xieyouxixi/hwb-math-modeling-skills/hwb-cpgmcm-award-standing

HWB 华为杯获奖定位与竞争格局分析

使用自带 CSV 作为唯一来源。研究生赛为全国统一评奖，不设赛区、不设组别、没有省奖与国奖双层模型。三种模式：培养单位画像、获奖区间估算、备赛进度评估。

只有本科层次的“高教社杯全国大学生数学建模竞赛”才存在赛区与省奖；本赛事没有这两级概念，不得把赛区/省奖/组别套用到研究生赛上。

数据边界（必须首先声明）

• 本仓库不提供任何未经核实的培养单位获奖数据。assets/unit_awards_template.csv 是空白模板（仅表头与 # 注释），须由使用者从官方获奖名单自行填写。
• assets/cpgmcm_annual_statistics.csv 只含已公开可核实的总量：2024（第二十一届）521 个培养单位、20247 支队伍；2025（第二十二届）631 个培养单位、24371 支队伍、一等奖 244 队（1.00%）、二等奖 3085 队（12.66%）、三等奖 4830 队（19.82%）、总获奖率 33.48%。其余年份字段留 NA。
• assets/优秀论文培养单位代码分布.csv 与 assets/培养单位代码对照_参考.csv 是参考统计与代码对照，只反映本地优秀论文样本的分布，不等于获奖统计；未出现的单位不代表无获奖或不能获奖。
• 当模板未被填写时，只能给出方法性建议，不得虚构单位历史记录。 任何概率/区间预测必须标注为“经验估计”，非官方、不构成获奖承诺。

查询（培养单位画像）

运行 python scripts/query_unit.py --unit "培养单位名称"。

• ok：输出该单位年度记录、各等奖合计、华为专项奖命中次数、下一届获奖概率区间（标注经验估计）、选题建议与备赛建议。
• ambiguous：列出相近候选单位，请用户确认。
• not_found：输出“按当前榜单口径未找到该单位记录。这不代表该单位本年度不能获奖，也可能仅是模板尚未填写。请以官方获奖名单为准。”并说明 1.00%/12.66%/19.82% 为全国性基线先验。
• data_not_filled：模板为空时优雅提示“数据未填写”，仅给方法性建议，不崩溃、不虚构。

获奖区间估算（按总队数与名次）

当用户问“多少名次能拿几等奖”“我们这个名次大概什么水平”时，运行：

python scripts/query_award.py --teams 24371 --rank 500     # 给定当届规模与名次
python scripts/query_award.py --teams 24371 --score 78     # 或给定论文质量分
python scripts/query_award.py                              # 无参 → 示例输出

输出内容：各奖项的临界名次（2025 实际锚点 1.00% / 12.66% / 19.82% 与章程上限 1.5% / 13% / 20% 两套）、本队所处区间、名次百分位，以及选做华为赛题时的专项奖提示。

转述时必须说明的三点：

1. 锚点取自 2025 年（第二十二届）实际获奖比例，各届规模与比例会变，输出是经验估计，不是官方分数线；
2. 名次进入一等奖区间不等于获奖，评审还受论文质量、形式审查与查重结果影响；
3. 华为专项奖按“华为赛题参赛队内部排名”评定（一等 4 队、二等 12 队，奖金与常规奖项累加），全国名次不能直接换算成专项奖名次。

备赛进度评估

先查询培养单位画像。再仅询问缺失信息：是否参加过其他数模竞赛、次数与名称、是否获奖及等级、完整模拟/论文次数、目标奖项。输出 单位基础、个人准备度、目标差距、下一步行动。

三等奖（全国层面）

• 无经验：建议完成 1—2 次完整限时模拟。
• 有过其他竞赛并获奖：鼓励参赛；条件允许时做 1 次演练。
• 有过其他竞赛未获奖：可用 $hwb-review-paper（若可用）复盘旧作，再完成 1—2 次模拟。
• 称“具备三等奖竞争基础”；绝不承诺获奖。

二等奖

• 多次非华为杯竞赛且多次获奖：竞争力相对强，受团队与论文质量约束。
• 否则：系统课程学习 + 约两次使用近年华为杯赛题的完整演练（含完整代码、结果与论文）。
• 称“达到较有竞争力的准备水平”；不说“稳定获奖”。

一等奖 / 华为专项奖

• 先分析单位历史（若已填写）、逐年稳定性与下一届概率区间（经验估计）。
• 单位有获奖历史可提升机会，但绝不把奖项预先分配给学生。
• 对准备充分、经高强度演练的队伍，给出基于历史的条件性经验估计区间，标注高度不确定，不把剩余部分转成精确的“运气概率”。
• 对未列入模板的单位，使用 1.00%/12.66%/19.82% 基线先验，并说明个体结果可能差异很大。
• 若选择华为赛题（历届多为 B 题），可同时参评华为专项奖；建议在选题与建模深度上匹配专项奖口径。
• 建议全流程模拟、复盘、稳定分工、可复现代码、论文质量把控与校内遴选意识。

选题建议（A—F 六题制）

华为杯固定 A—F 六题。给出选题建议时：

• 依据团队专长、数据可得性与历年赛题难度信号（参见 `数模资料/官方文件/华为杯赛事事实基准.md` 中的 2020—2025 真题清单）；
• 若队伍熟悉工程数据与华为生态，可优先考虑华为赛题以争取华为专项奖；
• 不强行推荐某题，须结合当届官方赛题说明与数据口径。

本 skill 的数据文件

Safeguards

保留 CSV 数值。历史获奖频次只是相关性，不是配额控制。不使用“预定、分配、保证”。数据止于已填写年份；未填写年份为方法性建议。每次评估结尾必须说明：“这是一项基于单位历史（若有）与个人经历的经验评估，不是官方概率，也不能承诺具体奖项。”不得仅因单位无历史获奖而断定学生不能获奖；数据仅作先验并给出不确定性。