Skip to content
Conduit

skill

math-modeling-national-award-skill

A rigorous Codex Skill for Chinese mathematical modeling: model selection, validation, paper structure, and Word delivery QA.

lix965996-art/math-modeling-national-award-skillcommunitylistedunreviewed
Use skill

Set up

Skills are installed by placing their folder where your agent loads skills.

Download ZIP from GitHub Open the repository

The download comes from github.com/lix965996-art/math-modeling-national-award-skill itself, not from our server, so what you get is exactly what its author published.

Install instructions come from the README

Skills do not use an MCP config. Follow the steps in the README below.

README

synced Oct 23, 2026

Math Modeling National Award Skill

English · 技能入口 · 方法参考 · Word 交付审计

一个面向中国大学生数学建模竞赛论文的 Codex Skill。它把 5 篇全国一等奖论文中可迁移的建模、论证、验证和排版经验整理为可执行工作流，帮助 AI 从“看懂题目”一路推进到“形成可复现、可检查的论文”。

[!IMPORTANT] 这是方法与质量控制技能，不是“自动获奖器”。它不会替你编造数据、计算结果、图表、文献或性能指标，也不应代替对赛题附件、原始数据和官方格式要求的核验。

它能做什么

  • 把题目语言还原为对象、变量、输出、约束和证据；
  • 建立 问题特征 → 数学表示 → 方法要求 → 方法选择 → 验证证据 的完整推理链；
  • 让多个小问复用状态方程、符号、预处理和评价标准，形成递进关系；
  • 为动态几何与优化、物理反问题与信号处理、纵向统计与决策优化选择合适路线；
  • 区分模型、求解器和可信度证据，避免用“高级算法名称”代替论证；
  • 设计收敛、基线对照、残差、不确定性、敏感性和复现检查；
  • 按 C132 重建规范组织摘要、章节、公式、表格、图形与附录；
  • 在 Windows + Microsoft Word 环境中审计 DOCX 页数、原生 OMML 公式和中文标题字体。

工作方式

SKILL.md 是入口和路由器。AI 会根据任务读取相应参考文件，而不是把全部规则机械套到每一道题上。

文件用途
SKILL.md总体原则、任务路由和最终质量门槛
modeling-workflow.md从问题重构、模型选择到解释和证据闭环
problem-archetypes.md三类常见赛题的建模路线与关键检查
validation-and-evidence.md按真实失败风险设计验证矩阵
paper-structure-and-format.md摘要、正文、公式、图表、参考文献与附录组织
c132-format-standard.md可编辑 Word/PDF 的默认版式重建标准
corpus-comparison.md5 篇论文的共性、差异、可迁移经验和风险边界
audit_word_delivery.ps1使用 Microsoft Word 对最终 DOCX 做硬性审计

安装

Codex

克隆到个人技能目录：

Windows PowerShell：

git clone https://github.com/lix965996-art/math-modeling-national-award-skill.git "$env:USERPROFILE\.codex\skills\math-modeling-national-award"

macOS / Linux：

git clone https://github.com/lix965996-art/math-modeling-national-award-skill.git ~/.codex/skills/math-modeling-national-award

重新打开 Codex 任务后，直接点名技能：

请使用 $math-modeling-national-award，先检查完整赛题和附件，再给出各小问的递进建模方案、方法选择理由和验证计划。

如果你的 Agent 使用其他技能目录，也可以把整个仓库复制到对应目录；请保持 SKILL.md、references/、scripts/ 的相对位置不变。

推荐用法

1. 只做建模路线

使用 $math-modeling-national-award 分析这道题。先列对象、变量、输出、约束和证据，再给出最简可行基线、各小问递进关系、备选方法及验证计划。此阶段不要虚构数值结果。

2. 审阅已有论文

使用 $math-modeling-national-award 审阅论文。逐小问检查“题目要求—模型—求解—结果—验证”是否闭环，列出会影响可信度或答题完整性的具体问题，并按优先级给出修改建议。

3. 生成完整论文

使用 $math-modeling-national-award，根据赛题、附件、可复现代码和真实运行结果生成完整论文。使用官方模板；若无强制模板，则采用技能中的 C132 默认规范。所有公式使用真实数学排版，所有结论必须能追溯到数据、推导或程序输出。

Word 交付审计

审计脚本只适用于安装了 Microsoft Word 的 Windows。它会检查实际分页、正文页数、原生 OMath 数量、标题字体一致性、主题字体残留和 MS Gothic 回退等问题。

powershell -NoProfile -ExecutionPolicy Bypass -File .\scripts\audit_word_delivery.ps1 `
  -DocxPath "C:\path\to\paper.docx" `
  -MinimumBodyPages 25 `
  -MinimumTotalPages 30

官方竞赛模板永远优先于本技能的默认排版。没有 Microsoft Word 时，可以使用建模与写作规则，但不能把 LibreOffice 渲染或“文件能打开”当作 Word/OMML 验收通过。

设计原则

  1. 先诊断结构，再选方法。 不因为算法“看起来高级”就采用它。
  2. 先有可解释基线，再增加复杂度。 复杂模型必须证明自己解决了已诊断的问题。
  3. 验证针对失败风险。 随机优化看多种子与收敛，反问题看初值与残差，重复测量看组内相关和受试者级验证。
  4. 结果必须可追溯。 论文中的数字、表格和图形应由附件、推导或可复现程序产生。
  5. 格式服务于论证。 技术路线、公式、图表和附录都应帮助评委快速确认“做了什么、为什么可信”。

边界与来源

  • 本仓库包含从 5 篇扫描获奖论文中提炼的原创方法总结，不包含论文 PDF、扫描页或水印素材；
  • 论文案例用于比较建模思路，不是事实来源，也不是可复制的固定模板；
  • 使用具体领域知识、数据常数或文献结论时，请引用并核验原始权威来源；
  • C132 字体和字号是根据扫描版视觉测量得到的固定重建方案，并非从原 Word 文件恢复的元数据；
  • 封面图由 OpenAI 图像生成工具为本项目生成。

更完整的来源说明见 NOTICE.md。

贡献

欢迎提交 Issue 或 Pull Request，尤其是：

  • 新题型的“问题特征—数学表示—方法—验证”路线；
  • 可复现的失败案例和审计规则；
  • 对方法适用条件、统计泄漏或过度结论的纠正；
  • 不改变学术严谨性的安装与文档改进。

提交内容不得包含无权公开的赛题附件、论文全文、个人信息、密钥或伪造结果。

License

MIT

↑↓ navigate openesc close