ssi-reproducibility

npx skills add brycewang-stanford/Awesome-Journal-Skills --skill ssi-reproducibility --agent claude-code

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

# 《中国科学：信息科学》可复现性与实验可重复（Reproducibility） 《中国科学：信息科学》(SCIENTIA SINICA Informationis, SSI) 以刊载信息科学领域最高水平的 中文原创成果为目标，审稿强调**科学价值与创新高度**，而这必须建立在**可信、可复现**的证据上。 本技能帮助你在实验开展与稿件撰写时，把"别人能否重复出你的结果"这件事前置处理—— 很多可复现性问题在数据采集或实验设计时不做记录，投稿时便无法补救。 ## 一、可复现的三个层次 1. **可重复（repeatable）**：同一团队、同一环境重跑得到一致结果。 2. **可复现（reproducible）**：他人用你提供的代码/数据/说明能重现主结果。 3. **可推广（replicable）**：他人在新数据/新平台上得到一致结论（更高标准）。 SSI 论文至少应做到前两层，并对第三层的边界（外部效度）诚实说明。 ## 二、来源与环境固定（提交前记录，事后难补） - **数据集**：名称、版本/发布日期、规模、划分方式、预处理步骤；自采数据说明采集协议与时间。 - **工具链**：语言与库版本、框架版本、编译器/EDA 工具版本、操作系统。 - **随机性**：随机种子、初始化、数据打乱方式；报告多次运行的均值与波动。 - **硬件平台**：CPU/GPU/FPGA/芯片型号、内存、必要的时钟/工艺参数（微电子/控制常需）。 - **超参数**：完整超参与搜索空间、选择依据；避免"精心挑选的一次结果"。 ## 三、仿真 vs 实测/硅后（本刊多子学科的关键区分） SSI 覆盖计算机、控制、通信、微电子等，结果来源差异大，务必明确标注： | 结果类型 | 说明要求 | |---|---| | 数值仿真 | 仿真器/模型、参数、边界条件、理想化假设 | | 硬件在环/半实物 | 平台、接口、实时性约束 | | 硅后/实测 | 芯片/样机、测试仪器、测量条件、误差来源 | | 理论/证明 | 假设、引理依赖、可验证的推导步骤 | - **不得把仿真结果表述为实测**；跨工艺/跨平台外推要给敏感性分析而非直接断言。 ## 四、统计与随机性报告 - 报告**均值 + 波动**（标准差/置信区间/分位数），而非单次最好结果。 - 对比多方法时用一致的评测协议与统计比较；必要时做显著性检验。 - 说明异常值处理、失败样本、未收敛情形，避免选择性报告。 - 消融实验隔离各组件贡献，支撑"创新点确实起作用"的主张。 ## 五、可复现材料与可用性叙述 - 组织清晰的复现包（`code/data/scripts/README`），中文 README 给出一键复现主结果的步骤。 - 撰写**数据/代码可用性声明**：提供什么、在哪里、如何获取；"可向作者索取"是弱承诺。