| name | hypo-screen |
| description | Screen and classify papers from a Hypo-Research survey output directory using user-defined rules. Generates a classification report with per-paper labels, category counts, and an analysis summary.
|
| license | MIT |
/hypo-screen — 文献筛选分类
对已有调研结果按自定义规则进行筛选、分类、分析。将候选论文池收敛为结构化的分类报告。
如果项目根目录存在 .hypo-research.toml，可复用其中的项目级默认路径和调研配置。
参数
$ARGUMENTS
- path: 调研结果目录路径（必填，如
data/surveys/2026-04-22_fhe_hw/）
- rules: 分类规则（必填，自然语言描述各类别的定义）
- recall_checklist: 已知重要论文列表（可选，用于检查是否漏掉关键论文）
- output_name: 分类报告输出名（可选，默认
classified）
规则格式
分类规则用自然语言定义，每行一个类别，格式为 类别名: 定义。
示例：
A: FHE + 大模型推理 + 硬件加速器（ASIC/FPGA/GPU）
B: FHE + 硬件加速器（CNN 或更小规模模型）
C: FHE + 大模型推理（纯软件优化）
D: CIM/PIM + FHE
排除: MPC/GC/OT 为主导方案（非纯 FHE）
工作流
- 读取
path 下的 results.json（或 results.md）中的论文列表
- 对每篇论文，根据 title + abstract + venue 判断所属类别：
- 逐篇标注类别标签
- 如果无法判断，标为
未分类
- 对可疑 / 边界论文给出简要理由
- 如果提供了
recall_checklist：
- 检查每篇 checklist 论文是否在结果中
- 对未命中的论文，用标题精确搜索补全
- 报告 recall 统计（如 24/24 命中）
- 生成分类报告：
classified_papers.json: 每篇论文含 {title, authors, year, venue, doi, category, reason}analysis_report.md: 含分类计数、关键发现、类别概览、建议- 更新
references.bib: 标注类别
- 向用户输出：
- 分类计数表（如 A=2, B=26, C=17, D=9, 排除=7）
- 每类的代表性论文（Top 3 by citations）
- Recall checklist 命中率
- 数据质量评估（单源论文占比、可疑标记数）
- 建议后续操作（是否需要补充搜索特定方向）
