research-novelty-audit

name	research-novelty-audit
description	评估 AI、深度学习和序列表征学习 idea 或 draft 的新颖性与竞争定位。当 Codex 需要对比 prior work、压力测试贡献主张、提前暴露 reviewer 质疑，或判断一个想法是否值得继续做实验时使用。

新颖性审计

在你把故事写成 reviewer 一看就会说“只是 baseline tweak”之前，先使用这个技能。

当任务需要更强的 critical-thinking 或更偏 AI 的 idea 压测模式时，读取 references/upstream-patterns.md。

工作流程

1. 用一句话写出你声称的新颖性。
2. 把 novelty 拆成几个组成部分：
   • objective
   • architecture
   • data or augmentation
   • training recipe
   • evaluation setting
3. 对每一部分判断它是：
   • 真正新
   • 旧元素重组
   • 主要是调参优化
   • 只在当前任务设定下才算新
4. 对 AI 工作，重点盯这些问题：
   • 是否缺少强基线
   • benchmark 是否有 cherry-pick
   • 提升是否在 compute matching 后消失
   • 新颖性是否本质上只是 scaling
   • 是否缺少序列长度或数据规模维度测试
5. 最终给出三种结果之一：
   • novelty 已经足够强
   • novelty 偏弱，但可以通过重 framing 挽救
   • novelty 需要新实验，或者必须收窄 claim
6. 如果还能通过 framing 挽救，转交给 research-paper-production-pipeline。
7. 如果需要更多证据，转交给 research-experiment-design-planner。

输出要求

返回：

• 新颖性结论
• 最强的 prior-work 冲突点
• reviewer 风格的质疑
• 最小但最有效的增强改动

示例

• “使用 $research-novelty-audit 判断这个 idea 到底算不算新。”
• “使用 $research-novelty-audit 像 reviewer 一样压测这个表征学习 claim。”
• “使用 $research-novelty-audit 在我开始写论文前找出最强的 prior-work 冲突。”