3coding-visual

Files (1)

• SKILL.md

SKILL.md (first lines)

# 编程实现、结果验证与数据图

本阶段承接 `reports/ANALYSIS_MODELING_REPORT.md` 和 `reports/MODEL_SELECTION_REPORT.md`。若 CUMCM 2026 的 H2 未明确通过，停止并返回 `2analysis-modeling`，不得自行选定核心模型。

按需读取 `../_references/math_modeling_norms.md` 的“题型防错速查”“代码实现与结果”“编码阶段常见错误”和“图表与可视化”。

## 产物与边界

负责：可运行源码、环境清单、实验输出、结果记录、约束检查、baseline、灵敏度分析和数据驱动图表。不负责流程图、架构图或论文正文。

至少创建：

```text
code/
├── run_all.py
├── problem1.py
├── ...
├── utils.py
├── requirements.txt            # 或 environment.yml
└── outputs/
    ├── preprocessing_summary.json
    ├── model_parameters.json
    ├── constraint_check.json
    ├── sensitivity.csv
    ├── figure_data/
    └── logs/
results/
├── final_results.json
└── constraint_check.json
reports/RESULTS_REPORT.md
figures/*.pdf
```

按实际题目删减不适用的中间文件，但 `run_all.py`、环境清单、`final_results.json`、约束/有效性检查记录和 `RESULTS_REPORT.md` 是 CUMCM 模式的必需产物。

## 1. 建立统一复现入口

`code/run_all.py` 应从原始输入开始，按依赖顺序执行预处理、各子问题、baseline、验证、灵敏度分析、结果表和图表生成。不得依赖 IDE 中的隐藏状态、手工修改中间文件或未记录的交互操作。

环境清单只列实际使用依赖并记录 Python 版本。随机过程固定种子；需要稳定性结论时使用多次独立运行并记录分布。相对路径以项目根或脚本位置明确解析，避免只在作者机器上运行。

## 2. 逐问实现并持续运行

每个子问题按“读取数据 → 实现 → 小样本测试 → 主运行 → 独立验证 → 保存结果”的顺序推进。若实现与 H2 确认方案不同，先在报告中解释原因和影响，并在 CUMCM 模式请求队员确认实质变更。

优化问题先构造可行解再优化；预测问题使用正确的训练/验证边界；评价问题记录指标方向、标准化和权重来源；仿真问题检查单位、边界条件和收敛性。

## 3. Baseline 与快速对照

为核心结论实现与任务匹配的简单 baseline 或小规模精确对照，例如：

- 预测：naive、线性或经典时序基线对比复杂模型；
- 优化：贪心或小规模精确解对比启发式/高级求解；
- 评价：简单权重对比组合权重。

比较必须使用相同数据划分、约束和评价口径。若 baseline 不适用，记录具体原因，不得只写“主模型更高级”。

## 4. 独立验证结果

求解器 `success` 不等于模型解有效。用独立于目标求解的检查逻辑逐条回代：

- 变量上下界、整数/0-1 条件；
- 每条约束、容量、时间窗、守恒与单位；
- 物理边界、空值/极端输入；
- 结果数量级和子问题间递进关系；
- 论文将引用的关键指标。

将约束值、允许边界、松弛量和通过状态写入 `results/constraint_check.json`；验证逻辑本身不得复用可能出错的同一表达式而失去独立性。失败的约束必须阻止结果被标为最终结果。

`results/final_results.json` 作为论文数值的单一汇总来源，记录口径、单位和精度；图表数据保存到 `code/outputs/figure_data/`。`RESULTS_REPORT.md` 说明运行环境、数据处理、各问结果、baseline、验证、灵敏度、与建模报告的一致性及完整运行命令。

## 5. 生成数据驱动图表

根据实际论证需要生成矢量 PDF 到 `figures/`。预测可用真实/预测对比和误差分布，优化可用收敛、资源利用与方案对比，评价可用排名、热力图和敏感性图。每张图必须来自保存的数据并在 `RESULTS_REPORT.md` 中引用。

图内不写大标题；文字、坐标轴和图例与论文语言一致；保证灰度可辨。不要生成流程图、架构图或为凑数量画图。

## 6. CUMCM H3：核心结果核验

CUMCM 2026 模式下，完成可复现运行和独立验证后，在 `compliance/HUMAN_REVIEW_LOG.md` 写：

```text
STATUS: WAITING_FOR_HUMAN_RESULT_REVIEW
```

向参赛队提供最少但充分的核验材料：完整运行命令、关键结果与单位、baseline 对比、约束检查、边界情况、灵敏度结果和核心图表。只有队员明确复跑或核验并说明修改后，才记录 `STATUS: HUMAN_APPROVED`。Agent 不得代勾核验项；未通过 H3 不得把结果交给论文阶段作为最终结论。

## AI 使用留痕

CUMCM 2026 模式下，按重要编码任务向 `compliance/AI_USAGE_LOG.md` 追加：工具名称及版本/模型、使用阶段、用途、主要提示方式、AI 产出、采用/未采用内容、人工修改和核验。语言润色以外的代码与分析必须记录人工检查；未知信息不得猜测。

## 完成标准

- `run_all.py` 可从干净输入复现核心结果和图表。
- 主模型相对 baseline 的收益有证据，或无 baseline 的理由充分。
- 关键结果逐条通过独立约束/有效性检查。
- 报告、JSON、表格和图表采用同一数值口径。
- CUMCM 模式下 H3 有真实队员确认；否则保持等待状态。

From miaodemimi/mathmodel-skills, MIT.

More from miaodemimi/mathmodel-skills