Bzd Paper Aigc Auditor

---
name: bzd-paper-aigc-auditor
description: 对数学建模竞赛论文进行两层AI痕迹审计——第一层9维检测(语言层面60%：连接词/排比/拔高词/被动句/段落规律/文本复杂度；事实层面40%：引文验证/数值一致性/术语一致性)，第二层模型合理性深度审查。严格判分+一票否决+问题标红。输出分层HTML报告。
---

# BZD 数学建模论文AI痕迹审计工具 v2.2
## 融合nature-AIGC检测方法 · 严格判分版

## 核心原理

**两层递进式检查 + 9维融合检测**：
1. **第一层：增强的9维框架**（100分制）
   - **语言层面**（权重60%）：融合nature-detector的统计特征分析
     * 维度1: 高频连接词（Humanizer-zh）
     * 维度2: 排比/同构句式识别
     * 维度3: 拔高词与修饰词（5级分类）
     * 维度4: 被动句占比与语态分析
     * 维度5: 段落结构规律性
     * 维度6: 文本复杂度（熵值、n-gram、TTR）
   - **事实层面**（权重40%）：融合nature-detector的事实验证
     * 维度7: 引文验证（L1-L3三层检查）
     * 维度8: 数值一致性追踪（参数溯源）
     * 维度9: 术语一致性检测

2. **第二层：数学建模逻辑审查**（100分制）
   - 2.1 模型常用性判断：对标数模竞赛常用模型库
   - 2.2 复杂度vs收益评估：识别过度工程化
   - 2.3 华而不实识别：五大AI特征检查
   - 2.4 模型选择"三问法"：逻辑论证验证
   - 2.5 建模路径风格：区分人主导的渐进建模与AI式复杂化倾向

**最终评分** = (第一层 + 第二层) / 2 → 风险等级 → HTML分层报告

**新增能力**：
- ✨ 引文真实性验证（相比v2.0的"只是检查格式"）
- ✨ 数值参数追踪与一致性检查（发现虚构或计算错误）
- ✨ 文本复杂度的科学度量（TTR、熵值、n-gram频率）
- ✨ 段落结构规律性检测（识别模板堆砌）
- ✨ 术语使用一致性追踪（发现概念混乱）

---

## 使用场景

✓ **参赛队员自检**：快速诊断版，定位问题，按优先级改进  
✓ **指导老师评审**：简洁版+完整版，全面了解论文问题  
✓ **社团评委存档**：完整版，逐部分详细分析，存档决策  
✓ **论文盲审**：用两层评分表判断是否涉及AI拼装  

---

## 输入要求

**最低输入**：完整数学建模论文（PDF或Word格式）

**增强输入**（提高置信度）：
- 赛题及附件说明
- 代码和中间结果文件
- 参考文献清单
- 问间对接说明

---

## 执行流程（9步）

### 第一阶段：五维基础框架评分

1. **识别论文结构**  
   标记摘要、问题重述、问题分析、假设、符号、模型建立(Q1-Q5)、求解、结果、检验、灵敏度、评价、参考文献、附录

2. **阅读五维评分标准**  
   参考 [references/audit-framework.md](references/audit-framework.md)，理解五个维度的0-100分评分规则

### 第二阶段：第一层 - 增强的9维检测框架（权重60%语言 + 40%事实）

> **v2.2 严格化说明**：以下阈值较 v2.1 全面收严约 5–10 个百分点，
> 且引入"扣分项累加"机制。评审倾向：**宁可标红后经人工复核撤销，
> 不可漏标**。任何一项落入 🟠 及以上，报告中必须标红呈现并给出证据位置。

**3. 语言层面检测（6维，权重60%）**

**3.1 高频连接词检测**（维度1，权重20%）— 融合Humanizer-zh
   - 扫描全文，统计高频连接词密度（综上所述、此外、进一步、显然、具有特性等）
   - 计算: 密度 = (高频词总数) / (全文总句数)
   - 检查相同词的重复间隔（是否<5句）
   - 新增：检查"具有XX特性""相对而言""显然"等AI特化高频词
   - **判分（收严）**：
     * `<8%` → 100分 🟢
     * `8-12%` → 85分 🟢
     * `12-16%` → 60分 🟡（原15-20%才扣，现提前）
     * `16-20%` → 35分 🟠 **标红**
     * `20-25%` → 15分 🔴 **标红**
     * `>25%` → 0分 ⛔ **标红**
   - **附加扣分**：同一高频词在3页内出现>2次，每处额外 −5 分（下限0）

**3.2 排比与同构句式识别**（维度2，权重12%）
   - 标记三项以上的排比句，检查排比后是否有量化数据
   - 检查排比项的来源说明（赛题给出/推导/约束）
   - 标记"动词+宾语"结构相同的连续句子，检查是否标注了章节/对象
   - **判分（收严）**：
     * 全部为L3安全排比（有数据+有来源） → 100分 🟢
     * L3为主，个别L2 → 80分 🟢
     * L2为主（有数据但无来源说明） → 55分 🟡
     * 存在1处L1（抽象形容词堆砌） → 30分 🟠 **标红**
     * 存在2处及以上L1 → 0分 🔴 **标红**
   - **附加扣分（v2.2新增）**：同一组织词（如"其一/其二/其三"、
     "首先/其次/最后"）在 **≥4个不同章节** 机械复用，额外 −20 分；
     ≥6个章节复用，额外 −30 分。此项即使各项内部有数据也照扣，
     因为它是可观察的模板化痕迹。

**3.3 拔高词与修饰词检测**（维度3，权重12%）— 5级分类
   - 识别拔高词并分级：L1(绝对化+无数据) / L2(相对化+泛泛对比) / L3(定量无基准) / L4(定量有数字无对比) / L5(完整定量+充分对比)
   - 检查拔高词后是否有量化证据（数字、对比、百分比）
   - **判分（收严）**：
     * L5为主且拔高词密度<8% → 100分 🟢
     * L4-L5为主 → 80分 🟢
     * L3为主 → 55分 🟡
     * 存在 **1个** L1或2个L2 → 30分 🟠 **标红**（原需>3个才归零）
     * 存在 **2个及以上** L1 → 0分 🔴 **标红**
   - 参考资源：[references/layer1-enhanced-detection.md](references/layer1-enhanced-detection.md) §2.3

**3.4 被动句占比与语态分析**（维度4，权重9%）
   - 抽取论文5个代表段落，统计被动句占比（正常范围10-20%）
   - 检查是否出现连续>3句都是被动语态的"生硬段落"
   - 被动句中是否都有明确的执行者
   - **判分（收严）**：
     * `<15%` → 100分 🟢
     * `15-22%` → 85分 🟢
     * `22-27%` → 55分 🟡（原25-30%才扣到60）
     * `27-33%` → 30分 🟠 **标红**
     * `>33%` → 0分 🔴 **标红**
   - **附加扣分**：出现连续≥4句被动语态的段落，每处 −10 分

**3.5 段落结构规律性检测**（维度5，权重6%）
   - 抽取20段，统计段落开头词的重复率和段长分布
   - 检查开头方式是否多样化（"根据""为了""利用前问的"等）
   - 段落间是否有明确的逻辑承接（"由上可知""基于此"等）
   - **判分（收严）**：
     * 开头词重复率 `<15%` → 100分 🟢
     * `15-28%` → 80分 🟢
     * `28-40%` → 50分 🟡
     * `40-55%` → 25分 🟠 **标红**
     * `>55%` → 0分 🔴 **标红**
   - **豁免**：数模论文各建模章节遵循"建模思路→模型建立→求解→
     结果→检验"五段式属文体常规，该章节级结构重复**不计入**本项；
     本项只统计**段落级**的开头方式重复。

**3.6 文本复杂度分析**（维度6，权重1%）
   - 计算词汇多样性TTR = 不同词数/总词数
   - 分析3-gram重复率（"本文采用""通过...方法"等）
   - 观察熵值和n-gram频率是否过于规律
   - **判分（收严）**：
     * TTR>0.55 且 3-gram<4% → 100分 🟢
     * TTR 0.45-0.55 或 3-gram 4-8% → 65分 🟡
     * TTR 0.35-0.45 或 3-gram 8-13% → 30分 🟠 **标红**
     * TTR<0.35 或 3-gram>13% → 0分 🔴 **标红**

**4. 事实层面检测（3维，权重40%）**

> ⚠️ 本层任一维度触发"一票否决项"时，**直接判定论文风险等级**，
> 不再按加权分核算。详见 references/layer1-enhanced-detection.md §4.3。

**4.1 引文验证**（维度7，权重15%）— 融合nature-detector的L1-L3检查
   - **L1【快速检查】**（30秒）：DOI格式、作者名、期刊名、发表年份规范性
   - **L2【存在性验证】**（2-3分钟）：Google Scholar/知网验证文献是否存在，信息是否匹配
   - **L3【主张-支撑匹配】**（5分钟，抽查不少于5篇关键文献）：
     * 论文引用该文献的方法/结论是否与原文一致
     * "数据集XXX"是否真的存在且规模一致
     * "按照XXX的方法"是否在原文中有明确描述
   - **判分（收严）**：
     * 全部通过L1-L3，且无未引用的"凑数文献" → 100分 🟢
     * 全部存在，但有1-2篇列入文献表却未在正文引用 → 80分 🟡
     * 有1篇作者/年份/期刊信息不符 → 25分 🔴 **标红 + 触发否决**
     * 有任1篇**确认不存在** → 0分 ⛔ **标红 + 强制高风险**
   - **附加检查**：文献总数<6篇 或 >25篇，−10分；全为综述/教科书
     而无具体算法论文，−15分

**4.2 数值一致性追踪**（维度8，权重15%）
   - 构建"参数溯源表"：列出所有关键参数，逐一追踪其在全文的使用位置
   - 复算数值间的算术关系（占比、差值、合计是否自洽）
   - 验证参数来源层级（L1赛题给出 / L2前问推导 / L3物理约束）
   - **判分（收严）**：
     * 全部一致 + 算术自洽 + 来源清晰 → 100分 🟢
     * 一致但个别参数来源未说明 → 75分 🟡
     * 存在偏差1-5%且**未加解释** → 35分 🟠 **标红**
     * 存在偏差>5%且**未加解释** → 0分 🔴 **标红 + 触发否决**
   - **加分项（v2.2新增，上限+5）**：论文**主动披露**数值差异并解释
     其来源（求解器容差、独立实现差异等），视为人工复算的正面证据。
     此类披露**不触发否决**。
   - **幽灵参数**：任一关键参数无法追溯到L1/L2/L3任一层级，每个 −15分

**4.3 术语一致性检测**（维度9，权重10%）
   - 构建"术语追踪表"：列出5-7个核心概念
   - 追踪各术语在全文的表述方式
   - 检查是否存在"一个东西多个名字"
   - **判分（收严）**：
     * 完全一致 → 100分 🟢
     * 仅存在领域公认同义词（如"粗差/过失误差"） → 85分 🟢
     * 1个核心术语有2种表述 → 55分 🟡
     * 1个核心术语有3种及以上表述 → 25分 🟠 **标红**
     * 多个核心术语混乱（尤其算法名称） → 0分 🔴 **标红**

**5. 综合评分汇总**

```
第一层质量分 = 
  维1×0.20 + 维2×0.12 + 维3×0.12 + 维4×0.09 + 维5×0.06 + 维6×0.01
+ 维7×0.15 + 维8×0.15 + 维9×0.10

第一层风险分 = 100 − 第一层质量分     ← 必须转换后再查等级表
```

### 第三阶段：第二层 - 数学建模逻辑审查（权重40%）

8. **五项深度检查**  
   对论文的每个模型，依次进行：
   
   - **2.1 模型常用性判断**  
     对标[表9：数模常用模型库]，判断该模型是否为竞赛常见模型，还是AI高频的"高大上"模型
   
   - **2.2 复杂度vs收益评估**  
     该模型的时间/空间复杂度是否与问题规模匹配？能否用更简单的方法？复杂度提升的收益有多大？
   
   - **2.3 华而不实识别**  
     检查五大特征：(1)模型名复杂但实现不透明，(2)无基线对比，(3)不必要的超参数调优，(4)通用化无边界，(5)模型数过多
   
   - **2.4 模型选择"三问法"**  
     对每个模型：问1-本题问题性质？问2-本题数据特征？问3-为什么选这个而不选替代？  
     三问都能清晰回答 → 低风险；任何一问无法回答 → 中等风险

   - **2.5 建模路径风格对照**  
     从建模路径、问题简化、模型选择、假设、数据适配、求解主线、结果解释、论文表达、稳健性和评审呈现十个方面，区分“人主导的渐进建模”与“AI式复杂化倾向”。详细规则见 [references/audit-framework.md](references/audit-framework.md)。该项只能作为组合证据：单独出现复杂模型、较多参数或较长篇幅，不得直接判定为AI生成。

9. **第二层输出**  
   综合2.1-2.5的检查结果，汇总成"建模逻辑评分表"，给出建模逻辑风险等级

### 第四阶段：综合评分与报告生成

**最终AI风险分** = (第一层风险分 + 第二层风险分) / 2 → 0-100

> 两层都必须先由质量分转换为风险分（`风险分 = 100 − 质量分`）再取平均。
> 直接对质量分取平均会得到方向相反的结论。

**风险等级（v2.2 收严）**：
- 0-15：🟢 低风险 — 可直接接收
- 16-30：🟡 中低风险 — 可接收，需补充改进
- 31-50：🟠 中风险 — 需深度检查后再决定
- 51-70：🔴 中高风险 — 强烈建议强制改稿
- 71-100：⛔ 高风险 — 建议拒稿

**一票否决**：触发 references/layer1-enhanced-detection.md §4.3
任一条件时，直接采用该条规定的等级，不再按加权分核算。

---

## 报告标红规范（v2.2强制）

报告必须让问题**一眼可见**，不得把风险项混在通过项里平铺呈现。

**颜色语义**（HTML报告统一使用）：

| 状态 | 色值 | 触发条件 | 呈现要求 |
|---|---|---|---|
| 🔴 严重 | `#c0392b` | 维度得分 `<30` 或触发一票否决 | 红底红框卡片 + 置于报告最前 + 列出证据页码 |
| 🟠 警示 | `#e67e22` | 维度得分 `30-54` | 橙色左边框 + 明确写出改进动作 |
| 🟡 注意 | `#f39c12` | 维度得分 `55-79` | 黄色标记 + 一句话说明 |
| 🟢 通过 | `#27ae60` | 维度得分 `≥80` | 常规呈现，不占视觉重心 |

**强制要求**：
1. 任一维度 `<55` 时，报告顶部必须有**红色警示区**，汇总全部标红项
2. 每个标红项必须包含三要素：**问题描述 + 证据位置（页/节）+ 具体改法**
3. 不得用"建议优化""可以更好"这类模糊措辞描述标红项
4. 评分表中标红行使用红色背景，不能只靠一个小图标区分
5. 若全部维度均 `≥80`，才可在结论区使用绿色通过卡片

**生成两个版本HTML报告**：
- 简洁自检版：问题定位 + 优先级排序 + 快速改进指引
- 完整审查版：按论文结构逐部分详细分析 + 具体修改建议 + 参数溯源表

所有报告均标注"**BZD数模社制作**"，支持下载和打印

---

## 关键输出物

### 1. 第一层输出表（增强的9维融合框架）

```
【第一层评分汇总 v2.1】

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
【语言层面】(权重60%)         得分/100  权重    贡献
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
维度1: 高频连接词密度         XX/100   12%    XX%
维度2: 排比/同构句式          XX/100   7.2%   XX%
维度3: 拔高词(5级分类)       XX/100   7.2%   XX%
维度4: 被动句占比            XX/100   5.4%   XX%
维度5: 段落规律性            XX/100   3.6%   XX%
维度6: 文本复杂度(TTR/熵值)  XX/100   0.6%   XX%

语言小计                                60%    XX分

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
【事实层面】(权重40%)         得分/100  权重    贡献
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
维度7: 引文验证(L1-L3)       XX/100   15%    XX%
维度8: 数值一致性(参数追踪)  XX/100   15%    XX%
维度9: 术语一致性            XX/100   10%    XX%

事实小计                                40%    XX分

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
第一层最终得分                          XX/100
风险等级                        [绿/黄/橙/红/黑]
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

关键诊断：
🔴 高风险指标（需立即处理）：
   - 拔高词"显著"XX次，后跟数据仅XX次
   - TTR值XX < 0.4（词汇极度重复）
   
🟡 中等风险指标（需改进）：
   - 被动句占比XX% (目标15-20%)
   - 3-gram重复率XX% (目标<5%)

✅ 通过指标（无需改进）：
   - 引文5篇全部验证通过
   - 关键参数追踪完全一致
   - 术语使用基本统一
```

**增强说明**（相比v2.0）：
- ✨ 引文验证不再只是"格式检查"，而是真实性和支撑匹配度检查
- ✨ 增加了数值参数追踪，能发现虚构数据或计算不一致
- ✨ 增加了文本复杂度的科学度量（TTR、n-gram频率）
- ✨ 增加了术语一致性检测，发现概念混乱

### 2. 第二层输出表（模型合理性审查）

```
【第二层评分汇总】

模型常用性判断：            XX/100
  Q1: 模型名 → 常用/自定义/AI高频

模型复杂度评估：            XX/100
  Q1: 复杂度 vs 问题规模 → 合理/过度

华而不实识别：              XX/100
  五大特征检查 → 无/少/多

模型选择"三问法"：          XX/100
  Q1: 问题明确？Q2: 数据特征？Q3: 替代论证？

建模路径风格：              XX/100
  十项对照：渐进建模 / 混合 / AI式复杂化倾向

第二层总分 = XX/100
```

### 3. 最终AI风险评分

```
最终AI风险分 = (第一层 + 第二层) / 2 = XX/100
风险等级 = 🟢低 / 🟡中低 / 🟠中 / 🔴中高 / ⛔高
置信度 = 低/中/高（基于输入材料完整性）

关键发现：
  ✓ 建模逻辑清晰/✗ 模型选择有风险
  ✓ 参数溯源完整/✗ 参数来源模糊
  ✓ 问间对接明确/✗ 跨问联动不清
  ...
```

### 4. HTML分层报告

三个版本均自动生成，包含：
- 学生自检版：5分钟快速诊断清单 + 高频陷阱对照表 + Top3改进
- 老师评审版：两层评分表 + 问题清单 + 审查意见
- 完整审计版：详细的五维分析 + 两层审查 + 逐板块建议 + 综合评分

---

## 特殊说明

### 关于"置信度"

- **仅论文**：置信度 = 中（±8-12分）
- **论文+赛题**：置信度 = 中（±6-10分）
- **论文+赛题+代码/结果**：置信度 = 高（±5-8分）
- **再加版本历史或对话记录**：置信度 = 高（但仍非身份鉴定）

### 关于"模型选择"的AI痕迹

本工具重点关注模型选择中的两类典型AI痕迹：

1. **自证式论证**：选择模型因为"该模型精度高、效率高"（不说明本题为什么需要）
2. **高大上陷阱**：使用深度学习、强化学习、复杂优化等不必要的复杂模型

这两类是AI生成论文最容易被识别的特征。

### 关于"参数溯源"

每个参数应能追溯到：
- **L1：赛题直接给出**（标注\*来自赛题）
- **L2：前问推导出**（标注\*来自问i的结果）
- **L3：物理约束推导**（标注\*由XXX约束推导）

无法追溯的参数 = 幽灵参数 = 高风险

---

## 文件清单

```
bzd-paper-aigc-auditor/
├── SKILL.md                          （本文件——skill定义）
├── README.md                         （项目说明）
├── references/
│   ├── audit-framework.md            （五维评分标准+检查表）
│   ├── humanizer-keywords.txt        （Humanizer-zh高频连接词表）
│   ├── models-zh.md                  （数模常用模型库vs AI高频模型）
│   └── patterns-zh.md                （AI常见自证式论证模式库）
└── templates/
    ├── BZD数模论文AI痕迹自查指南.html       （学生自检用户指南）
    └── BZD数模论文AI痕迹审计报告模板.html   （审计报告——简洁版+完整版）
```

---

## 快速开始

**用户（学生/老师）流程**：

1. 准备论文PDF或Word
2. 打开"BZD数模论文AI痕迹自查指南.docx"，按步骤操作
3. 调用本skill进行审计
4. 获得分层HTML报告
5. 按报告中的建议改进论文

**社团/评委流程**：

1. 收集参赛论文 + 赛题 + 代码（可选）
2. 批量调用本skill
3. 汇总HTML报告，形成评审档案
4. 用"老师评审版"或"完整审计版"进行决策

---

## 版本信息

- **当前版本**：v2.0（2024-XX）
- **改进内容**：
  - 加入Humanizer-zh高频连接词检测
  - 增加第二层"模型合理性"审查
  - 从单一报告升级为分层HTML报告
  - 权重调整：语言60%+其他40%
  - 新增"三问法"和"华而不实"识别

- **适用场景**：CUMCM、美赛、国赛、校赛等数学建模竞赛
- **支持平台**：Claude Code、Codex均可使用

---

## 重要声明

⚠️ **本工具的限制**：
- 该评分**不是作者身份概率**，也不能替代正式AIGC检测或查重服务
- 仅凭成稿无法证明某句话由AI生成
- 数学建模中的规范句式、模型名称、专业术语天然可能重复
- 模型的创新性不等于AI拼装（本工具只判断模型选择的合理性）

✅ **本工具的优势**：
- 专针对数学建模竞赛的AI痕迹识别
- 融合Humanizer-zh的中文文本分析
- 两层递进式检查，避免误判
- 分层输出，适应不同用户
- 可持续更新的模型库和模式库