prai-artifact-evaluation

name	prai-artifact-evaluation
description	在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 处理代码与数据可用性、撰写可用性声明时调用。本刊作为中文期刊是否设立独立的制品评审徽章(artifact badge)制度目前待核实——本技能讲清现状与稳妥做法：如何写诚实的代码/数据可用性声明、如何组织可供外审核验的复现仓库、如何在不可公开时说明原因与替代验证途径、如何与审稿匿名要求(是否双盲待核实)协调。用于让模式识别/机器学习论文的制品支撑而非拖累评审，避免可用性声明与实际提供的材料不一致。

《模式识别与人工智能》代码与数据可用性

本技能帮助为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 处理 制品(代码/数据/模型)可用性。需要说明现状：本刊作为中文期刊，是否设立类似部分英文会议的独立制品 评审徽章(artifact badge) 制度 待核实；不要臆断有 ACM 式徽章。本技能给的是稳妥、诚实的可用性 做法。事实核验日期 2026-07-09，见 resources/official-source-map.md。

一、现状说明（不臆断徽章）

• 本刊是否有正式的制品评审流程与徽章 待核实，以官网当期须知为准。
• 无论是否有徽章，诚实的可用性声明 + 可核验的复现材料都能增强外审信任，是稳妥做法。
• 不要在论文中宣称获得某种"徽章"，除非本刊确有该制度并授予（避免虚假陈述）。

二、可用性声明怎么写

在论文（可用性声明/数据可得性部分）用一段说明：

• 代码：是否公开、托管位置（打 tag/固定 commit）、许可。
• 数据：公开数据给来源与划分；自采数据说明获取方式与许可；不可公开说明原因(隐私/版权)与 替代验证途径（如提供样例、统计、脱敏子集）。
• 模型/权重：是否提供、版本标识。
• 一致性：声明内容必须与实际提供的材料一致，不夸大。

三、可核验复现仓库（供外审）

组织成外审能快速核验的形式（与 prai-reproducibility 一致）：

artifact/
  README.md          # 环境、一键复现、结果对照
  requirements.txt
  configs/           # 含随机种子
  scripts/run_all.sh
  data/README.md     # 数据获取与划分
  results/           # 期望产物

四、不可公开时的诚实处理

情形	稳妥做法
数据含隐私/版权	提供脱敏子集或统计，说明完整数据获取途径
代码含第三方受限组件	公开可公开部分，说明受限组件与替代
权重过大	稳定托管 + 校验和，或提供推理脚本
完全不可公开	坦陈原因，提供尽可能的可核验证据

诚实的"部分可用 + 说明"远胜过"声明可用却无法复现"。

五、与审稿匿名协调

• 若本刊外审要求作者信息与正文分离（是否双盲 待核实），审外阶段的制品要去身份：清理仓库 用户名、机构路径、邮箱、致谢显名，可用匿名托管。
• 录用后再切换到正式署名版本（见 prai-camera-ready）。

六、许可与合规

• 为代码选明确开源许可（如 MIT/Apache-2.0），数据遵守来源许可。
• 使用第三方数据集/预训练模型遵守其使用条款并正确引用。
• 不发布侵犯隐私或版权的数据。

七、制品与实验/复现的关系

• 制品是 prai-experiments 结果的可核验支撑、prai-reproducibility 材料的对外呈现。
• 可用性声明中的复现步骤应与复现包 README 一致、能真的跑通。

八、常见问题

问题	后果	规避
声明可用但链接失效/无法复现	信任受损	投稿前验证链接与一键复现
宣称获得不存在的徽章	虚假陈述	不臆断徽章制度(待核实)
制品泄露作者身份(若需匿名)	违反匿名	去身份后再提交
数据许可不清	合规风险	标注来源与许可

九、自检清单

1. 可用性声明是否与实际材料一致、不夸大？
2. 复现仓库能否在干净环境跑通并对上主表？
3. 不可公开部分是否给了原因与替代验证？
4. 审外制品是否按匿名要求去身份(若需，待核实)？
5. 许可与第三方合规是否清楚？
6. 是否避免了宣称不存在的徽章？

十、与其他技能衔接

• 上游 prai-reproducibility 建材料、prai-experiments 出证据；投稿声明核对见 prai-submission； 录用后正式版见 prai-camera-ready。

十一、可用性声明的写法示例

在《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 论文的可用性/数据 可得性部分，可参照如下诚实写法（据实调整，不夸大）：

代码可用性：本文方法的实现代码已在 <稳定托管地址> 公开（版本 tag v1.0，commit <哈希>），
采用 <MIT/Apache-2.0> 许可。
数据可用性：实验使用的 <数据集A、B> 为公开数据集，来源见参考文献[..]；划分脚本随代码提供。
自采数据 <C> 因涉及隐私暂不公开，提供脱敏样例与统计信息，完整数据可依 <途径> 申请获取。
模型权重：预训练权重来源为 <..>，微调权重随代码托管并提供校验和。

关键是"声明的每一句都能兑现"：链接可访问、复现步骤能跑通、不可公开处给了替代验证。

十二、为什么诚实优于漂亮

审稿人对"声明全部可用却无法复现"的容忍度很低——这比"部分可用 + 清楚说明"更伤信任。与其为好看 而夸大可用性，不如：把能公开的做扎实（一键复现、打 tag、许可清楚），把不能公开的说清楚（原因、 替代验证途径）。诚实的部分可用配上可核验的复现，往往比空洞的"完全可用"声明更能支撑外审对结果的 信任。这与本刊只发表具创新价值且经得起检验的成果的定位一致。

十三、制品在评审各阶段的角色

制品在《模式识别与人工智能》评审的不同阶段承担不同角色：外审阶段，可核验的复现材料帮助专家确认 "结果可信、方法可复现"，减少质疑；修回阶段，可用制品让补做实验的说服力更强(见 prai-author-response)；录用后，切换到正式署名版本并与最终论文一致(见 prai-camera-ready)。本刊 是否有独立徽章制度 待核实，但无论有无，"诚实声明 + 可核验材料"这条主线在各阶段都成立。

输出格式

[PR&AI 可用性] 就绪 / 待完善
[徽章制度] 待核实（不臆断）
[代码] 公开? 托管/tag/许可：___
[数据] 公开/部分/不可公开 + 替代验证：___
[一致性] 声明与实际材料一致：是/否
[复现验证] 干净环境跑通对上主表：是/否
[匿名(若需)] 制品是否去身份：___
[待完善项] ___