菜单
当你在为《自动化学报》(Acta Automatica Sinica, AAS) 稿件准备代码与数据可用性材料、判断本刊是否设有独立制品评审(artifact evaluation)徽章制度时调用。讲清本刊现状(以同行评议为主、无独立徽章制度的现况为待核实)、如何主动提供匿名可复现的代码/数据以增强说服力、控制仿真与实物实验制品的组织，帮助控制/自动化/模式识别方向的中文稿在 Acta Automatica Sinica 外审中用可用制品提升可信度。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
Use when preparing the accountability artifacts that accompany an ACM FAccT paper — datasheets for datasets, model cards, data statements, audit and impact-assessment documentation, and released code/data — since FAccT's culture centers documentation and accountability infrastructure rather than a formal ACM artifact-badging track; covers what makes each genre credible, anonymized-review versus public-release versions, and consistency with the paper's harm claims.
Use when drafting ACM FAccT author responses — the short factual-correction rebuttal after preliminary reviews, and, distinctively for the 2026-new process, the Revise-and-resubmit round where you address Area-Chair-prioritized concerns from a mixed CS+law+social-science panel, map each to a concrete change, and survive a re-review while keeping mutual anonymity.
Use when preparing an accepted ACM FAccT paper for camera-ready — de-anonymizing and adding the withheld Positionality/Acknowledgements statements, switching to the acmart sigconf proceedings format, ACM metadata (DOI, ORCID, CCS concepts, rights), the two-round camera-ready calendar for Accept vs Revise papers, ACM Open Access, finalizing datasheets/model cards, and integrating required changes without scope creep.
Use when designing or auditing ACM FAccT empirical work — quantitative fairness audits with disaggregated metrics and fair baselines, qualitative and participatory studies with coding and reflexivity, mixed-methods designs, sound handling of protected attributes and proxies, consent and IRB for human-subjects and community-facing work, and matching evidence to the shape of a fairness/accountability/transparency claim.
Use when positioning an ACM FAccT submission across its many disciplinary lanes — algorithmic fairness/ML, HCI, law and policy, STS and critical theory, and prior FAccT/FAT* proceedings — writing delta-first contrast that a mixed reviewer pool will accept, citing borrowed constructs to their real origin, keeping self-citations mutually anonymous, and declaring overlap with workshops, preprints, and prior versions.
Use when strengthening ACM FAccT transparency and reproducibility — releasing code, data, and analysis for quantitative audits; documenting datasets and models with datasheets, model cards, and data statements; making qualitative and participatory work auditable without breaking confidentiality; pinning provenance for scraped and model-generated data; and keeping the paper, the supplementary material, and any released artifact consistent.
| name | aas-artifact-evaluation |
| description | 当你在为《自动化学报》(Acta Automatica Sinica, AAS) 稿件准备代码与数据可用性材料、判断本刊是否设有独立制品评审(artifact evaluation)徽章制度时调用。讲清本刊现状(以同行评议为主、无独立徽章制度的现况为待核实)、如何主动提供匿名可复现的代码/数据以增强说服力、控制仿真与实物实验制品的组织，帮助控制/自动化/模式识别方向的中文稿在 Acta Automatica Sinica 外审中用可用制品提升可信度。 |
本技能讲清投向《自动化学报》(Acta Automatica Sinica, AAS) 的稿件在代码与数据可用性上的现状与
做法。与部分国际会议不同，中文期刊多以同行评议为主，本刊是否设有独立的制品评审(artifact
evaluation)徽章制度尚未见公开说明（待核实）。以下于 2026-07-09 核验框架（见
resources/official-source-map.md）。
即使无徽章制度，主动提供匿名、可复现的代码与数据，能：
artifact/
README.md # 环境、数据、一键运行、预期结果、硬件
env/ # requirements/environment/Dockerfile
data/ # 数据或获取脚本 + 校验和
src/ # 方法与基线
configs/ # 实验配置与随机种子
scripts/ # run_all.sh
results/ # 关键指标供校验
aas-submission）。| 类型 | 要点 |
|---|---|
| 控制仿真 | 仿真器/版本、步长、求解器、系统参数、初始条件 |
| 强化学习/智能控制 | 随机种子、多次运行、超参与训练协议 |
| 模式识别 | 数据划分、防泄露、指标脚本 |
| 实物实验 | 硬件平台、采样周期、标定、可提供演示视频（匿名） |
在稿件适当位置（如结论后或按编辑部要求）说明代码/数据的获取方式与范围；若因数据敏感无法公开， 说明原因与替代验证方式（如提供合成数据或部分脚本）。
[现状] 已确认本刊制品/徽章政策（或标 待核实）？
[主动提供] 是否附匿名可复现制品增强说服力？
[组织] README/env/data/src/scripts/results 齐全？
[匿名] 制品无身份泄露？匿名仓库链接？
[控制类] 仿真配置/种子/硬件记录齐全？
[声明] 可用性声明写清获取方式或不公开原因？
[AI] 未将 AI 列为署名作者、如实披露辅助？
[待核实] 本刊徽章制度/强制要求：待核实
控制/自动化研究常涉及工业数据、涉密平台或第三方数据，无法直接公开。此时：
| 情形 | 替代做法 |
|---|---|
| 工业/涉密数据 | 提供合成数据或脱敏子集 + 完整代码，说明不公开原因 |
| 第三方数据集 | 给出获取途径与版本，不二次分发 |
| 实物平台不可复现 | 提供仿真复现 + 实物演示视频（匿名） |
| 商业软件依赖 | 说明依赖与版本，尽量给开源替代路径 |
关键是透明说明：让外审知道哪些可复现、哪些受限及原因，而非沉默。
aas-reproducibility 的复现包共用一套目录，避免两处维护不一致。实验期 → 边做边固定种子/配置/环境，形成 configs 与 scripts
投稿前 → 整理匿名制品，本地干净环境跑通 run_all.sh
投稿时 → 附匿名仓库/分享链接，正文加可用性声明
退修时 → 补充审稿人要求的实验，同步更新制品
录用后 → 去匿名、正式公开，稿件标注最终获取地址
[映射] 论文图表 ↔ 制品脚本 是否一一对应？
[跑通] 干净环境 run_all.sh 无缺依赖、结果可复现？
[受限数据] 不公开部分是否给出原因与替代验证？
[版本] 依赖/数据/仿真器版本是否锁定？
[演化] 退修补的实验是否同步进制品？
《自动化学报》(Acta Automatica Sinica, AAS) 以理论与实验质量为核心，主动、匿名、可复现的代码与
数据是加分项而非硬门槛。把 aas-artifact-evaluation 与 aas-reproducibility、aas-experiments
联动，用可用制品坐实可信度。任何政策性结论（是否强制、是否有徽章）未双源确认前一律标 待核实，
并注意与英文《IEEE/CAA Journal of Automatica Sinica》可能不同的政策分开对待。