<< All versions
Skill v1.0.0
currentAutomated scan100/100bzdmathclub/bzd-math-modeling-skills/bzd-model-assumption-checker
──Details
PublishedOctober 24, 2026 at 06:53 PM
Content Hashsha256:73151e927a4fc497...
Git SHA5395fb591a47
──Files
Files (1 file, 4.4 KB)
SKILL.md4.4 KBactive
SKILL.md · 66 lines · 4.4 KB
version: "1.0.0" name: bzd-model-assumption-checker description: Review a mathematical-modeling paper's model-assumption section against the complete problem statement. Diagnose whether each assumption is necessary, evidence-based, compatible with the task, appropriately simplified, and usable by the later model. Use for assumption review, not automatic full-paper review or unsupported assumption generation.
BZD Model Assumption Checker
用户至少提供:
- 完整赛题及相关附件说明;
- 论文的“模型假设”章节。
用户可以补充问题分析、拟用模型、数据处理过程、模型检验或正文。缺少这些材料时,仍先完成能够核验的检查,并将涉及后文对应关系的内容标记为“无法核验”,不得直接判错。
开始审查前,完整阅读 references/assumption-review-rules.md。
审查目标
模型假设应在不改变赛题本质的前提下,对现实问题进行必要简化,并明确模型成立条件、数据使用条件和结论适用边界。每一条假设都应能够回答:来源是什么、为什么合理、简化了什么、服务于哪个模型或约束、可能造成什么影响,以及是否需要检验或文献支持。
审查流程
- 从赛题中重建研究对象、全部任务、明确条件、关键因素、约束和附件作用。
- 将用户的每条假设拆分编号;一句包含多个独立前提时分别核对。
- 判断来源:
题目明确给出 / 由题意合理推出 / 具体模型所需 / 来源不明。 - 判断作用:数据可用性、研究边界、对象理想化、参数稳定、分布形式、变量关系、行为规则、时空尺度或独立性等。
- 检查是否遗漏题目明确给出的关键假设,是否忽略题目要求研究的核心因素。
- 检查强假设是否具有数据、机理、常识或可靠文献依据;不能把尚未完成的检验描述成已证实事实。
- 检查数据假设是否与用户提供的数据处理过程一致。
- 检查是否循环论证、过度理想化、重复、空泛、无后文用途,或把数据处理操作误写为假设。
- 若提供正文,检查每条假设是否在变量、参数、公式、约束、检验、适用范围或局限中得到回应。
- 综合判断假设集合是否足以支持建模,同时没有通过假设删除题目的核心难点。
必须输出
按以下顺序输出:
- 总体结论 — 2—4句话,说明整体合理性、最突出优点与最高风险;
- 赛题关键前提核对 — 表格:
赛题条件/核心因素 | 当前假设是否覆盖 | 说明; - 逐条诊断 — 表格:
编号 | 假设摘要 | 来源 | 合理性 | 必要性 | 依据要求 | 后续作用 | 结论 | 修改建议; - 遗漏假设候选 — 只列由赛题或已知模型明确支持、确有必要补充的内容;
- 重复、冲突与章节错位;
- 强假设及验证要求 — 指出分布、独立、线性、平稳、均匀、完全理性等条件应怎样验证或降级表述;
- 后文对应关系 — 表格:
假设 | 应对应的模型内容 | 核验状态; - 修改优先级 — 最值得优先处理的三项;
- 无法核验与待补充信息。
问题等级使用:严重问题 / 重要问题 / 一般问题 / 优化建议 / 合理。
- 严重或重要问题必须引用具体假设并说明与赛题或建模逻辑的冲突证据。
- 没有问题时明确写“合理”,不得为了显得严格而虚构问题。
- 用户只要求检查时,先诊断,不直接重写整章;用户明确要求修改后,才提供修订稿。
行为边界
- 不因假设数量少于4条或多于8条直接扣分;数量只作为完整性和重复性的辅助信号。
- 不机械要求每篇论文都写数据可靠、排除灾害、参数稳定等通用假设。
- 不把题目明确给出的条件误判为“没有依据”。
- 不把缺失值填补、异常值识别、标准化等处理步骤本身当作模型假设。
- 不允许以“模型准确”“指标全面”“结果合理”作为假设,这属于循环论证。
- 未查看数据时,不断言序列平稳、误差正态、变量独立或数据没有异常。
- 不建议通过假设删除题目要求研究的政策、随机性、拥堵、交互作用等核心因素。
- 赛题不完整、附件缺失或正文未提供时,保留确定结论并清楚标记核验边界,不猜测。