim_audit.py path/to/main.tex --json /tmp/claims.json
   

   脚本会扫描正文（跳过数学内容、注释和表格），查找包含创新性标记（“first”“novel”“we are the only”“unlike prior work”）、优越性标记（“outperforms”“state-of-the-art”“best”“superior”）、程度／结果标记（“significantly”“X% improvement”“Nx faster”“substantially”）和泛化标记（“always”“in all cases”“guarantees”）的句子。脚本还会提取正文中的所有数字标记以及表格中的所有数字单元格，供你交叉核对。每个候选项都会标出类型、句子和 file:line 位置。

   实用选项：

   • --type novelty（或 superiority、result、generalization）——聚焦某一类论断。
   • --numbers——仅输出正文数字与表格数字的交叉核对清单（用于回答“结果与表格一致吗？”）。
   • --context N——为每条论断附上周边的 N 个句子。
   • --min-confidence high——仅显示信号最强的候选项（误报更少），适用于篇幅较长的论文。

   退出码：0 未找到候选论断（很少见——通常表示文件已解析但内容近乎为空；请检查输入），2 找到了候选论断（正常情况——需要作者筛选，而非表示“有问题”），1 操作失败（文件无法读取、参数错误）。脚本会查找论断，但不会评判论断——非零的 2 是预期且正常的结果，并非失败。

2. 与作者一起为每项候选主张匹配证据。 这是这项技能的核心，无法自动化：脚本会标记“we achieve state-of-the-art accuracy”；只有作者（或论文自己的表 3）才能说明究竟是 哪个结果支持了这项主张。对每项候选主张，确定：

   • 证据 — 支持该主张的具体结果、表格／图编号、实验、定理或引文（\ref／\label、表格单元格或章节）。仅写“第 4 节”不算证据；“表 3，BERT-large 行，较最强基线高出 2.1 F1”才算。
   • 状态 — SUPPORTED（有证据且证据匹配）、WEAK（有证据，但支撑力度弱于主张，例如使用“显著”却没有显著性检验）、UNSUPPORTED（未找到证据）、MISMATCH（正文中的数字与表格不一致）或 SCOPED（缩小范围后主张成立——见步骤 4）。

   阅读 references/claim-taxonomy.md，了解每种主张类型需要哪些证据，以及审稿人通常会如何质疑。

3. 应用夸大主张规则。 阅读 references/overclaiming-rules.md。常见问题包括：

   • “first”／“novel” 需要有理据的范围界定和文献核查——绝对化地声称“首次实现 X”，只需一个反例，就足以让人难堪。最好将其限定为“在约束 Y 下首次实现 X”。
   • “state-of-the-art”／“outperforms” 需要说明对比详情：对比了哪些基线、在哪个基准上、领先多少，以及这些基线是否是当前的并经过公平调优。
   • “significantly”／“substantial” 是统计学术语：需要进行检验（并注明检验方法），不能只凭均值更高。如果没有做检验，应修改措辞，而不是数据。
   • 正文中的数字 必须与其概述的表格／图中的数字一致。脚本的 --numbers 模式会列出正文与表格中的数值；必须逐一核对所有不一致之处（修订表格后却留下过时句子，是终稿阶段最常见的问题）。

4. 与作者一起决定如何修正每项主张。 有三种诚实的做法，绝不能有第四种：

   • 补足证据 — 添加或指明缺失的证据（论文中已有的结果、引文或需要开展的实验）。
   • 限定范围 — 将主张缩小到证据实际支持的范围（“首次”→“在 Y 条件下首次”；“始终”→“在我们的实验中”）。
   • 删除 — 如果无法提供证据或限定范围，就删除该主张。 绝不能采用第四种做法：捏造证据、结果、引文或并未进行的显著性检验。坦诚承认“这项主张缺乏证据”，胜过伪造依据。

5. 编写主张矩阵，保存到 paper-workspace/review/claims-matrix.md：每项关键主张占一行，列出 主张 · 位置 · 类型 · 证据 · 状态 · 建议的修正。聊天摘要开头应列出各状态的数量，并首先列出风险最高的待处理事项（UNSUPPORTED 和 MISMATCH）。将本次运行记录追加到 INDEX.md。

6. 修正后重新运行。 作者完成修改后，重新运行 claim_audit.py（以及 --numbers），确认弱化或限定范围后的主张不再触发标记，且正文与表格之间不再有数值不一致。每项关键主张都应为 SUPPORTED、SCOPED，或经作者明确接受的 WEAK，此时即可停止；不要陷入“持续改进”的无休止循环（最多进行几轮，并报告仍未解决的问题）。

输出

• claim_audit.py 的标准输出（以及 --json）：候选主张及其类型、位置，还有正文与表格之间的数值交叉核对结果——这是一份待处理清单，而非结论。
• paper-workspace/review/claims-matrix.md：供作者填写并据此采取行动的可审查主张矩阵，以及一行 INDEX.md 条目。
• 聊天摘要：各状态的数量、风险最高的待处理主张，以及逐项主张的修正方式（补足证据／限定范围／删除）——绝不伪造依据。

硬性规则

• 此技能绝不会自行判定某项主张是真是假。 它没有判断“这是首篇实现 X 的论文”或“这确实达到了最先进水平”的依据——它会指出候选主张，并将判断交由作者和论文自身的证据。不要把模型的自我评估当作验证信号（它衡量的是合理性，而非正确性；模型越有把握时，这种评估恰恰越不可靠）。
• 绝不捏造证据。 不得编造结果、表格编号、引文、基线或显著性检验来“支撑”主张。若无法提供依据，就必须限定主张范围或删去。
• 数字是事实，不是文字表述。 如果正文中的数字与表格不一致，这是需要依据表格（或底层结果）调和的 MISMATCH，绝不能为了迎合作者更喜欢的句子而修改表格。
• “first”／“SOTA”／“significant”都是有实质分量且需要证据支撑的用词。 应将其视为需要证明的主张，而非修辞点缀。
• 此技能检查的是本篇论文内部的主张→证据关系；它不会验证 .bib 是否能正确解析——那是 verify-citations 的职责。如果某项主张的证据来自引文，请将该参考文献交给 verify-citations 处理。
• 此技能只报告和解释；绝不编辑论文或提交任何内容。所有支撑、限定范围或删去的决定都由作者作出。

根据学科调整

默认设置面向 CS 领域的会议（IEEE/ACM/ML）。标记词表和证据要求因领域而异：理论论文的主张应追溯到定理和证明（而非表格）；HCI 论文的主张应追溯到研究设计和显著性报告；综述论文的主张应关注覆盖范围和分类体系的完整性，而非“表现优于”。根据你的领域的主张用语和证明标准，编辑 references/claim-taxonomy.md 以及 claim_audit.py 中的标记列表（内有说明）。

附带资源

• scripts/claim_audit.py — 从 .tex 文件中提取候选主张句，并交叉核对正文与表格中的数字。仅使用标准库；运行 --help 查看所有选项。请运行此脚本，不要手动扫描论文。
• references/claim-taxonomy.md — 主张类型、每种主张所需的证据，以及针对每种主张的典型审稿人质疑。
• references/overclaiming-rules.md — 高频过度主张（“first”、“SOTA”、“significant”、过时的数字）以及针对每种情况的支撑、限定范围或删去方案。

记忆

使用共享的 .paper-memory/ 约定（完整规范： paper-memory-convention.md）。

• 开始时： 阅读 lessons.md，避免再次标记作者本轮已经限定范围或提供依据的主张；优先指出任何 recurring 过度主张习惯（例如：“倾向于写绝对化的 ‘first’ 主张；应提前限定范围”）。阅读 profile.yml 中的 risk_appetite——conservative 作者希望对每项 WEAK 主张加以限定；aggressive 作者则愿意在审稿中坚持可辩护的 WEAK 主张。
• 结束时： 使用 reflect-and-improve 的 reflect_log.py append，按共享格式追加持久性发现：- [YYYY-MM-DD] (verify-claims | <scope>) issue -> recommendation。贯穿整篇论文或多篇论文的习惯（例如，未限定范围的新颖性主张、没有检验却声称“significant”）属于 recurring；单句中的问题若已修正，则属于 this-paper。绝不记录捏造的依据——只记录问题模式和诚实的修正方案。
• 如果 .paper-memory/ 不存在，则按需创建，并询问是否将其添加到项目 .gitignore。这些文件仅保存在本地，绝不上传或复制到此仓库。