paper-writing

name	paper-writing
description	基于 Story Skeleton + Evidence Graph 生成学术论文草稿。SDP 跨模型辩论起草 + 跨模型润色 + 审后修改循环。模型路由由 model-routing.md 决定。当用户说"写论文"、"开始写作"、"draft paper"时触发。

paper-writing

从 idea 到完整论文草稿的系统性写作流程。采用 SDP 跨模型辩论起草、跨模型润色（按 model-routing.md 路由）和 Overleaf 集成。

读取 evolution-memory 中的 writing_rules（如有）。

Task Tracking (T10)

启动本技能前先注册一份 TodoWrite 列表镜像本技能 step（Story Skeleton / Draft / De-AI / Priority Resolver / QG5 / Overleaf Push）。每个 SDP 双模型辩论也注册为独立 todo。

Step 3.5 — Priority Resolver (T5)

Step 3 (de-AI) 之后、Step 4 (publication standards) 之前必须按 domain-calibration/priority_resolver.md 的 5 层 priority resolver 解决风格冲突：

HARD PRESERVE > TARGET JOURNAL > VENUE DEEP READING > SECONDARY > STATIC BASE > ALWAYS REMOVE

输入: artifacts/domain_taste_profile.json (T5) + artifacts/venue_deep_reading_profile.json (T12.b) 输出: artifacts/style_audit.md 详细记录每条改写决策。

Story Skeleton 接入 Venue Deep Reading (T12.d)

Step 1 生成 story_skeleton.json 时必须参考 artifacts/venue_deep_reading_profile.json:

• story_arc_templates.{motivation,method,experiment}_paragraphs → 设定章节段数预算
• contribution_patterns → 选择最贴近场地共识的 framing
• title_patterns → 候选标题中尽量包含高频词

前置条件

• hypothesis_board.json 中有经 novelty-checker 评估的 idea
• evidence_graph.json 中有充足的 claims
• bib/verified.json 中有验证过的引用
• experiment_story.md（来自 experiment-runner Step 4.5）— 结果、图表、narrative 建议

写作流程

Step 1: Story Skeleton（写作大纲 + v2.2 说服力层）

在动笔之前，先生成中间表示：

{
  "one_sentence_summary": "用一句话（≤30 词）概括论文的核心贡献。如果写不出来，论文缺焦点。",
  "positioning": "来自 venue_fit_report.md 的定位策略（method/empirical/theory/...）",
  "narrative_arc": "从问题到方案到结果的叙事逻辑",
  "sections": [
    {
      "name": "Introduction",
      "goal": "本节要回答什么问题",
      "key_claims": ["claim-001", "claim-005"],
      "estimated_words": 800,
      "key_figures": ["fig1: 方法概览图"],
      "transition_to_next": "本节结尾如何自然引出 Related Work"
    }
  ],
  "abstract_formula": {
    "problem": "一句话描述问题",
    "gap": "一句话描述现有方法的不足",
    "method": "一句话描述我们的方法",
    "result": "一句话描述主要结果",
    "impact": "一句话描述意义"
  },
  "weakness_preemption": [
    {
      "attack": "审稿人可能说：只在 2 个数据集上做了实验",
      "defense": "Section 4.3 展示了 5 个数据集的结果 + Appendix B 有更多",
      "embed_in_section": "Experiments"
    },
    {
      "attack": "审稿人可能说：方法复杂度太高",
      "defense": "Table 3 展示了与 baseline 相同量级的 FLOPs",
      "embed_in_section": "Experiments"
    }
  ],
  "significance_argument": "解决这个问题对领域的意义是什么？",
  "figure1_spec": "Figure 1 应该展示什么，确保自解释核心 idea"
}

One-Sentence Summary Test (v2.2)

强制要求：在 Story Skeleton 完成后，用一句话（≤30 个英文词）总结论文贡献。

• 这句话必须同时出现在 Abstract 第一句和 Introduction 最后一段
• 如果写不出来 → 论文缺焦点，需要回到 ideation 重新聚焦
• 好例子："We show that simple data augmentation closes 80% of the gap between supervised and self-supervised learning on ImageNet."
• 坏例子："We propose a novel framework for improved performance."

Weakness Preemption Plan (v2.2)

在动笔之前列出 top-5 审稿人可能的攻击点，并为每个攻击点准备预防性论述：

1. 从 venue_fit_report.md 的 "预期审稿问题" 中提取 top-5
2. 为每个攻击点写一句话的预防性回答
3. 标注这个防御应该嵌入论文的哪个 section
4. 写作时自然地融入（不能显得是在辩解）

最好的论文让审稿人觉得 "我想质疑的点他都解释了"。

Narrative Momentum Requirements (v2.2)

写作时每个 section 的段落之间必须有因果推进：

• Introduction 的每一段比前一段更具体（大问题 → 具体 gap → 我们的方案）
• Method 的每个子节由前一个子节暴露的问题驱动
• Experiment 的顺序回答读者在读完 Method 后自然产生的问题
• Related Work 的每个子类结尾必须写 "与上述方法不同，我们..."

每个 section 的最后一句应该自然引出下一个 section 的动机。

Figure 1 Quality Gate (v2.2)

Figure 1（方法概览图）是审稿人的第一印象。要求：

1. 自解释：不读正文即可理解核心 idea
2. 30 秒测试：新读者看 30 秒能说出 "这个方法做了什么"
3. 包含：输入 → 核心处理 → 输出 的完整流程
4. 标注清晰，字号 ≥ 8pt
5. 如果是对比方法，用 (a) existing vs (b) ours 的并列结构

Rebuttal-Ready Appendix (v2.2)

论文写的时候就为 rebuttal 做准备：

1. 对 weakness_preemption 中的每个攻击点，在 Appendix 中预备：
   • 补充实验（更多数据集 / 更多 baseline / 参数敏感性）
   • 更详细的推导或解释
   • Failure case 分析
2. 正文中用 "See Appendix X for details" 引出
3. 当审稿人说 "你没有做 X" → 立刻指向 "Appendix C 已有"

Insight Density Check (IDC)（v4 新增）

写完每个 section 后必须检查 insight 密度。逐段扫描，每段必须包含 ≥1 个 insight marker：

Marker 类型	识别信号	示例
📊 定量分析	数字、百分比、趋势	"reduces error by 23%"
🔍 因果解释	because, due to, caused by	"This is because X fails when..."
⚡ 对比/类比	unlike X, in contrast to	"Unlike GCN, our method preserves..."
💡 非显然观察	surprisingly, counter-intuitively	"Surprisingly, removing X improves..."
🧩 深层联系	联系更广泛规律	"This connects to the broader principle of..."

Insight Desert 检测（连续空洞段落）：

位置	条件	处理
Introduction	连续 ≥2 段无 insight marker	🔴 必须重写
Method	连续 ≥2 段无 insight marker	🔴 必须补充 motivation
Experiments	连续 ≥3 段无 insight marker	🟡 补充分析后继续

典型 Insight Desert（workshop 级写法）：

"Deep learning has achieved remarkable success. Recently, GNNs have become popular. We propose a novel method..."

修复后（顶会级写法）：

"Message-passing GNNs provably cannot distinguish k-WL-indistinguishable graphs (Xu et al., 2019). We observe that 73% of failure cases trace back to this ceiling (Table 1), motivating our approach..."

Motivation-First Rule（v4 强制）

Method section 中每个公式/算法/架构组件前必须有 ≥1 句 motivation 回答"为什么需要这个"。

• ❌ 错误："We define the loss function as: L = ..."
• ✅ 正确："Standard CE ignores hierarchical structure, treating cat→dog the same as cat→car. To inject this structure, we define: L = ..."

检查方法：对每个 \begin{equation} / \begin{algorithm},检查前 2 句是否含 motivation 关键词 （"because", "to address", "motivated by", "to handle", "this enables"）。

Experiment Story Arc（v4 强制结构）

Experiment section 必须遵循以下叙事弧线：

段落	标题模板	内容	必需
§1	Setup	数据集 + baseline + 评价指标 + 实现细节	✅
§2	Main Results	主实验表 + 核心发现	✅
§3	Why It Works	Ablation + 组件分析 + 关键设计的 justify	✅
§4	Deep Analysis	Case study / Error analysis / Visualization	✅
§5	When It Fails	Failure cases + Limitation 分析	✅
§6	Efficiency	FLOPs / Memory / Training time 对比	⚠️ 建议
§7	Sensitivity	超参数 / 数据量 / 噪声的 robustness	⚠️ 建议

⛔ 没有 "Why It Works" → 审稿人会问方法为什么 work ⛔ 没有 "When It Fails" → 审稿人认为你在隐藏弱点 Workshop 论文 = 只有 §1+§2；顶会论文 = §1-§5 全覆盖

Step 1.5: Exemplar Analysis (v2)

1. Find 3 similar oral/spotlight papers from target venue (last 2 years)
2. Analyze: Intro structure, Method intuition-to-formal ratio, Experiment storyline
3. Save to artifacts/exemplar_analysis.md
4. Use as style reference for each section

Novice mode: MANDATORY. Expert mode: recommended.

Step 2: SDP 跨模型辩论起草

遵循 sdp-protocol 通用规则。NeXus 只支持 Claude Code + Codex 两 harness。典型 SDP 角色配置（按 .agents/rules/model-routing.md）：

Role	Claude Code 用户主	Codex 用户主
Model A (drafter, long-context)	Opus 4.7	Opus 4.7 (跨 harness)
Model B (reviewer, critical)	GPT 5.4 (跨 harness)	GPT 5.4
polishing model	GPT 5.4 (跨 harness)	GPT 5.4

注：drafting 强 long-context 通常给 Opus；critical review 和 polishing 给 GPT 5.4。具体哪个 harness 跑哪个 model 取决于"你的主 harness 是哪个"。

Round 1 — Model A (Opus) 起草

输出 dialogue/draft_a.tex + dialogue/draft_a_meta.md：

├── 完整论文草稿 draft_a.tex（按 Story Skeleton 逐节撰写）
├── 写作决策日志（为什么这样组织 story / 选论据）
├── 🔴 自评薄弱环节（最弱 section + 原因）
└── 📌 用户偏好和约束

→ 切换到 Model B (GPT 5.4) 评审

你的主 harness	具体操作	Token 预算
Claude Code (running NeXus)	打开 Codex 插件 → 新建对话 → 粘贴 draft_a.tex + draft_a_meta.md	Codex pool ~3 次
Codex (running NeXus)	当前 harness 内调 GPT 5.4	Codex pool ~3 次

Round 2 — Model B (GPT 5.4) 评审 + 改写最弱部分

├── 逐 section 深度评审（每节 strengths + weaknesses）
├── 最弱 section 的替代版本（直接给改写稿）
├── Story 层面建议（narrative arc 说服力）
└── 具体语言/逻辑改进建议

→ 切回 Model A (Opus) 整合

你的主 harness	具体操作
Claude Code (running NeXus)	切回 Claude Code 主会话 (Opus 整合)
Codex (running NeXus)	打开 Claude Code → 调 Opus 整合

Round 3 — Model A 整合终稿

├── 合并 best of both（标注哪部分来自哪个模型）
├── 终稿 draft_merged.tex
└── 合并决策日志

→ 切换到 polishing model (GPT 5.4)

你的主 harness	具体操作	Token 预算
Claude Code (running NeXus)	打开 Codex 插件 → 调 GPT 5.4 润色	Codex pool ~3 次
Codex (running NeXus)	当前 harness 内调 GPT 5.4 润色	Codex pool ~3 次

Round 4 — 学术风格润色

├── 学术风格精修 + 去 AI 味 + 术语一致性
└── 输出 draft_final.tex

Section-Level 写作范式

每个 section 按以下结构化模式撰写：

Introduction — 倒三角：

¶1 大背景（领域重要性，1-2 句，避免 "In recent years..."）
¶2 具体问题（research question, 带引文）
¶3 现有方法 + gap（"However, existing methods suffer from..."）
¶4 我们的方案（一句话核心 idea + 1-2 句 how it works）
¶5 贡献列表（3-4 个具体可验证的 bullet）
¶6 [可选] 论文结构概述

Related Work — 分类对比 + 深度定位：

按方法类型分 2-4 个小节
每个小节结尾必须写：
  "与上述方法不同，我们的方案 [区别点]"
引用只用 bib/verified.json

❗ 必须包含 "vs Closest Works" 深度对比表：
| 方法 | 关键差异 | 我们的优势 |
|------|---------|----------|
| ClosestWork A | 假设 X... | 我们不需要 X |
| ClosestWork B | 只处理 Y... | 我们处理 Y+Z |

这不是引用堆砌，是方法论级别的对比。审稿人最满意这种写法。

Method — 形式化 + 直觉交替：

1. Problem Formulation（数学定义 + notation table）
2. Overview（图引用 + 一段话概述整体方法）
3. 核心模块：直觉（为什么需要）→ 方程 → 技术细节
4. 训练目标 / 推理流程

Experiments — 讲故事：

1. Setup（数据集统计表 + 实现细节 + 硬件 + baseline 选择理由）
2. Main Results（"X 指标达到 Z，优于次优 N%"）
3. Ablation（每次只变一个组件，表格格式）
4. Analysis（case study + 可视化 + failure case）
5. Limitations

学科适配

学科	写作框架来源	重点
AI/ML	参考 awesome-ai-research-writing 的 prompt 集和 skills	Novelty + Reproducibility
Urban/Landscape/Architecture	brainstorm 阶段阅读的顶刊（如 L&UP, Cities, Nature Cities）提取写作框架	Practical Relevance + 图面质量
Geoscience	同上，从 GRL/JGR/ERL 提取	Data Quality + 模型验证
通用	上述通用 section-level 范式	平衡

非 AI/ML 学科的写作风格应在 deep-dive 阶段从该领域顶刊论文中总结，作为 writing_style_guide 存入 artifacts/。

Step 2.5: 图表生成

方法/架构图（参考 PaperBanana 理念）：

1. 从 evidence_graph 和 deep-dive 笔记中找参考图风格
2. 用文字描述图的内容和布局
3. 用 Python (matplotlib/tikz) 或 SVG 生成
4. Critic 自检：是否 self-contained、标注是否完整
5. 迭代修改直到满意

实验结果图（从 experiment-runner 的 results/ 读取数据）：

图表类型	工具	输出
训练曲线（loss/metric vs epoch）	matplotlib	PDF
消融热力图	seaborn	PDF
t-SNE/UMAP 可视化	sklearn + matplotlib	PDF
注意力可视化	从 checkpoint 提取	PDF

论文表格（LaTeX 三线表）：

\begin{table}[t]
\centering
\caption{Comparison with state-of-the-art methods on X dataset.}
\begin{tabular}{lcccc}
\toprule
Method & Metric A & Metric B & Metric C \\
\midrule
Baseline 1 & 75.2 & 82.1 & 68.5 \\
Baseline 2 & 76.8 & 83.4 & 70.2 \\
\textbf{Ours} & \textbf{79.1} & \textbf{85.7} & \textbf{73.8} \\
\bottomrule
\end{tabular}
\end{table}

所有图表保存到 artifacts/figures/。如果 Overleaf 已配置，直接保存到 Overleaf 项目的 figures/ 目录。

Step 3: 去 AI 味

参考 awesome-ai-research-writing 的 de-AI prompts：

🚫 必须删除的 AI 典型表达：

原文	替换为
"In recent years" / "In the era of"	直接切入问题
"plays a crucial role"	具体说明为什么重要
"groundbreaking" / "revolutionary"	用数据说话
"It is worth noting that"	直接写
"delves into" / "shed light on"	用具体动词
"First, ... Second, ... Third, ..." 连续	用逻辑连接词
"a myriad of" / "a plethora of"	用 "many" 或具体数字

✅ 推荐的学术表达：

• Hedging: "We observe that..." / "Results suggest..." / "This may indicate..."
• Quantitative: "improves by 3.2% (p<0.05)" 而非 "significantly improves"
• Contrast: "Unlike [X], our approach..." / "While [X] assumes..., we..."

Step 4: 出版标准检查（QG5）

检查项	标准
✅ 每个引用都来自 bib/verified.json	零编造
✅ 每个断言都挂载 evidence claim	有据可查
✅ 无撤稿论文被引用	citation-integrity
🚨 所有终稿引用的 claim 必须来自 publishable=true 的来源	Shadow 隔离
✅ 图表有完整 caption，self-contained	可读性
✅ 图表 DPI ≥ 300，字号 ≥ 8pt，色盲友好	专业度
✅ Notation 统一	一致性
✅ 页数符合目标会议要求	合规性
✅ 无 AI 典型表达残留	去 AI 味
✅ 贡献列表中的 claim 都有实验支撑	可验证性
✅ Related Work 含 vs Closest Works 深度对比	定位深度
✅ Significance argument 明确	回答 "so what?"
✅ Limitations section 完整	诚实报告

Supplementary Material checklist（附录应包含）：

• 详细数学推导（如有）
• 完整超参数表
• 额外实验结果（正文放不下的）
• 代码可用性声明

Step 4.5: Claims-Paper Cross-Validation (v2)

For every assertive statement in draft_final.tex:

1. Match to claim in evidence_graph.json
2. No match = unsupported claim (fix or remove)
3. publishable=false source = shadow source leak
4. Check claim STRENGTH matches evidence STRENGTH (prevent overclaiming)
5. Verify each Contribution bullet has corresponding section/experiment

Step 4.7: Fresh Eyes Test (v2)

With a NEW LLM context (no prior history), read only Introduction + Abstract:

1. Ask: What problem? Core contribution? Why important?
2. If unclear -> rewrite Introduction
3. Novice mode: MANDATORY.

Step 5: LaTeX 编译流水线

参见 overleaf_setup.md 了解完整环境配置，venue_templates.md 了解模板注册表。

5.1 环境检测

pdflatex --version    # 检查 TexLive
latexmk --version     # 检查自动编译工具
code --list-extensions | grep latex   # 检查 VS Code 插件

→ 根据检测结果建议安装缺失组件（见 overleaf_setup.md Step 0）

5.2 模板自动获取

读取 project_state.json → target_venue
  ├─ 查 venue_templates.md 注册表 → 命中 → git clone / wget 下载
  ├─ 未命中 → 搜索 Overleaf Gallery → "{venue} {year} template"
  ├─ 仍未找到 → 识别出版商 → 下载通用模板（elsarticle/acmart/IEEEtran）
  └─ 兜底 → article.cls + 提示用户手动提供

5.3 项目初始化

paper/
├── main.tex              ← 从模板生成
├── references.bib        ← 从 bib/verified.json 转换（仅 publishable=true 来源）
├── figures/              ← 从 artifacts/figures/ 复制
├── sections/             ← 可选，按节拆分
├── .latexmkrc            ← 自动编译配置
└── .vscode/settings.json ← LaTeX Workshop recipe 配置

5.4 本地编译

latexmk -pdf -interaction=nonstopmode -synctex=1 main.tex

→ LaTeX Workshop 保存时自动触发 → PDF Tab 实时刷新 → SyncTeX 双向跳转

5.5 编译错误自动修复

解析 main.log:
  ├─ 缺少宏包 → tlmgr install <pkg> → 重编译
  ├─ 引用未定义 → bibtex + pdflatex ×2
  ├─ 图片路径错误 → 修正路径 → 重编译
  └─ 致命错误 → 展示给用户（最多 3 次重试）

5.6 Overleaf 同步（如已配置）

Overleaf Workshop 插件 → 双向实时同步
  ├─ 本地编辑 → 自动上传到 Overleaf
  ├─ 导师在 Overleaf 修改 → 自动拉取到本地
  └─ 冲突 → 默认 Use Local（除非导师正在审阅）

Step 6: Rebuttal 支持

在 multi-reviewer 给出 review 后，可触发 rebuttal 撰写：

输入: review_report.json + draft_final.tex
输出: rebuttal.tex

策略：
1. 按 severity 排序（must-fix 优先）
2. 每个回复：致谢 → 具体回应 → 修改位置（\blue{新增内容}）
3. 有数据支撑 → 联动 experiment-runner 做补充实验
4. 统计字数限制（ICLR 有限制）

Step 7: 论文修改（审后）

按 review_report.json 中的 revision_roadmap 逐项修改：

├── must_fix 全部修改（不改就 reject）
├── nice_to_have 选择性修改
├── 修改部分用 \blue{} 标注
├── 每处修改旁标注对应的 reviewer 和 issue 编号
└── 输出 draft_revised.tex

Step 8: 轻量重审（确认修改质量）

只审查修改过的部分（非全文重审）：

├── 对照 must_fix 清单逐项确认
├── 检查修改是否引入新问题
├── 判定：
│   ├── 所有 must_fix 已解决 → ✅ 完成
│   └── 仍有未解决 → 🔄 再修改一轮（最多 2 轮）
└── 输出最终版 draft_final_revised.tex

触发 evolution-memory 写作规则蒸馏。

会议适配

会议	页数限制	重点
NeurIPS	9+引用	novelty + significance
ICLR	无硬限	soundness + clarity
ICML	8+引用	theoretical contribution
ACL	8+引用	relevance + reproducibility
CVPR	8+引用	visual results + comparison
AAAI	7+引用	technical innovation

输出

• artifacts/draft_final.tex：论文终稿（LaTeX）
• artifacts/story_skeleton.json：写作大纲
• artifacts/figures/：所有图表
• artifacts/references.bib：参考文献
• 更新 project_state.json phase → "writing"

反直觉规则

1. 先写 Method，最后写 Introduction — 先确定方法再讲故事
2. 先写你的拒稿信 — 在写 Introduction 前，列出 3 个审稿人可能攻击的弱点
3. Underclaim in prose, overdeliver in evidence — 文字谦虚，数据说话
4. 不要追求完美初稿 — 第一版的目的是给辩论提供靶子
5. Related Work 不是引用堆砌 — 每类方法结尾必须写"我们的区别"

Step 8.5: Reproducibility Checklist (v2)

Auto-generate venue-format checklist from experiment metadata:

• Seeds, hardware, training time, optimizer, batch size
• Code/data availability statement
• Output: artifacts/reproducibility_checklist.md

Pipeline Exit

完成后执行：

1. 更新 project_state.json 的 current_stage
2. 必须调用 pipeline-orchestrator.complete_stage("writing") 验证产出
3. 根据返回值自动进入下一阶段（review_round1 第 1 轮审稿）

---

Domain Taste 集成

在写作前，必须读取以下文件（由 domain_calibration stage 自动生成）:

• artifacts/domain_taste_profile.json → 写作规则和结构标准
• artifacts/exemplar_structures.json → elite 论文的段落结构模板

校准规则

1. 结构校准: 每写完一个 section，对比 exemplar_structures.json:

   • 段落数达到 elite 平均的 80%？
   • 词数达到 elite 平均的 70%？
   • 低于 → 补充内容后才继续下一 section

2. 质量阈值动态加载: quality_engine 的检查阈值从 domain_taste 读取:

   • insight_density 阈值 = elite 值 × 0.7
   • intro 最少段数 = elite 值 × 0.8
   • 图表最少数 = elite 值 × 0.7

3. 实验深度强制: domain_taste 中 elite% > 70% 的实验类型为 MANDATORY:

   • 例: has_ablation elite%=100 → ablation 必须做
   • 例: has_failure_analysis elite%=62 → 不强制但强烈建议

4. Baseline 完整性: 检查论文是否提到了 must_have_baselines 中的所有 baseline

---

Figure Generation (Wave B.1)

正文写完后, 进入图表生成阶段, 必须经由 nature-figure skill (而非临时手搓 matplotlib) — 它强制了 SVG 矢量输出, 语义色彩契约 (红色仅 warning / 蓝色仅 primary·baseline), colorblind-safe 调色板, 强制 error bar (除非显式 disable + 写明 reason), 最小字号 (tick ≥6pt, axis ≥7pt) 等 Nature 系硬规则。

调用入口: mcp-servers/pipeline-orchestrator/figure_engine.py (render_line / render_bar / render_grid)。

与本技能的接合点

1. Step 1 (Story Skeleton) 列出的 key_figures 需在此阶段一一落地, 每张图保存在 figures/figN.svg。
2. 每张图 render_*() 返回的 FigureRenderResult.violations:
   • 任何 level="error" 必须修掉后才能进入 Step 4 (publication standards / QG5) — QG5 14 项检查会重新读这个列表。
   • level="warning" 必须在 figures/violations.md 中逐条写明取舍理由 (例如 error_bar_disabled 为何合理)。
3. 多 panel 图 (render_grid) 优先选用 — 评审更偏好 panel a/b/c/d 形式的统一图, 单图能并就别拆。
4. 输出格式: 默认 .svg; 仅当 venue 模板明确要求 PDF/PNG 时改后缀 (render_*(..., fmt="pdf"))。

不要做的事

• 不要在 paper-writing 内联 matplotlib 代码 — 所有绘图都走 figure_engine, 这样 QG5 才能机械读出 violations。
• 不要为绕过 missing_error_bar 写假 yerr — 缺数据就回 experiment-runner 跑多 seed (QG4 多 seed 统计本来就是必须)。