jcrd-experiments

npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jcrd-experiments --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

# 《计算机研究与发展》实验设计与呈现 (JCRD Experiments) 本技能帮助为《计算机研究与发展》(Journal of Computer Research and Development, JCRD) 稿件设计与 呈现**实验**。JCRD 走**双盲多轮同行评审**，外审专家审视实验的**充分性、公平性与可复现性**。原则 一句话：**让证据匹配论断的形态**——你声称什么，就用相应证据支撑什么，不多不少。 ## 一、研究问题到证据 - 先把贡献拆成**可检验的研究问题 (RQ)**，每个 RQ 对应一组实验与一个结论。 - 每个论断都要有证据；反之，每组实验都要服务某个论断，避免「为做而做」的堆砌。 ## 二、数据集与真实系统 - 优先**公开数据集**（利于复现与对比）；自建数据给构建/清洗脚本与统计描述。 - 系统类工作用**真实平台或可信模拟器**，说明配置与负载。 - 记录数据集**版本与抽取日期**（见 `jcrd-reproducibility`）。 ## 三、基线与公平对比 - 选**有代表性、够强**的基线（含最新工作），避免只比弱基线。 - **同口径**对比：同数据划分、同评测协议、同资源预算；复现基线时说明来源与超参。 - 若无法完全公平，明确说明差异并讨论其影响。 ## 四、指标与统计显著性 - 指标定义清晰、与基线一致；分类/回归/系统各用恰当指标。 - **多次运行**报告均值±标准差，做**显著性检验**（如配对检验），避免单次好结果。 - 报告效应量与置信区间时说明口径；系统度量给测量方法（预热、重复、取值）。 ## 五、消融与敏感性 - **消融实验**逐一去掉关键部件，量化各自贡献，支撑「哪个设计有效」。 - **敏感性分析**：关键超参/规模/数据量变化下的稳健性。 - **失败案例分析**：给出方法失效的场景，增强可信度。 ## 六、真实平台度量（系统类） - 报告吞吐/延迟/扩展性/能效时给硬件、并发、负载与测量方法。 - 扩展性给曲线（随规模/节点变化），说明瓶颈。 - 与工业/学术基线同环境对比。 ## 七、大模型与挖掘类研究 - **防污染**：核查评测集是否被训练数据污染，说明检查方式。 - **来源钉死**：记录模型标识与日期、温度等参数，**缓存原始输出**（见 `jcrd-reproducibility`）。 - 挖掘研究记录仓库/数据版本 SHA、抽取日期、清洗规则。 ## 八、结果呈现规范 - 表格用三线表，最优值加粗，给单位与口径；图给轴标与图例（见 `jcrd-writing-style`）。 - 结果**先给结论再给数据**：一句话论断 + 支撑表/图。 - 大表放补充材料，正文给关键摘要（见 `jcrd-supplementary`）。 ## 九、常见退修点与修法 | 退修