BZJZ_Material/文档润色流和知识库构建流/claude-scholar/skills/daily-paper-generator/references/quality-criteria.md

论文质量评审标准

评审维度与权重

维度	权重	说明
创新性	30%	论文的创新程度和贡献的新颖性
方法完整性	25%	方法的描述完整性和可复现性
实验充分性	25%	实验设计的全面性和结果的可信度
写作质量	10%	论文表达的清晰度和学术规范性
相关性与影响力	10%	与领域的相关性和潜在影响力

详细评分标准

1. 创新性 (30%)

分数	标准
5分 - 突破性贡献	提出全新的范式或方法，对领域有重大影响
4分 - 显著创新	在现有方法上有显著改进，提出新的见解
3分 - 方法创新	提出了新的方法或框架，有一定的创新性
2分 - 改进型	对现有方法有改进，但创新有限
1分 - 增量改进	仅有微小的改进或组合现有方法

评估要点：

• 是否提出了新的问题或视角？
• 方法是否有实质性创新？
• 是否突破了现有方法的局限？

2. 方法完整性 (25%)

分数	标准
5分 - 完整且严谨	方法描述完整，数学推导严谨，易于复现
4分 - 非常完整	方法描述详细，大部分细节可复现
3分 - 可复现	核心方法清晰，可基本复现
2分 - 缺乏细节	关键细节缺失，复现困难
1分 - 表述不清	方法描述不清楚，无法判断有效性

评估要点：

• 方法描述是否清晰？
• 是否提供了足够的细节？
• 是否有代码仓库？
• 数学推导是否严谨？

3. 实验充分性 (25%)

分数	标准
5分 - 全面深入	多数据集验证，充分消融实验，详细分析
4分 - 非常充分	多个数据集，合理消融实验
3分 - 合理验证	主干实验完整，结果可信
2分 - 验证不足	实验较少，缺乏对比
1分 - 实验不足	仅在简单场景验证，结果不可信

评估要点：

• 是否在标准数据集上验证？
• 是否有充分的对比实验？
• 是否有消融实验？
• 统计显著性如何？

4. 写作质量 (10%)

分数	标准
5分 - 优秀	表达清晰，逻辑严密，学术规范
4分 - 良好	表达清楚，逻辑基本完整
3分 - 清晰 - 表达基本清晰，可理解
2分 - 一般	表述有模糊之处
1分 - 表述不清	表述混乱，难以理解

5. 相关性与影响力 (10%)

分数	标准
5分 - 广泛影响	解决重要问题，影响多个领域
4分 - 领域重要	解决领域内重要问题
3分 - 相关有意义 - 研究有意义，有一定影响
2分 - 小众问题	针对小众问题
1分 - 影响有限 - 影响非常有限

自动评分辅助指标

在人工评审前，可使用以下指标辅助初筛：

• 摘要质量：摘要是否包含实验结果和具体数据
• 数据集：是否在知名数据集上验证（如 TUH EEG, BCIC IV 等）
• 代码可用性：是否提供 GitHub 链接
• 作者机构：第一作者/机构的学术声誉（可选）
• 引用数：arXiv 上的早期引用数（可选）

综合评分计算

总分 = 创新性×0.30 + 方法完整性×0.25 + 实验充分性×0.25 + 写作质量×0.10 + 相关性与影响力×0.10

评分示例：

• 创新性：4分
• 方法完整性：3分
• 实验充分性：4分
• 写作质量：3分
• 相关性与影响力：4分

总分 = 4×0.30 + 3×0.25 + 4×0.25 + 3×0.10 + 4×0.10 = 1.2 + 0.75 + 1.0 + 0.3 + 0.4 = 3.65

评审流程

1. 初筛：根据标题和摘要排除明显不相关的论文
2. Top 10 候选池：每个领域先固定保留 Top 10
3. 全文阅读：对 Top 10 进行深度阅读/细读摘要与方法实验部分
4. 维度打分：按照5个维度逐一打分
5. 计算总分：加权计算综合得分
6. Top 3 shortlist：按总分排序，选出 Top 3
7. Top 1 final：在 Top 3 中结合创新性、实验可信度和领域影响力选出 Top 1

固定收敛规则（每个领域）

• 必须遵循：Top 10 -> Top 3 -> Top 1
• 不允许从原始检索结果直接跳到最终 Top 1
• 输出必须可审计，至少包含：
  • Top 10 候选列表
  • Top 3 评分表（五维分数 + 加权总分）
  • Top 1 选择理由