autoresearch-workflow

对 AutoResearch 的正式 Baseline 做只读合理性审查，检查训练不足、实现故障、预算或 seed 不公平及缺乏代表性的弱对照，区分合理 naive Starter 与评分锚点。适用于专家提交包和 Baseline/Reference 证据复核，不用于求解任务或要求 Baseline 达到 SOTA。

对 AutoResearch 目录或 ZIP 做只读质检；审优化面、Baseline 和 Reference 提升，检查 21 项、独立 sandbox、轨迹与可选 Codex sessions 的泄漏/作弊/infra 问题、评分资源及四项题包哈希绑定。输出跑分与可执行退回说明；不用于求解任务。

按原v0.3.10完整标准审阅AutoResearch题包，包括NOP、三门控、21项、Harbor六项、轨迹行为/分数、资源时长与四项指纹；保留原始结果，再逐原因应用指定旧题豁免，不用于求解或自动运行题包。

辅助从论文与代码中比较 AutoResearch 优化面，明确方法空间、Baseline/Reference 候选和最小验证实验。用于研究设计或优化方向调整，不增加独立门禁。

研究 AutoResearch 论文与代码，探索优化面和 Baseline/Reference 方向，判断科学与资源可行性。适用于新题、方法范围调整和内容门返修，不在探索期提前冻结锚点。

辅助将 AutoResearch 研究方向整理为清晰题面、方法接口、Starter 与评分合同。用于任务实现或合同发生实质调整时，不增加独立门禁。

准备、观察和恢复 AutoResearch 两条独立 Codex 迭代，保留方法轨迹、操作输出和净时长证据。适用于已验证题目的正式迭代及外部故障恢复，不混用两轨上下文或代写方法探索。

整理 AutoResearch 现有轨迹、最佳方法和证据，检查提交格式，处理独立 QA 返修，并在通过后打包及生成填表信息。不代跑最终独立 QA，不为整理材料重启完整流程。

执行或分析 AutoResearch 可行性实验、Baseline/Reference 公平标定和最终最佳方法复验。依据真实协议与逐次结果判断，不要求流程账本，不默认重跑已有实验。

将 AutoResearch 研究方向实现为题面、公开开发环境、候选接口及独立 Verifier，或修复其调用与可见性。用于环境构建和接入返修，不代替科学标定或最终独立 QA。