mm-review

name	mm-review
description	Stage 3.5 of the mathematical modeling pipeline. Performs global quality review of all task outputs using an independent subagent with percent-based scoring. Checks cross-task consistency, numerical credibility, requirement coverage, model coherence, evidence sufficiency, and chart/figure quality. Invoked by the math-modeling skill after Stage 3. Do not invoke directly.
version	0.4.4

Stage 3.5: Global Quality Review

Purpose

After all tasks are solved (Stage 3), perform a comprehensive quality review of the entire modeling output. This review is conducted by an independent subagent that does not inherit the solving context, ensuring unbiased evaluation.

The goal is to answer: Is the overall result good enough, or does it need rework?

Input

• mm-workspace/01_analysis.json — problem analysis
• mm-workspace/02_modeling.json — modeling solution and task decomposition
• mm-workspace/03_task_{id}.json — all task outputs (including verification results)

Scoring Criteria

通过线：80 分。硬性否决：任意维度 < 10 分 → 总分封顶 59。

维度	权重	60分线	满分要求
结果一致性	20	各任务结果无直接矛盾	跨任务数值和结论完全自洽
数值可信度	20	核心数值无重大错误	所有数值有据可查
需求覆盖度	20	所有子问题有回答	每个子问题有定量结论+图表
模型连贯性	15	方法选择无明显矛盾	方法故事线完整通顺
论据充分性	15	关键结论有数据支撑	数据+图表+推导三位一体
图表质量	10	图表可读、无空白占位	达到论文发表水平

Process

Step 1: Collect All Outputs

Read all workspace files:

1. mm-workspace/01_analysis.json — extract the problem text and analysis
2. mm-workspace/02_modeling.json — extract task list and modeling approach
3. All mm-workspace/03_task_*.json files — extract results, answers, verification status
4. List all files in mm-workspace/charts/ directory

Step 2: Dispatch Independent Review Subagent

Use the Agent tool to dispatch a general-purpose subagent with the following prompt:

你是一名资深的数学建模竞赛评审专家。请对以下完整的建模结果进行全局质量审查，按维度量化评分。

### 评分校准基准（请严格遵守）

| 分数段 | 含义 |
|--------|------|
| 90-100 | 足以投稿高水平期刊，无明显方法论缺陷 |
| 80-89 | 竞赛获奖水平，有微小瑕疵但不影响核心结论可信度 |
| 70-79 | 方法基本正确但有关键薄弱环节（如弱拟合、验证不充分） |
| 60-69 | 有明显方法论缺陷或数值错误 |
| <60 | 存在致命逻辑错误（如循环论证、自相矛盾） |

**重要提醒**：
- "代码跑通"是最基本要求，不构成任何维度的加分项
- 不要因为工作量或图表数量多而给出高分
- 重点关注方法论严谨性和结论可信度
- 如果发现循环论证或拟合质量差，相关维度应直接降至及格线以下

## 赛题原文
{Insert problem text from 01_analysis.json}

## 建模方案概述
{Insert modeling_solution from 02_modeling.json, truncated to key points}

## 任务列表及要求
{Insert tasks array from 02_modeling.json}

## 各任务求解结果
{For each task, insert:
  - task_id, description
  - execution_success
  - verification.passed and checks summary
  - independent_verification.passed and severity (if exists)
  - result_interpretation (key findings)
  - answer (main conclusions)
  - charts: list of generated chart files
}

## 生成的图表文件
{List all files in mm-workspace/charts/ directory}

## 评分标准（百分制，加权求和）

| 维度 | 权重 | 60分线 | 满分要求 |
|------|------|--------|---------|
| 结果一致性 | 20 | 各任务结果无直接矛盾 | 跨任务数值和结论完全自洽 |
| 数值可信度 | 20 | 核心数值无重大错误 | 所有数值有据可查 |
| 需求覆盖度 | 20 | 所有子问题有回答 | 每个子问题有定量结论+图表 |
| 模型连贯性 | 15 | 方法选择无明显矛盾 | 方法故事线完整通顺 |
| 论据充分性 | 15 | 关键结论有数据支撑 | 数据+图表+推导三位一体 |
| 图表质量 | 10 | 图表可读、无空白占位 | 达到论文发表水平 |

通过线：80 分
硬性否决：任意维度 < 10 分 → 总分封顶 59

### 各维度评分要点

#### 1. 结果一致性（Cross-Task Consistency）
- Task 1 得出"A 方案最优"，Task 3 排序中 A 排第二？
- Task 1 输出的数值范围与 Task 2 输入假设不匹配？
- 不同任务对同一变量的定义或取值不一致？
- **方法选择-使用一致性**: BIC/AIC 选出的最佳方法是否确实是最终报告和推荐中使用的方法？
- **指标定义一致性**: 跨任务使用的同名指标是否定义相同？同名指标数值量级差异 > 10x 是否有合理解释？
- **数值传递链**: Task A 输出的数值 → Task B 输入假设是否匹配？

#### 2. 数值可信度（Numerical Credibility）
- 量级错误（如人口 10^15）？
- 符号错误（如成本为负）？
- 百分比/概率超出 [0,1]？
- 关键参数是否有数据支撑？
- **模型拟合质量报告**: 核心估计任务的 R²/准确率/AUC 等指标是否在合理范围？R² < 0.3 需扣分，即使代码运行正确。准确率接近随机基线需扣分。
- **循环论证扫描**: 逐 Task 检查验证所用的信息是否与估计所用的信息本质重叠。约束满足→排名准确率：天然 100%，不算有效验证。检测到循环论证时，该维度不得高于 50 分。

#### 3. 需求覆盖度（Requirement Coverage）
- 对照赛题原文逐条检查
- 每个子问题是否有数值结论（非仅定性描述）
- 要求的图表是否都已生成

#### 4. 模型连贯性（Model Coherence）
- 方法选择有矛盾？（如前假设线性后用非线性）
- 各任务方法形成完整故事线？
- 假设体系一致？

#### 5. 论据充分性（Evidence Sufficiency）
- 核心结论是否只靠定性论述？
- 图表是否清晰展示关键结果？
- 灵敏度分析是否充分？

#### 6. 图表质量（Chart & Figure Quality）
- 空白图片、占位符、生成失败？
- 轴标签、标题、图例完整准确？
- 配色黑白可辨识？
- 图表类型适合数据？
- 有结论性标题？
- 分辨率足够？

## 输出格式

严格按以下 JSON 格式输出，不要有多余文字：
```json
{
  "scores": {
    "cross_task_consistency": {"score": 0-100, "note": "具体说明"},
    "numerical_credibility": {"score": 0-100, "note": "具体说明"},
    "requirement_coverage": {"score": 0-100, "note": "具体说明"},
    "model_coherence": {"score": 0-100, "note": "具体说明"},
    "evidence_sufficiency": {"score": 0-100, "note": "具体说明"},
    "chart_figure_quality": {"score": 0-100, "note": "具体说明"}
  },
  "total": 加权总分,
  "improvement_directions": ["改进方向1", "改进方向2"],
  "rework_list": [
    {
      "task_id": 2,
      "reason": "具体问题描述",
      "improvement_direction": "改进方向"
    }
  ],
  "fatal_issue": null 或 "具体说明（仅当触发硬性否决时）",
  "summary": "一段话总结评审结论"
}

如果 total >= 80，rework_list 为空数组。 如果 total < 80，rework_list 中必须列出需要重修的任务及具体原因。

### Step 3: Process Review Results

Receive the subagent's review output. Parse the JSON response.

If **total >= 80** (passed):
- Save review results
- Tag: `cd mm-workspace && git tag review-pass-v{iteration}`

If **60 <= total < 80** (improvable):
- Present scores and rework_list to user
- Ask: "审查得分 {total}/100（通过线 80），以下维度需改进：{improvement_directions}。是否进入第 {iteration+1} 轮迭代重修？"

If **total < 60** (fundamental issues):
- Present as critical failure
- If iteration < 3: ask user whether to retry or accept
- If iteration == 3: pause pipeline, user must decide

### Step 4: Save Review Output

Write to `mm-workspace/03.5_review.json`:

```json
{
  "iteration": 1,
  "total": 82,
  "pass_threshold": 80,
  "passed": true,
  "scores": {
    "cross_task_consistency": {"score": 85, "note": "..."},
    "numerical_credibility": {"score": 90, "note": "..."},
    "requirement_coverage": {"score": 80, "note": "..."},
    "model_coherence": {"score": 75, "note": "..."},
    "evidence_sufficiency": {"score": 70, "note": "..."},
    "chart_figure_quality": {"score": 80, "note": "..."}
  },
  "rework_list": [],
  "summary": "review summary text",
  "stage": "review_complete"
}

Then commit: cd mm-workspace && git add -A && git commit -m "feat(s3.5): global review - iteration {N} (score: {total})"