cross-model-review

name

cross-model-review

description

Fresh-context cross-model review protocol that prevents self-congratulatory score inflation - routes verdict-bearing reviews (idea critique, paper review, claim audits) to a different model or a zero-context fresh thread with a bias guard. Use when running any review/audit step of the pipeline, when the user asks for an unbiased second opinion, cross-model review, or mentions review score inflation.

Cross-Model Review（跨模型/零上下文评审协议）

完整红线见 shared-references/research-integrity.md。

评审最大的失效模式是自我开脱：同一个上下文里"改完再评"，分数会虚高。 ARIS 的实证结论：同线程续评把真实 3/10 的论文逐轮刷到虚假 8/10；换成零上下文 新线程后恢复真实 3/10。本 skill 把这条纪律固化为协议，供包内所有 verdict 类 skill（idea-critic / reviewer-simulation / kill-argument / citation-audit / paper-verification）调用。

协议（按可用资源降级）

1. 首选：不同模型。若环境有第二个模型 CLI（如 codex exec、gemini）， 把评审 prompt + 文件路径交给它，只读模式，输出落盘。
2. 次选：零上下文子任务。同模型但开全新上下文（子 agent / 新会话）， 只给被评审的文件本身。各平台的具体落地方式（不要因为"没有 codex CLI"就直接 滑到兜底 3）：
   • Devin 网页版：用 devin_mcp 创建子会话（create session），子会话 prompt 只含 评审指令 + 被评文件内容/仓库路径，不得包含主会话的任何历史结论；用 devin_session_gather 等待结果落盘。
   • Claude Code：Task 子 agent（新上下文）或 claude -p 新进程。
   • Cursor / 其他：新开对话窗口人工中转，或降到兜底 3。
3. 兜底：自我评审 + 显式声明。实在无法隔离时照常评审，但在报告头部写明 ⚠ same-context review, scores may be inflated，且该评审不得作为决策卡 #2/#4 的唯一依据。 结构层面的后盾：run_state.py accept 会拒绝 executor 与 reviewer 同族的验收 （同族只能 mark-provisional），所以兜底评审永远无法把阶段刷成 accepted—— 如实记录真实裁决者，不要用编造的 reviewer 名绕过。

铁律（REVIEWER_BIAS_GUARD）

• 评审线程只读被评审对象本身：不给上轮评审、不给修改清单、不给"我们已经修了 X"的说明。 这些信息会诱导评审者确认改进而非独立判断。
• 禁止在同一评审线程里"续问"（相当于让被告当法官）。每轮评审 = 一次全新调用。
• 评审结论必须落盘（stage6_review/ 或对应阶段目录），主上下文只读结论文件。
• verdict 类 skill 不得定时自动重跑：评审只在被评对象变化后才有新信号， 按时钟重刷分数 = 自我开脱。自动循环只允许用于有客观机器可判停止条件的任务（见 night-loop）。

停止条件的两类划分（决定能否无人值守）

• Type-A（客观指标）：MSE 降到阈值、编译通过、测试全绿 —— 机器可判，可自动循环。
• Type-B（评审裁决）：论文分数、novelty 判定、立项结论 —— 必须新鲜上下文出具， 且循环轮数有硬上限（写作改进 ≤2 轮，收益递减），最终裁决走决策卡交人类。