prai-artifact-evaluation
GitHub指导为《模式识别与人工智能》撰写代码/数据可用性声明，规范复现仓库结构，处理不可公开情形的替代验证，协调审稿匿名要求，确保声明诚实一致以增强外审信任。
Trigger Scenarios
Install
npx skills add brycewang-stanford/Awesome-Journal-Skills --skill prai-artifact-evaluation -g -y
SKILL.md
Frontmatter
{
"name": "prai-artifact-evaluation",
"description": "在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 处理代码与数据可用性、撰写可用性声明时调用。本刊作为中文期刊是否设立独立的制品评审徽章(artifact badge)制度目前待核实——本技能讲清现状与稳妥做法：如何写诚实的代码\/数据可用性声明、如何组织可供外审核验的复现仓库、如何在不可公开时说明原因与替代验证途径、如何与审稿匿名要求(是否双盲待核实)协调。用于让模式识别\/机器学习论文的制品支撑而非拖累评审，避免可用性声明与实际提供的材料不一致。"
}
《模式识别与人工智能》代码与数据可用性
本技能帮助为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 处理
制品(代码/数据/模型)可用性。需要说明现状：本刊作为中文期刊，是否设立类似部分英文会议的独立制品
评审徽章(artifact badge) 制度 待核实；不要臆断有 ACM 式徽章。本技能给的是稳妥、诚实的可用性
做法。事实核验日期 2026-07-09，见 resources/official-source-map.md。
一、现状说明（不臆断徽章）
- 本刊是否有正式的制品评审流程与徽章 待核实，以官网当期须知为准。
- 无论是否有徽章，诚实的可用性声明 + 可核验的复现材料都能增强外审信任，是稳妥做法。
- 不要在论文中宣称获得某种"徽章"，除非本刊确有该制度并授予（避免虚假陈述）。
二、可用性声明怎么写
在论文（可用性声明/数据可得性部分）用一段说明：
- 代码：是否公开、托管位置（打 tag/固定 commit）、许可。
- 数据：公开数据给来源与划分；自采数据说明获取方式与许可；不可公开说明原因(隐私/版权)与 替代验证途径（如提供样例、统计、脱敏子集）。
- 模型/权重：是否提供、版本标识。
- 一致性：声明内容必须与实际提供的材料一致，不夸大。
三、可核验复现仓库（供外审）
组织成外审能快速核验的形式（与 prai-reproducibility 一致）：
artifact/
README.md # 环境、一键复现、结果对照
requirements.txt
configs/ # 含随机种子
scripts/run_all.sh
data/README.md # 数据获取与划分
results/ # 期望产物
四、不可公开时的诚实处理
| 情形 | 稳妥做法 |
|---|---|
| 数据含隐私/版权 | 提供脱敏子集或统计，说明完整数据获取途径 |
| 代码含第三方受限组件 | 公开可公开部分，说明受限组件与替代 |
| 权重过大 | 稳定托管 + 校验和，或提供推理脚本 |
| 完全不可公开 | 坦陈原因，提供尽可能的可核验证据 |
诚实的"部分可用 + 说明"远胜过"声明可用却无法复现"。
五、与审稿匿名协调
- 若本刊外审要求作者信息与正文分离（是否双盲 待核实），审外阶段的制品要去身份：清理仓库 用户名、机构路径、邮箱、致谢显名，可用匿名托管。
- 录用后再切换到正式署名版本（见
prai-camera-ready）。
六、许可与合规
- 为代码选明确开源许可（如 MIT/Apache-2.0），数据遵守来源许可。
- 使用第三方数据集/预训练模型遵守其使用条款并正确引用。
- 不发布侵犯隐私或版权的数据。
七、制品与实验/复现的关系
- 制品是
prai-experiments结果的可核验支撑、prai-reproducibility材料的对外呈现。 - 可用性声明中的复现步骤应与复现包 README 一致、能真的跑通。
八、常见问题
| 问题 | 后果 | 规避 |
|---|---|---|
| 声明可用但链接失效/无法复现 | 信任受损 | 投稿前验证链接与一键复现 |
| 宣称获得不存在的徽章 | 虚假陈述 | 不臆断徽章制度(待核实) |
| 制品泄露作者身份(若需匿名) | 违反匿名 | 去身份后再提交 |
| 数据许可不清 | 合规风险 | 标注来源与许可 |
九、自检清单
- 可用性声明是否与实际材料一致、不夸大？
- 复现仓库能否在干净环境跑通并对上主表？
- 不可公开部分是否给了原因与替代验证？
- 审外制品是否按匿名要求去身份(若需，待核实)？
- 许可与第三方合规是否清楚？
- 是否避免了宣称不存在的徽章？
十、与其他技能衔接
- 上游
prai-reproducibility建材料、prai-experiments出证据；投稿声明核对见prai-submission； 录用后正式版见prai-camera-ready。
十一、可用性声明的写法示例
在《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 论文的可用性/数据 可得性部分，可参照如下诚实写法（据实调整，不夸大）：
代码可用性：本文方法的实现代码已在 <稳定托管地址> 公开（版本 tag v1.0，commit <哈希>），
采用 <MIT/Apache-2.0> 许可。
数据可用性：实验使用的 <数据集A、B> 为公开数据集，来源见参考文献[..]；划分脚本随代码提供。
自采数据 <C> 因涉及隐私暂不公开，提供脱敏样例与统计信息，完整数据可依 <途径> 申请获取。
模型权重：预训练权重来源为 <..>，微调权重随代码托管并提供校验和。
关键是"声明的每一句都能兑现"：链接可访问、复现步骤能跑通、不可公开处给了替代验证。
十二、为什么诚实优于漂亮
审稿人对"声明全部可用却无法复现"的容忍度很低——这比"部分可用 + 清楚说明"更伤信任。与其为好看 而夸大可用性，不如：把能公开的做扎实（一键复现、打 tag、许可清楚），把不能公开的说清楚（原因、 替代验证途径）。诚实的部分可用配上可核验的复现，往往比空洞的"完全可用"声明更能支撑外审对结果的 信任。这与本刊只发表具创新价值且经得起检验的成果的定位一致。
十三、制品在评审各阶段的角色
制品在《模式识别与人工智能》评审的不同阶段承担不同角色：外审阶段，可核验的复现材料帮助专家确认
"结果可信、方法可复现"，减少质疑；修回阶段，可用制品让补做实验的说服力更强(见
prai-author-response)；录用后，切换到正式署名版本并与最终论文一致(见 prai-camera-ready)。本刊
是否有独立徽章制度 待核实，但无论有无，"诚实声明 + 可核验材料"这条主线在各阶段都成立。
输出格式
[PR&AI 可用性] 就绪 / 待完善
[徽章制度] 待核实（不臆断）
[代码] 公开? 托管/tag/许可：___
[数据] 公开/部分/不可公开 + 替代验证：___
[一致性] 声明与实际材料一致：是/否
[复现验证] 干净环境跑通对上主表：是/否
[匿名(若需)] 制品是否去身份：___
[待完善项] ___
Version History
- 9f86f09 Current 2026-07-19 17:18
