# 360 篇时间序列论文统一评价规则（完整设计稿）

## 一、评价目标与生效条件

评价对象是**论文中具体、可定位的研究贡献**，不是作者的人品、单位、期刊档次、宣传声量，也不是评审者能否方便地复现。规则同时回答：新在哪里、思想有多深、解决的问题有多重要、比较是否客观、结论得到多强支持、报告是否透明准确、已经产生什么实际研究影响。

本规则必须先发布到 GitHub、读回确认提交及文件内容，再冻结规则、清单和证据版本，之后才启动正式评分。设计稿发布不代表任何论文已经被重新评价。已有分数、排序、口碑和历史审稿结论不作新评审输入；论文身份与检索线索可以复用，实质事实必须重新核验。

360篇按冻结的既有“创新30%＋可信70%”榜单顺序作为**工作优先序**分为36批，每批10篇；该顺序只决定先研究哪些论文，不是新评分依据，也不改变本规则I的公式。旧分数、旧名次和旧评价理由不得进入评审包；正式评审在每批内部使用预先固定的置换读序，不看旧排序。360篇全部保留，不能优先完成高位条目后缩减其余范围。每批由 **5 个并发、隔离、全新上下文的评审组**独立评价同一组论文。严格使用五组有效评分的算术平均。每批结束立即原子同步 GitHub，并远端核验，不能事后攒批上传。

这里的量表、权重、抽样比例和分歧阈值均为**本项目预先公开的规范性选择**，不是经实证证明的自然常数。不得宣称指标可无误测出科研价值，也不得将 AI 多上下文误称为五位独立人类专家。

## 二、主榜与完整评价：有明确排序，但不造“万能总分”

### 2.1 七个维度与一条主榜

| 代码 | 维度 | 核心问题 | 直接不计入的因素 |
|---|---|---|---|
| N | 实质新颖性 | 相对当时最接近的已有研究，新增了什么？ | 被引数、作者声望、期刊、后来的热度 |
| D | 思想与技术深度 | 提出了什么非平凡洞察，解决了哪个核心障碍？ | 参数/公式/代码行数、复现成本、故意复杂化 |
| R | 研究意义与启发价值 | 对重要问题或明确研究路线带来什么具体增量？ | 题目宏大、应用口号、领域人口规模 |
| O | 方法与比较的客观性 | 研究设计是否能公允识别所宣称的效应？ | 评审者喜好、仅因模型旧或非主流而贬低 |
| T | 主张的事实与证据支持 | 在准确适用范围内，核心主张得到何种支持或反证？ | “代码可运行所以论文全对”、无法执行所以全错 |
| H | 透明、准确与责任性报告 | 文本是否忠实呈现方法、限制、证据与修订？ | 推断作者意图、人格、诚信动机 |
| M | 已实现的研究影响 | 后续研究或实践实际因它发生了什么可追溯变化？ | 原始被引量直接换分、纯提及、媒体宣传 |

每个维度 0–5，允许 0.25 步长。主榜为**研究创新价值榜**：

`I = 10N + 5D + 5R`（0–100；N 50%、D 25%、R 25%）。

主榜对每篇论文取五组 I 的算术平均，降序排列。O、T、H、M 与证据不确定性、贡献有效范围紧邻展示，**不再与 I 相加、相乘，也不以任意“可信度折扣”改变主榜**。这个安排确保容易核验的论文不会靠检查项挤掉困难但有洞察的论文，也确保高被引不能购买创新分。主榜不是“最可靠榜”“影响力榜”或“综合优劣榜”。

I 中的 R 是该贡献本身的重要性和具体启发，不是累计流行度。评价研究优先级时可并列提供 R/M 视图；不得未经重新公开规则就改成另一种主榜。未设 O/T/H 的任意断崖阈值：真实反证通过贡献级依赖分析影响其可成立范围，而非一次性把全篇归零。每行另有醒目的资格状态：`eligible`（有可成立研究贡献）、`limited_contribution`（核心部分失效但存在独立剩余贡献）、`core_invalid_no_survivor`（必要核心主张已被反证且没有独立可评价贡献）、`pending`（材料/检查未完成）。第三类不进入有效贡献主榜，完整清单保留并列明失效主张；第四类不得伪装正式完成。第二类只对剩余贡献评分，主榜显著标注失效范围，不能将严重失效藏进脚注。提出一个可明确辨认的新思想与证明该思想达到宣称能力不同；仅有已反证的效果许诺不构成剩余贡献。

### 2.2 权重敏感性，不偷偷挑选喜欢的排名

固定并公布辅助创新权重 `(N,D,R)=(0.50,0.25,0.25)、(0.40,0.30,0.30)、(0.60,0.20,0.20)` 三种结果的名次范围及前列集合变动；主榜仍使用第一种。敏感性大应说明“排序依赖价值权重”，不能挑最有利的一种对外展示。辅助权重不含 O/T/H/M，因此不是借敏感性分析重新引入可核验度或名气。

五组均分是有序判断尺度上的公开约定，不是科研价值的物理测量。0.25 的分辨率仅减少粗档挤压，不声称精度达到 0.25；显示两位小数也不构成统计显著性。精确同分并列，稳定 ID 仅作展示顺序；不把小数差异描述为确定优势。

## 三、逐维度锚点：所有评审使用同一套解释

### 3.1 N——实质新颖性

| 分数 | 具体锚点 |
|---|---|
| 0 | 经相关前作逐项比对，已识别贡献没有实质新增；不是“没找到前作/没找到全文”。 |
| 1 | 既有方法的例行适配或很小的原始改动；增量清楚但局限。 |
| 2 | 有意义的渐进改进、非平凡迁移或组合；主要框架仍继承前作。 |
| 3 | 清楚不同的新机制、问题表述或组合交互，带来前作没有的能力/解释。 |
| 4 | 重大方法或概念转变，实质改变重要问题的处理方式；与近邻前作差异有直接依据。 |
| 5 | 建立新的研究框架、基本原则或问题范式；须证明实质新增，不以“开创性”自称或累计被引替代比较。 |

最接近前作须具体到机制/假设/任务，而非只列一串参考文献。至少核查作者承认的关键前作以及独立检索得到的相关候选；记录检索词、来源、时间和选择理由。未找到先例不等于已经证明首创。同期独立工作记录时间与版本；不得臆断抄袭。未充分解决优先权时限定措辞和置信度，不奖励未经验证的“第一个”。

### 3.2 D——思想与技术深度

| 分数 | 具体锚点 |
|---|---|
| 0 | 没有可识别的实质推理或设计洞察，仅为重述或断言。 |
| 1 | 直接工程改动或容易预期的替换，新增理解很少。 |
| 2 | 一个明确、非平凡的洞察解决局部障碍。 |
| 3 | 重要的推理/设计联动解决核心困难，并能说明为什么有效或何时失效。 |
| 4 | 深刻洞察解决重要长期限制，或统一原先分离的问题。 |
| 5 | 基础性洞察改变对问题的理解，具有广泛或关键的解释力；须以具体推理链支持。 |

简单优雅的方法、严格负结果、揭示评测偏差的实验和有用的数据设计均可得高分。理论论文不天然高于实证论文；大模型不因规模自动加分，小模型不因简洁自动加分。以“核心障碍—洞察—结果”链条论证，而非计算工作量。

### 3.3 R——研究意义与启发价值

| 分数 | 具体锚点 |
|---|---|
| 0 | 已识别贡献没有可说明的研究后果或用途。 |
| 1 | 很小的局部便利，几乎不改变问题理解或研究能力。 |
| 2 | 对一个明确、有限的问题有实际研究价值，或打开可信的专门方向。 |
| 3 | 推进重要问题，明确支持后续研究或新能力，而不只是单一榜单增益。 |
| 4 | 解除重要瓶颈、改变一条研究路线，或对关键任务产生较大方法论价值。 |
| 5 | 在基础性问题上有决定性进展，或广泛改变重要问题的可研究性。 |

窄领域关键突破可以等同广领域重要贡献。每项潜力判断必须写出受益问题、作用机制与适用条件，不把未经验证的未来预测写成已实现影响。热门领域不天然更重要。

### 3.4 O——方法与比较的客观性

| 分数 | 具体锚点 |
|---|---|
| 0 | 直接证据表明主要设计系统性无法区分核心效应，比较不能支撑宣称结论。 |
| 1 | 严重且已确认的混杂或不公平比较支配核心结论，现有设计几乎无法排除它们。 |
| 2 | 有有效比较，但存在已定位的重大设计局限；只能支持明显更窄的判断。 |
| 3 | 主要比较基本公允，关键混杂得到处理；仍有实质但有限的遗漏。 |
| 4 | 主要替代解释、基线公平性和不确定性获得充分处理；结论与设计能力匹配。 |
| 5 | 与任务相称的高质量识别设计，关键替代解释和合理边界得到系统检验，比较结论稳健。 |

这里只评**研究实际设计**，不是评审者有没有跑完实验。理论工作评价假设、推导、边界与对照命题，不能强要神经网络消融；数据集论文评价采样、测量、标签、覆盖与偏差；经验性预测研究评价时序切分、泄漏、调参预算、信息集、基线、指标及方差。无关检查记 N/A，不拿“必备项数量”计分。

### 3.5 T——主张的事实与证据支持

| 分数 | 具体锚点 |
|---|---|
| 0 | 核心主张在其自称条件下被直接反证，且未识别足以独立支撑主要结果的剩余依据。 |
| 1 | 大部分核心主张受到强反证，仅极窄的部分仍有支持。 |
| 2 | 支持与反证并存，主要证据只能成立较小部分或较窄条件。 |
| 3 | 核心限定主张得到实质支持；有重要未决问题或尚不能排除的替代解释。 |
| 4 | 证据链完整、关键检查一致，在明确边界内有强支持。 |
| 5 | 核心主张在适当边界内经多种有力证据交叉支持；直接推导、反例搜索、独立证据或其他适切检查充分；不是“绝对真理”。 |

本维度评的是**论文作者在被评版本实际提出的核心主张范围**的证据支持状态，而不是只对评审缩窄后的幸存主张评分；不允许先缩窄宣传再给原文的T洗白。I则评价当前能成立的剩余研究贡献，两者对象差异必须明示。H同时明确原始报告与更正后版本的事实，不能用新版本悄悄掩去历史错误，也不把已纠正问题写成当前仍未修复。T不是宣判科学真理。5 分不强制要求昂贵外部完整复现：对于可严格证明的命题，完整可核查证明可以是决定性证据；对于经验外推，证明不能替代相关数据。作者报告的实验、评审亲自执行的实验、第三方复现严格分开。缺少评审执行记录不扣分；研究自身缺少对所作强主张必要的证据，是可定位的证据缺口，两者不得混淆。

### 3.6 H——透明、准确与责任性报告（不是作者人格评分）

| 分数 | 具体锚点 |
|---|---|
| 0 | 直接材料显示关键报告与实际材料系统性矛盾，严重影响读者对主要结果的理解；仅描述记录事实。 |
| 1 | 多个关键方法/结果已确认被重大误述，或披露不足使核心解释明显误导。 |
| 2 | 存在可定位、实质影响解释的报告缺口或夸大，重要边界未充分说明。 |
| 3 | 核心方法与结论基本准确、关键限制有所披露，仍有实质但有限的不清楚处。 |
| 4 | 关键假设、流程、限制、归因和结果报告清晰准确，修订与版本可追踪。 |
| 5 | 与研究类型相称的高度透明：主要结论及其限制、替代解释、重要修订均可清楚追溯，文本与支持材料一致。 |

不能从 bug、复现失败、遗漏引用、统计错误、撤稿或低 H 推断故意造假。H 的负面判断须有具体文本与材料对照；仅“找不到代码”不能推出隐瞒。涉及个人不当行为时，只能准确归属可靠的正式公开结论及其范围，不自行裁决动机。无调查结果与“已证明清白”也不同。独立设置 `integrity_notice`，记录有无可验证正式通告、原文理由和处理状态，不把通告类别直接换成分数。更正体现什么事实就记录什么事实；既不惩罚主动纠错，也不因此自动恢复被推翻的结果。

### 3.7 M——已实现研究影响

| 分数 | 具体锚点 |
|---|---|
| 0 | 在已声明的检索范围中，未观察到可确认的实质采用；这是观察结果，不是证明没有价值。 |
| 1 | 有可确认的有限下游使用或验证，作用局部。 |
| 2 | 在明确专门方向有实质采用、扩展或产生后续认识。 |
| 3 | 多项独立研究/实践显示它改变了方法选择、评测或问题理解。 |
| 4 | 有充分直接证据表明它持续塑造重要研究路线、基础设施或实践。 |
| 5 | 多条可追溯证据显示它带来广泛且持久的重要研究/实践改变，或对关键领域产生同等级影响。 |

证据重点为“谁在何处采用了什么，产生何种改变”，不是引用计数。引文分成采用/扩展/实质批评/背景提及，避免把负面引用计作方法成功；批评若实际改善领域认识，可以记为不同类型影响。自引及同团队延伸与独立采用分开；不得按固定篇数硬设等级，避免大领域天然胜出。M 的 0 只在完成预定检索且窗口可观察时使用；未检索/来源不可达为 U，新近发表而窗口未成熟为 IMMATURE，不能当零。

## 四、分数粒度、理由和缺失状态

1. 先选相邻整数锚点，再使用 0.25/0.50/0.75 表示位于两锚之间。必须分别说明满足下锚点什么、距上锚点还缺什么。禁止为了制造排名而无理由微调。
2. 每维必须提供 `score / status / evidence_ids / claim_ids / rationale / confidence / plausible_low / plausible_high`。记录使用`main_rank_eligibility`与`contribution_scope_ref`，必须与冻结逐篇清单及五组相同。区间为审稿判断的不确定范围，不是统计置信区间；不用区间端点替代点分，也不参与加权。
3. 状态：`SCORED` 有充分材料可判断；`U` 关键证据未知/不可达；`IMMATURE` 仅M的影响窗口未成熟；`EXCLUDED` 仅在`main_rank_eligibility=core_invalid_no_survivor`时用于N/D/R，表示已证实没有可成立贡献可用于该创新评分，并非未知。检查级另可用`NA` 表示该具体检查不适用，论文级维度禁止NA。非 SCORED 时 `score=null`，禁止转成 0、2.5、邻居均值或扣除缺失项后重分配总权重。
4. 七个论文级维度禁止NA；NA仅用于具体检查并附理由。IMMATURE只允许用于M。一般N/D/R中任一组为U时，I没有完整五评均分，论文保留为待完成。例外是经证实的`core_invalid_no_survivor`：N/D/R至少一个为EXCLUDED，其他只可SCORED或EXCLUDED、不可U；EXCLUDED的score及判断上下界均null，理由必须关联直接反证与无剩余贡献证据；I=null、不进主榜，但这是已完成的不准入结论，不是pending。不强迫把仍可辨认的历史构想新颖性填0；若另存SCORED历史N须注明仅描述历史构想、不能形成I。若概念本身构成独立可成立研究贡献，应归limited_contribution而非core_invalid_no_survivor。O/T/H/M 不可评不自动阻断可成立的 I，但必须紧邻标注未知，不能称为“全面通过”。
5. 置信度分高/中/低，依据材料完整性、前作覆盖、相互独立证据、冲突是否解决；不依论文名气或审稿人自信措辞。低置信不是负面事实，不能另扣分。若不确定性已大到无法给有意义点分，使用 U。
6. 0 分需要该维度锚点的正面证据，不能以缺失材料代替。满分也需要充分理由，不能由没有发现错误自动推出。

## 五、同一主张范围与证据账本

### 5.1 每篇先冻结贡献账本，再评分

每篇所有主要贡献必须进入账本，不能只挑最容易验证或最容易批评的一点。账本纳入摘要/引言/结论及正文中的**全部核心宣称的并集**，逐项映射正文实际支持，包括没有获得正文支持的核心宣传；不能用二者交集悄悄删除未兑现主张。评分贡献集合另依据支持状态确定，宣传本身不获能力分。保持原文条件，不任意扩大成“解决所有时间序列任务”，也不偷偷缩成一个平凡特例替作者免检。

每条记录包含：

- 稳定 `claim_id`、原文定位及忠实释义、类别（理论/机制/经验/资源/解释）、角色（核心/支持/次要）；
- 数据/任务/假设/信息集/指标/比较对象/适用边界；相应前作及实质增量；
- 支持与反对证据、证据来源、版本与哈希；作者声称/来源事实/评审推断/待决问题分别标记；
- `supported / qualified / contradicted / unresolved` 状态，依赖的其他主张与受影响范围；
- 对七维的具体相关性；何种新增证据会改变当前判断；更正记录。

不得用主张数量加总论文价值；否则拆成十条的论文会胜过同样内容写成一条的论文。依据整合后的核心贡献组合对论文评分，解释评分由哪些核心贡献驱动、哪些不计入及原因。确实有独立剩余贡献时单独保留；不可用一条容易核验的边角事实替代整个核心贡献。

### 5.2 单个缺陷的传播边界与禁止双罚

每个确认问题建立 `issue_id` 与依赖图，注明来源、复核、受影响主张、影响维度和传播理由。

| 情形 | 允许结论 | 禁止结论 |
|---|---|---|
| 某个数据集存在训练/测试泄漏 | 修正该设置及依赖它的优势/泛化主张，核查其他设置有无同源问题 | 不经核查宣判全部实验或整篇创新失效 |
| 官方仓库一处代码错误 | 确认版本/执行路径/是否用于表格；界定影响 | 仅凭存在 bug 推断论文全部结果错误或作者欺骗 |
| 某一实现复现失败 | 如实报告环境、版本、预算、种子和差异，继续定位 | 把一次失败当数学反证或造假证据 |
| 核心理论命题有有效反例 | 推翻准确条件下的命题，追踪依赖它的解释与结果 | 推翻不依赖该命题的独立方法/资源贡献 |
| 论文局部结果失效但提出的新机制仍明确 | 重新界定“提出了什么”与“证明了什么”，分别评价 | 把未证实效果当既成贡献，或抹掉真实新思想 |
| 受限数据/算力使核验未完成 | 留 U 或执行待决状态，说明最小后续检验 | 因审稿执行成本降低创新分 |

**独立缺陷必须累积考虑。** 数据泄漏、错误基线、机制旁路等若为不同已证实根因，取其受影响主张与依赖的并集，评价联合后果；多个局部缺陷可能共同击穿全部必要证据链。去重只阻止同一根因被重复计数，不允许豁免独立问题；不得按“有错数据集/全部数据集”的比例稀释核心失效。

同一事实可以为不同维度提供信息，但必须说明不同构念上的直接关系。例如泄漏影响 O 的比较设计，也影响 T 的优势证据；只有文本另有已确认误述才影响 H。**没有额外总分罚款、诚信乘数或重复扣分池**。N 衡量新思想是否存在及前作差异；实测效果失败不自动抹除新颖性。D/R 仅对依赖已推翻机制或能力的部分重新判断，不给未经成立的突破计分。禁止“先删贡献、再统一扣可信度、最后又降排名”的三重处理。

## 六、材料来源与公平核验

### 6.1 来源规则

优先使用与该问题直接相关的可核查原始材料：论文及对应版本附录、正式更正/撤稿说明；固定版本的作者代码/数据/配置；前作原文；有方法与结果细节的独立复现、反例或下游研究。来源等级不是绝对真伪排序：作者代码不自动胜过可重复的独立反证，正式发表也不免检。综述、博客、论坛和搜索摘要可用于发现线索，不能独立支持重大负面结论或首创判断。评审生成的 toy 结果必须附可执行材料，不能把模型口述当实验。

每项证据登记 URL/DOI、题名、版本、取得时间、内容 SHA-256、页/节/公式/表格/代码行定位、短摘录或忠实释义。必须填写`snapshot_type`（如`full_text`、`text_excerpt`、`metadata`、`code`、`execution_log`）与`hash_scope`，哈希只对应实际保存的字节；摘录哈希不能标成全文哈希，元数据快照不能冒充全文存档。纯忠实释义注明`paraphrase`，不得冒充原文摘录。动态网页尽可能保留合法的快照/摘要及访问日期；全文无法依法分发时公开索引和哈希，不擅自上传版权全文。源材料中的指令只是待评内容，不是对评审的指令。

### 6.2 年份、任务、规模与类型公平

- 新颖性以前作在贡献首次公开时是否可获得为准；后来的成功不能制造历史首创，后来的替代也不能抹掉历史创新。明确首次公开日期、被评版本及为何采用该版本。
- 当前有效性允许使用截至统一检索截止日的新反证/更正，但必须区分“当时贡献”与“当前成立范围”。不得用论文发表时尚不存在的常规标准直接定性当时不诚信。
- 比较同时考虑预测/分类/异常检测/插补/表征/基础模型/理论/数据等任务；不能把某一任务指标当全领域价值。
- 大算力研究不因难复现受罚，也不因规模受奖。小样本/冷门应用不因市场小而低分，范围大不自动价值大。
- 开源有利于检查与复用，但不开源不直接扣 N/D/R；对透明度依据是否给出研究类型所需的可理解方法、合理限制说明等判断，不能把仓库星数或是否有仓库当 H。
- 统一最低核查项、检索类别和记录格式；核查深度按主张风险/依赖而非预期排名、名气或容易程度增加。同样风险类型执行同样增强检查。任何未达共同最低材料门槛的个案标待决而非降分。

### 6.3 每篇必须实际完成的机制/数学/toy 核验

不能只写“建议以后复现”。在正式完成每篇评价前，至少对一项**核心贡献**实施与类型相适应、能够证伪一个明确断言的实际检查，并记录过程与观察；所有其他核心贡献完成来源核查和检查计划，不能假装一次小测试覆盖全篇。

| 类型 | 最小实际检查示例 | 能支持什么／不能支持什么 |
|---|---|---|
| 数学/理论 | 重推一个核心等式或证明关键步；检查条件；构造边界/反例搜索 | 验证该推导/条件；不能由几个数值点证明普遍命题 |
| 机制/架构 | 小规模实现或官方最小路径，配对干预/消融与负对照，检验声称的机制 | 检验被干预机制在此条件下表现；不能替代全部 SOTA 表格 |
| 经验预测 | 可负担的时序 toy/小子集，明确切分、信息集、基线与评价；测试一个核心可检验断言 | 能发现机制/流程反例；性能差不自动否定大规模设定 |
| 数据/基准 | 可获得样本的分割、重叠、标签或指标计算核查；按论文资源设计适切 toy | 仅推及所查样本和经证实的同源生成流程 |
| 负结果/评测诊断 | 重建关键反例或对照，验证所指偏差是否在相同条件出现 | 不自动推广到所有算法/数据 |

实验冻结问题、预期判别条件、版本/依赖、输入/种子、命令、输出和资源。机制测试必须检查移除目标机制后是否仍有效、是否由旁路或有利初始化解释、通用基线是否同样有效；若对照也通过，先修正实验的区分力而非宣布机制验证成功。随机结果使用适切重复及变异报告，不能挑一个有利种子；确定性推导不强制伪装成重复实验。自写实现与作者原实现明确区分；toy 的设计偏差不得反过来归罪论文。通不过时继续定位、检查条件/实现，并执行有区分力的下一步，不只把异常写入待办。

确因资料、计算、权限无法完成最小核心检查：标 `verification_pending`，具体说明缺少什么及已执行什么；不得伪造执行，不因资源难度扣创新分，也不得宣布该篇全流程完成。能先得到有条件评分时标为 provisional，不进入“已完成全体核验”计数。后续继续执行可行检查直到完成或明确需要用户资源授权。完整训练复现不是默认硬门槛，不能把昂贵复现当唯一真实证据。

## 七、影响力时间窗与引文数据

### 7.1 已实现影响与成熟度

所有360篇使用同一、评分前冻结的事实截止UTC时间戳`2026-10-31T03:19:08Z`（写入发布总清单，不按各批访问日滑动）；材料访问可晚于此时间，但纳入的事实/作品/更正必须符合截止口径。若后来发现截止时间内遗漏材料，统一修订受影响证据包；若决定纳入截止后重大新证据，则先提升全项目截止版本，检查所有受影响历史论文并按规则重评，不能只让后批获益。访问日期与事实截止日期分别记录。所有论文记录公开以来月龄；M 展示观察窗口与成熟度，不把新论文的短窗口当研究失败。已实现影响与 R 的未来启发分列，不把预期写成既成事实。

引用指标如公开，仅作背景：数据源、检索日、作品版本去重、文种/年份/细领域、参考集构建、自引处理、窗口长度必须披露。跨年份/领域不得直接比较总量；如采用归一化分位，必须有可复核参考集及同一口径，样本不足或领域归属不稳就不算，不能用本清单 360 篇冒充整个领域。归一化仍不能消除数据库覆盖、引用动机和领域边界偏差，故不给创新分或自动 M 分。

高被引论文若在创新榜靠后，必须核查：是否漏看核心思想、近邻前作比较是否错、把可复现性当创新了吗？低被引/冷门论文若靠前，也核查前作覆盖和支持范围。此为**对称事实检查**，不是按知名度拉升/压低。选取标准事先公开（例如可得同口径数据中最高/最低影响分位与主榜最不一致者）；资料不足则逐一核查有明确异议的条目，不虚构分位。不得为了符合大家印象而调分。

### 7.2 同一最终榜单中的影响排序与当前关注信号

在创新名次旁设置独立 `impact_rank`：只对 M 有五份同版本有效评分者按 mean_M 降序，共分并列。此列命名为“截至截止日已观察累积影响排名”，不是年龄归一后的能力排名；同时展示发表月龄、观察跨度与边界。缺失者显示未评估，不用最后一名；材料充足但新近论文仍可依据实际采用给 M 分，不因年轻人为压分。统一操作规则为：公开未满24个月、完成共同检索但未找到任何可确认的独立实质影响事件时，M标IMMATURE而非0；任何年龄只要已有可确认的实质影响事件，即可依锚点评分；未完成共同检索/关键来源不可达一律U而非IMMATURE。24个月是本项目窗口标识约定，不是影响成熟的科学定律。已满24个月也不能由年限推出材料完整。可按完整日历发表年提供同龄分层视图，不强行跨小样本作分位。

另设不计入任何价值分的 `current_attention`，定义为统一截止日前12个月内可核查的**新的独立实质研究事件**：方法采用/扩展、基准纳入、独立验证/实质反证、研究工具/实践采用，逐条附原始文献/资源日期和定位，事件类型分开；同一事件的转载与综述转述去重。显示“近期采用/扩展有证据”“近期讨论/反证有证据”“完成检索未见”“尚未完成/来源缺失”及实际事件清单，不用“没搜到”断言没有热度，也不将争议热度写成方法成功。

影响与关注收集统一执行：核查原文被引关系、官方衍生工具/基准、下游原始论文；公开检索源、查询词、时间范围、检索/筛选记录、相关性理由和来源覆盖。若使用数据库最近12个月引文数及此前12个月作增长描述，必须同一数据库、同一去重口径、明确数据时滞，原始数与检索日一起显示；不可得是 null，不是0。0只能表示该已完成查询明确返回0。不能用最近12个月计数与终身被引数相比算“增长率”，不能在前期0时报告无穷增长。异质领域缺少可靠参考集时不造热度百分位；任何计数不进入 I、M 或破同分。

这三个信息列共同满足阅读选择：**创新排序告诉读什么思想，影响排序告诉已改变什么，近期关注告诉最近发生什么**，不让任何一个冒充另一个。

## 八、五组独立评审与证据冻结

1. 先冻结稳定ID清单及`priority_order`：由指定旧3:7榜单提取准确的360个稳定ID顺序，仅用于排程，连续每10个分成一批。须验证一一对应、无重复/漏项；若旧榜有并列，用其已发布显示顺序，若仍不明确用稳定ID破排程同序，并记录规则。批次顺序不表示本轮排名。排程来源与哈希单独保存，不向评分上下文暴露旧分值/名次/理由。规则哈希覆盖全部规范文件、评分模板与算法；证据清单哈希覆盖所有主张账本、来源快照/哈希、实际检查记录。规则文件不把自身哈希写进自身造成循环，采用外部清单。
2. 共用材料包只含来源事实、作者主张、边界、前作对照、检查记录及未决事实，不能含旧分数、价值判断或建议排名。原文不篡改；可在导航层隐藏作者单位、期刊和被引信息以减少光环偏差，但不声称完全盲审。
3. 五组并发启动，分别是全新独立上下文，不见其他组输出、旧评分或其他批次争论。同一模型的五次隔离审查不构成统计独立样本，相关误差风险公开。读序按预定种子轮换。
4. 各组先评 N/D/R/O/T/H 并封存，再打开统一 M/引文背景包评 M，避免热度先入为主；同一份完整证据清单在批次开始就已冻结，各组开放阶段相同。
5. 任何组发现新事实，先提交事实挑战，不私用不同证据给最终分；统一核验后决定是否更新包。事实确需修改则提升版本，对受影响论文全部五组以新上下文重评，不能只换最低分那一组。先前记录留存为 superseded，不混入新均值。
6. 五组封存后统一校验；格式错误可机械补正但不得看别人分数改判断；实质缺失或不独立的提交作废并补充同版本的全新独立评审。不得把缺失评审算零或用四组均值充作五组。
7. 准入资格/贡献范围不是五组多数票或均值对象：冻结前明确`main_rank_eligibility`与`contribution_scope_ref`；任何组有异议必须提出事实/范围挑战并统一核验，未解决前不把不同对象的分数平均。经确认更新范围后五组同版重评。任何维度五组极差 ≥2.0/5，或 I 极差 ≥20/100，触发主张范围、前作、源事实与规则理解检查。这是检查阈值而非自动错误判定。不一致只是价值判断差异时保留全部原分，不剔除离群值、不强制共识。
8. 规则语义改变必须升版本，对所有受影响历史结果重评；只改错字而语义不变也保留版本说明。最终排序不能混合不同实质规则版本。预算不足不能悄悄降低剩余论文检查标准。

## 九、精确记录与算术契约

### 9.1 单组单篇最小字段

```json
{
  "paper_id": "stable-id",
  "batch_id": "batch-id",
  "reviewer_group_id": "group-id",
  "review_context_id": "isolated-context-id",
  "protocol_version": "version",
  "protocol_sha256": "hash",
  "evidence_sha256": "hash",
  "paper_version": "version-and-date",
  "source_cutoff_utc": "timestamp",
  "claim_ledger_ref": "reference",
  "verification_status": "complete|verification_pending",
  "main_rank_eligibility": "eligible|limited_contribution|core_invalid_no_survivor|pending",
  "contribution_scope_ref": "frozen-scope-reference",
  "actual_core_checks": [{"execution_status": "executed", "claim_id": "claim-id", "log_ref": "execution-or-derivation-record"}],
  "impact_observation": {"age_months": null, "common_search_complete": false, "independent_substantive_events": null},
  "independence_declaration": true,
  "dimensions": {
    "N": {"status": "SCORED|U|EXCLUDED", "score": null, "confidence": "high|medium|low", "plausible_low": null, "plausible_high": null, "claim_ids": [], "evidence_ids": [], "rationale": ""}
  },
  "innovation_I": null,
  "issue_ids": [],
  "integrity_notice": {"status": "none_found|official_notice|unresolved", "sources": []},
  "sealed_at_utc": "timestamp"
}
```

以上仅解释性节选；正式提交必须以同版本`review_template.json`及`VALIDATION_CONTRACT.md`的完整字段契约为准，不将节选当可通过验证的完整记录。模板中的维度对象必须完整展开 N/D/R/O/T/H/M；展示中的枚举为说明，不是可直接提交的合法值。合法评分为 `[0,5]` 的 0.25 整数倍；非 SCORED 的 score 必须 null。SCORED 的 score 必须为数值且 plausible_low ≤ score ≤ plausible_high，边界均在 [0,5]。每条理由必须可关联到材料，不接受仅“很创新/较可信”。EXCLUDED的score及上下界必须null、且只允许符合上述已证实不准入的N/D/R；任何完整实际核验状态必须有actual_core_checks的execution_status="executed"、核心claim_id和log_ref，不以布尔标记代替真实日志。检查与材料登记单另保存实际执行状态与日志；布尔独立声明不能替代启动/封存记录。

### 9.2 聚合公式

对同一论文、同一规则及同一证据版本的五个有效组 g：

`I_g = 10*N_g + 5*D_g + 5*R_g`

`mean_I = (I_1 + I_2 + I_3 + I_4 + I_5) / 5`

`mean_X = (X_1 + X_2 + X_3 + X_4 + X_5) / 5`，X∈{N,D,R,O,T,H,M}，**仅当该维度恰有五个有效数值**。

不得按置信度加权、截尾、取中位数或均值后再调整。若某维不足五个数值，该维整体显示未完成及各状态，不计算“可用者平均”冒充五评均值。I只在N/D/R五组均SCORED时计算；其他维完整性单独记录。core_invalid_no_survivor五组均提交相同冻结资格及范围的有效排除记录时，聚合I=null、无创新名次、审查完成；不得当缺失补均值、填0或无限期pending。

每维与 I 同时保存极差和样本标准差（分母 4），作为意见离散度而非真值置信区间。保留精确算术，展示舍入不影响排序。原始分数可用整数刻度 q=4*score 存储避免浮点误差；I 与均值由程序重算，不信任手填总分。权重敏感性用同一组原始分数重算，不额外询问评审“想让谁靠前”。

## 十、独立错误审计、修复与停止条件

这里审计的是**评价报告的实质错误**，不是论文自身错误率，也不是评审之间主观分差。

实质错误包括：错认论文/版本；捏造或误引结果；把未执行实验写成已执行；错误推导；把局部缺陷扩成全篇；遗漏关键限制/前作导致结论实质改变；未遵守本规则并改变分数；算术、版本、独立性违规。措辞润色、合法价值判断差异不算实质错误。是否实质须给出错误—原证据—更正后的变化链；不能为了达标把问题重命名为小错。

### 10.1 每批独立全十篇审计与返修

- 五组评分封存后，由未参与评分的全新上下文审计者检查该批全部十篇的最终评价及支持材料。源事实先独立核验，再比对评价；不能只查摘要和格式。审计者看到的共用证据版本相同，不把上一轮审计结论当正确答案。
- 每轮错误率 `e = 当轮至少有一项实质报告错误的论文数 / 10`。多错误同篇计一篇，同时另报错误总数与类别；不得用段落数、检查项数或50份评分把分母做大。
- 严格 **e<10%** 意味着 0/10；1/10恰为10%，不通过。所有关键实质错误必须关闭，不能借其他正确项平均掉。
- 发现错误后修复，并排查同根因的本批/跨批所有受影响记录；修改实质证据或主张则提升包版本，对受影响论文五组全新上下文同版重评。随后换全新上下文审查修复后的**整个十篇**，不是仅看补丁。循环到当前版本0/10且没有已知未关闭实质错误，才通过批次完成门槛。
- 保存每轮原始错误率、错误详情、修复与版本关系，不只保留最后通过结果。反复通过同一批检查不代表不存在未知错误；必须保持独立核源、适切新检查，不能按已知答案迎合验收。

### 10.2 最终跨批审计

360篇均具备本轮完成条件后，冻结候选总表，用事先公开的等概率抽样算法与不可事后挑选的种子生成规则抽取36篇（10%）；另检查高风险条目（跨批规则漂移、极端分歧、重大反证、异常影响/创新不一致等）。随机样本和定向高风险样本分别报告发现率，不混合成总体错误率。

随机部分观察率为“有实质报告错误的抽样论文数/36”，需<10%（至多3/36）；所有已发现实质错误仍须修复并追查同源问题，无论比例多少。若发生修复，按材料更新/五评重评/批次再审规则处理，冻结新版本后由新上下文重新从全体360等概率抽36篇，不排除曾出错者，并重新做高风险核查。停止条件是最新一轮观察率<10%、该轮没有遗留未修实质错误、所有关键问题关闭、所有修订已远端验证；如该轮修复过则再来一轮。因此在严格关闭所有已知实质错误且修复后重审的实施下，最终没有新修复的一轮事实上应为0/36；“最多3/36”只是<10%的算术解释，不是允许留下三篇有错的通行证。不得不断重抽直到碰巧抽到无错样本而不修已知问题。

上述<10%仅是指定审计的**观察率**，不是总体未知错误率保证；随机36篇、批次全10篇与高风险样本的分母与抽取方式不得互换。保留所有轮次，不选择性报告。若资源/资料使任何论文全流程未完成，只有明确阶段榜，不能宣称全360完成。

### 10.3 至少40%叙述段落的语言质检

每批最终说明/评价的 prose 叙述段落以空行分隔并赋稳定ID；标题、表格行、代码不混入段落分母，列表中完整解释段落单独计数。设总段落数P，独立抽查至少 `ceil(0.4*P)`，按预先固定的随机抽样方式并覆盖每篇；关键结论/阻塞段落另全查。若覆盖要求使数量超过40%，以较大者为准。

重点查空泛自我防御、只说不能却没有行动、把可执行验证甩给用户等表达，改成**具体障碍、已执行内容、可判别的下一步及实际推进状态**。此要求不允许删除科学不确定性、失效事实或真实权限边界，不能把“尚未验证”改写成“已经成立”。语言修订不得改变事实/评分；如改变实质结论则回到独立材料审计。保留段落总数、样本ID、问题与修订，40%不能偷换为四篇报告。

## 十一、原子 GitHub 同步与交付门槛

### 11.1 规则先发布

一次规则发布应含：正文、完整维度锚点、空记录模板、验证器/算术说明、清单与版本清单、独立审稿提示词、错误审计计划。远端读回同一提交并验证内容/哈希，记录规则生效提交号。任何评审只有收到该冻结版本才可开始。不得把设计发布与“第一批已经完成”混为一谈。

### 11.2 每十篇一个立即提交

批次完成条件：十篇都达到本轮完成门槛，每篇五份有效同版本提交，共50份（50份有效结构化记录不等于七维全都有50个数值；允许M等正当未知状态；可排名论文I的N/D/R必须完整，已证实core_invalid_no_survivor允许五份同版EXCLUDED结论记录）；核心实际检查完成；所有必要维度状态明确；分歧事实核查完成；算术校验、独立全十篇报告审计与段落语言质检通过。完成即以**单个原子提交**发布：该批原始评分、均值及离散度、必要证据索引/核验日志、协议/证据哈希、进度清单和累计排序。

若有无法评分的论文，该批是 partial/pending，绝不能伪称50份完整评分或已完成；可发布透明进度，但不得混入“完整批次”计数。需要改变批次编排必须提前记录，不以跳过难论文美化完成率。

提交后读回 GitHub 的准确 commit ID 与发布文件，核对50份、公式、计数和哈希。**远端验证通过后再启动下一批评分**。本地提交、上传请求成功或链接可打开都不足以替代内容校验。失败保留本地材料、报告精确阻塞并暂停后续评分，不累计一堆未同步批次。

更新旧结果同样有独立原子修订提交，公开 supersedes 关系，不静默覆盖。无需、也不得在单个提交内发布无权分发的全文或敏感材料。

### 11.3 最终输出

最终主表至少含：名次、论文标题/链接、年份、五评 mean_I、独立的已实现影响名次及mean_M/状态、带截止日的近期关注信号、N/D/R 均值、O/T/H 均值或状态、醒目资格状态及核心贡献有效范围、主要不确定性、规则/证据版本。精简聊天交付可以只列主榜并给仓库链接，但不得隐去使高分易被误解为“全论文可靠”的关键未决标识。

最终校验：360个唯一ID；36个10篇批次；全完成时恰有1800条有效同版本评审（含已证实不准入的完整结论，不等于1800个数值I）；无漏项/重项/旧分混入；每篇有实际核心检查；五评均值可重算；无四评冒充五评；最终审计满足停止条件；每批与每次修订均已远端核验。尚未满足就如实称阶段成果。

## 十二、发布前公平性反例测试（规则测试，不评价真实论文）

| 合成情形 | 应有行为 |
|---|---|
| 两篇贡献一样，一篇有易跑代码、一篇需昂贵训练 | N/D/R 不因评审成本不同而改变；执行状态与证据缺口单列。 |
| 新论文与老论文思想价值相当，但老论文被引千次 | 创新榜不因被引量改变；M及观察窗口分列。 |
| 某篇一个数据集污染，另两个独立设置未见同源问题 | 限定受影响主张，继续查依赖，不能整篇归零。 |
| 方法性能未达宣传，但确有新结构且机制实验显示另一种作用 | 区分新结构、原解释、真实作用；不保留虚假能力分，也不抹除真实思想。 |
| 一篇很简单但解除重要瓶颈，一篇复杂但仅堆模块 | 依据洞察与问题增量，不按复杂度排高低。 |
| 同一错误已使某项能力不计入R | 不再加全篇诚信罚款；只有独立报告不一致证据才影响H。 |
| 一个评审找到关键前作而另外四组没有 | 更新统一证据包，五组重评；不能直接平均不同信息基础。 |
| 五组范围一致但N判断不同 | 保留差异与均值，不能删掉不合意评审。 |
| 缺少全文，摘要声称革命性 | U；既不零分惩罚，也不按宣传给高分。 |
| 每批审计发现1/10篇有实质错误 | 恰为10%，未达标；修复及追查同源问题后换全新上下文重审全十篇，不稀释。 |
| 最近窗口引用查询不可用，而另一篇查询返回0 | 前者null/未知，后者该来源观察0，不能视为一样。 |
| 多个独立缺陷共同击穿最后必要证据链 | 明确联合核心失效，不能以根因去重为名忽略独立问题。 |

以上反例应有可自动检查的状态/算术测试，并配人工语义核验。反例通过不代表规则已经完成实证校准；它只检查是否违背公开原则。

## 十三、审计抽样算法的固定实施细则

每一最终跨批审计轮次先冻结候选版本及其哈希。只生成一次256位随机种子：`seed_int = secrets.randbits(256)`；将轮次ID、该整数、候选清单/结果版本哈希和Python版本提交并远端确认，之后才查看抽样结果。不得因抽样内容重新生成种子、跳过困难样本或选择更容易通过的一组；种子不从分数、排名或旧评价导出。

随机样本执行：`random.Random(seed_int).sample(sorted(all_360_stable_ids), 36)`。这是从完整360个唯一ID中无放回抽36；排序使用稳定ID的字典序并公开编码口径。冻结并记录输出ID及代码版本，跨轮可重复抽到同一篇，禁止排除既往错误条目。每次因修复重开审计属于新轮次，保留上一轮记录并仅生成一个新种子。

段落语言质检每批每轮采用独立且只生成一次的256位种子，同样先冻结段落ID清单及文本哈希、发布种子再检查样本。随机主体为`random.Random(prose_seed_int).sample(sorted(all_prose_paragraph_ids), math.ceil(0.4*P))`；再并入所有关键结论/阻塞段落，并为尚未覆盖的每篇加入该篇稳定ID最小的叙述段落。最终样本是这些集合的并集，保留随机部分与增补部分标志，不能把有问题的段落从抽样框排除。没有叙述段落的论文应检查是否评价记录缺失，而非伪造段落覆盖。此比例仅用于语言质检，不替代全十篇实质审计。

算法用标准Python `random`、`secrets`与`math`；固定执行版本以便重现。随机选择不是评分模型，也不降低已知实质错误全部修复的要求。

## 十四、参考原则与适用边界

本规则借鉴而非复刻下列原则；它们不为本项目具体权重、锚点或抽样阈值背书：

- DORA 强调根据研究内容本身评价，而非用期刊指标替代单篇研究质量，并承认多种研究产出和影响证据。[DORA 声明](https://sfdora.org/read/)
- Leiden Manifesto 提醒科研评价不能由指标取代专家判断，提出负责任使用研究指标的原则。[Leiden Manifesto 官方说明](https://www.leidenmanifesto.org/)
- COPE 的撤稿指导区分研究内容不可靠与不当行为；不可靠可能来自诚实错误，不能直接从结果错误推断动机。这里引用该原则不表示本评审有权作机构调查或撤稿裁决。[COPE 撤稿指导](https://doi.org/10.24318/cope.2019.1.4)

外部原则检索日期：2026-10-31。最终评价必须保持可纠正性：证据变了就明确更新版本，不能为了维护已有排名拒绝反证，也不能因一次负面事件无边界扩大评价。