researchby brycewang-stanford
Cjc Experiments
brycewang-stanford/cjc-experiments
在为投向《计算机学报》(Chinese Journal of Computers, CJC) 的长文设计与呈现实验、评估或理论验证时调用。覆盖如何按贡献类型(算法/系统/理论/实证/学习类)匹配证据、如何设立评估问题与公平基线、如何选数据集与指标、如何做消融与显著性分析、如何报告均值方差与统计检验而非单点最优、如何防数据泄漏与评测污染、以及如何用图表在长文中充分而不冗余地呈现结果。适用于让计算机全学科中文原创研究的实验部分经受本刊三审专家对"数据充分真实、结论可信"的审查。
What it changes
Passed 21 of 22 test cases with the skill, and 15 of 22 without it.
Without skill68%
With skill95%
Checks it passed that the model alone missed
- The response contains the formatted tag [RQ].
- The response contains the formatted tag [基线].
- The response contains the formatted tag [呈现].
and 11 more in the full report
6 fixed15 passed either way1 still failing0 broke
- Pass-rate lift
- +27 pp
- Tokens
- +48%
- Agent turns
- 0%
- Response time
- -7%
Model gemini-3.6-flashMeasured 8/31/2026v121 of 22 cases passed with skill
See it in action
One of 6 test cases the skill fixed. Same model, same prompt, with and without the skill.
Prompt在《计算机学报》长文中，我们的所有图表题名（Figure Caption）都只写了英文（如 Figure 1: Accuracy comparison），且图表中内存开销单位使用了非标准的“MBytes/sec”。请评估其格式合规性。
What was checked, without and with the skill| Checked | Without skill | With skill |
|---|
| The response states that figure and table titles in CJC must be bilingual. | Missed | Passed |
|---|
| The response demands using standard legal SI metric units. | Passed | Passed |
|---|
What's inside
The instructions your model reads when the skill loads.
SKILL.md119 linessingle file
《计算机学报》实验设计与呈现
《计算机学报》(Chinese Journal of Computers, CJC) 要求来稿"数据充分、真实"，外审专家会实质性追问
实验是否足以支撑结论。作为 CCF A 类综合性中文长文期刊，CJC 给了充分篇幅展开实验，但也因此对
证据与主张的匹配度要求更高。本技能给出面向 CJC 的实验设计与呈现方法。核验日期 2026-07-09，
与 cjc-reproducibility 配套使用。
一、先立评估问题，再做实验
好的实验部分从**评估问题(RQ)**开始，而非直接堆表格。为每个贡献点设一个可回答的问题，例如：
- RQ1：所提方法在 <任务> 上是否优于 <代表性基线>？优多少？
- RQ2：各模块对性能的贡献如何（消融）？
- RQ3：方法在 <规模/噪声/分布变化> 下是否稳健？
- RQ4：开销（时间/内存/通信）是否可接受？
每个 RQ 后面对应一组实验与一张主表/主图，形成"问题—证据"闭环。
二、按贡献类型匹配证据
三、公平基线与设置
- 强基线：选当前有代表性、可比的方法，而非精心挑选的弱对手；说明基线的实现/来源与调参方式。
- 同等条件：数据、评测协议、算力对所有方法一致；不给自己方法额外调参预算。
- 超参数透明：报告搜索范围与最终取值，避免"魔法数字"。
四、数据集与指标
- 数据集选择有代表性、被同行认可者；自采数据说明采集与清洗（见
cjc-reproducibility）。
- 指标与任务匹配，报告能反映真实优劣的核心指标，必要时给多指标；避免只报对自己有利的单一指标。
- 明确训练/验证/测试划分，禁止用测试集调参。
五、统计严谨性
Track record
Benchmark
21 / 22
test cases passed, vs 15 / 22 without
Adoption
- Users
- 0
- Times used
- 0
Safety and source details
SkillSafety
✓ 3 of 3 passed✓Code scan15 of 15 checks clean
0 critical · 0 warning · 0 info — scanner v4 — 8/10/2026
View 15 scanner checks
live_secretremote_code_executionreverse_shelldata_exfiltrationssrf_metadataagent_snoopinganti_refusaldestructive_commandsobfuscated_unicodeunicode_homoglyphopaque_blobsuspicious_urltool_overreachtrigger_abuseprompt_injection_phrasing
✓IntentSafe
LLM judge · does the skill do what it claims
✓ContentClean
LLM judge · policy & harmful-content review
Source
Importedbrycewang-stanford / awesome-journal-skills
Chinese-Journal-of-Computers-Skills/skills/cjc-experiments/SKILL.md
License MITImported 8/10/2026Version v1