Agent Skills
› brycewang-stanford/Awesome-Journal-Skills
› aas-reproducibility
aas-reproducibility
GitHub指导《自动化学报》作者构建可复现实验，涵盖环境固定、随机种子控制、数据防泄露及仿真参数记录。提供复现包组织规范与双盲匿名要求，附自检清单以应对外审对结果可靠性的质疑。
Trigger Scenarios
提升实验可复现性
组织复现包
防范数据污染
控制仿真参数记录
配合双盲的匿名化
Install
npx skills add brycewang-stanford/Awesome-Journal-Skills --skill aas-reproducibility -g -y
SKILL.md
Frontmatter
{
"name": "aas-reproducibility",
"description": "当你在为《自动化学报》(Acta Automatica Sinica, AAS) 提升实验可复现性、组织复现包、防范数据污染时调用。覆盖环境与依赖固定、随机种子与多次运行、数据划分与防泄露、控制仿真的求解器\/步长\/系统参数记录、超参数与调参协议披露、以及配合双盲的匿名化复现材料，帮助控制\/自动化\/模式识别方向的中文稿在 Acta Automatica Sinica 外审中经得起\"结果能否复现\"的追问。"
}
《自动化学报》可复现性与实验可重复
本技能帮你把投向《自动化学报》(Acta Automatica Sinica, AAS) 的实验做到可复现。外审常问"换个人
能否复现你的结果"，控制类还要能复现稳定性与性能结论。以下方法于 2026-07-09 核验框架（见
resources/official-source-map.md）；本刊是否强制提交复现材料 待核实。
一、可复现性三支柱
| 支柱 | 内容 |
|---|---|
| 环境可复现 | 语言/库版本、系统、硬件、随机种子固定 |
| 数据可复现 | 数据来源、划分、预处理脚本、校验和 |
| 流程可复现 | 从原始数据到论文图表的一键脚本 |
二、环境与依赖固定
- 记录语言与关键库版本（Python/MATLAB、控制/学习框架），提供
requirements.txt/environment.yml或 Dockerfile。 - 控制仿真额外记录：仿真器与版本、求解器类型、积分步长、系统模型参数、初始条件。
- 硬件：CPU/GPU 型号、内存；实物实验记录采样周期、控制器硬件与传感器型号。
三、随机性与多次运行
- 固定随机种子；对随机性强的实验（强化学习、随机初始化的识别模型）报告多次运行的均值与方差。
- 说明随机来源（初始化、数据打乱、探索噪声）与控制方式；不要只报单次最好结果。
四、数据划分与防污染
| 风险 | 防范 |
|---|---|
| 测试集调参 | 只在验证集调参，测试集仅最终评测一次 |
| 数据泄露 | 划分在预处理前，防未来信息进训练 |
| 重复样本跨集 | 去重，确认训练/测试无交叠 |
| 分布偏移未披露 | 说明训练与测试分布差异 |
五、复现包组织（配合双盲）
repro/
README.md # 环境、数据、运行、预期结果、硬件
env/ # requirements.txt / environment.yml / Dockerfile
data/ # 数据或获取脚本 + 校验和
src/ # 方法与基线
configs/ # 每个实验/图表的配置与种子
scripts/ # run_all.sh：原始数据→论文图表
results/ # 关键指标，供复现校验
- 复现材料需匿名：仓库、README、路径、账户名不得泄露作者身份（双盲，见
aas-submission）。 - 用匿名化 Git 快照或匿名仓库分享链接；勿指向作者主页。
六、超参数与调参协议
- 公布搜索空间、选择准则、最终取值；说明基线的调参是否与本文同等投入。
- 控制类公布增益、自适应率、约束参数等；学习类公布学习率、批大小、训练轮数等。
七、可复现性自检清单
[环境] 版本/硬件/种子固定？仿真器/步长/求解器记录？
[数据] 来源/划分/预处理/校验和齐全？无泄露/无跨集重复？
[随机] 多次运行均值±方差？随机来源已说明？
[流程] run_all.sh 可从数据跑到图表？
[超参] 搜索空间/选择准则/取值公布？基线同等调参？
[匿名] 复现材料无身份泄露？
[待核实] 本刊是否强制提交代码/数据：待核实
八、常见复现问题
- 只给结果不给环境，换机器跑不出——补依赖与硬件说明。
- 种子不固定、只报单次——补多次运行统计。
- 测试集调参导致虚高——整改为验证集调参。
- 控制仿真缺步长/求解器/参数，别人复现不了动态——补仿真配置。
- 复现仓库暴露作者身份，违反双盲——匿名化后再放链接。
九、控制仿真的可复现要点（专项）
控制类结论（稳定、收敛、性能改进）依赖仿真设定，须逐项固定并披露：
| 项 | 记录内容 |
|---|---|
| 被控对象模型 | 状态方程/传递函数、阶数、参数取值 |
| 初始条件 | 状态初值、参考信号 |
| 数值积分 | 求解器类型、步长、容差 |
| 噪声/扰动 | 类型、幅值、随机种子 |
| 仿真时长 | 总时长、采样率 |
| 控制器参数 | 增益、自适应率、约束值 |
同一套参数应能复现论文中的每条响应曲线与性能指标；把这些写进 configs/ 与 README。
十、可重复性的验证方法
- 自我复现：换一台干净机器、按 README 从零跑一遍 run_all.sh，确认无隐性依赖。
- 交叉复现：请合作者独立按说明复现关键结果，暴露"只有作者本机能跑"的问题。
- 结果校验：在
results/放关键指标基准值，复现时比对偏差在容许范围内。
十一、可复现性与双盲的平衡
- 投稿阶段复现材料须匿名；不能因追求可复现而在 README、仓库名、提交历史中泄露身份。
- 用匿名快照分享；提交历史若含真实用户名，重新初始化仓库再分享。
- 录用后（见
aas-camera-ready）再去匿名、正式公开，衔接aas-artifact-evaluation。
十二、复现材料的版本与维护
- 每轮退修补的实验要同步更新复现包，避免论文与代码脱节。
- 用版本标签（如 v1 投稿、v2 退修）标记复现包状态，答复信可引用对应版本。
- README 记录变更历史，便于外审核对"新增实验对应哪段代码"。
- 见刊后（见
aas-camera-ready）把稳定版复现包正式公开，并在稿件中标注最终获取地址。 - 定期检查外部依赖是否失效（数据链接、库版本），保证长期可复现。
十三、与本刊定位
《自动化学报》(Acta Automatica Sinica, AAS) 重视理论与实验双支撑，可复现性是让稳定性/性能结论
可信的基础。把复现包与 aas-experiments、aas-artifact-evaluation 联动整理，能显著降低外审对
"结果可靠性"的疑虑，也为见刊后同行复现打好基础。政策性要求未双源确认前标 待核实。
Version History
- 9f86f09 Current 2026-07-19 14:24
