数学建模竞赛团队：从赛题简报到经得起推敲的论文

这套数学建模竞赛工作流是面向竞赛团队——CUMCM、MCM 和 ICM——的分阶段流程，它让一份赛题简报在进入论文之前先通过六道明确的关卡。它针对的正是那些真正会让你丢分的失误：读错题意、跳过基线模型去用一个谁也解释不清的模型，或者打印出一个任何脚本都从未产出过的数字。

你把简报以 PDF 或工作区路径的形式交给它，说明自己正在处理哪些子问题，并选择 Python 或 MATLAB 作为目标。它会把题目解析为目标、对象、约束、数据、输出和子问题，并对每个子问题单独分类，而不是给整份简报硬套一个标签。在任何代码出现之前，它会筛选出一个主方法、一个可用的基线，以及至多一个条件性备选方案，然后在你的真实数据上对该方法进行探测。

该探测会检验数据覆盖度、对该方法至关重要的假设、输出的退化与集中情况、对一次小幅合理扰动的响应，以及在你所处规模下的运行时间和内存占用。它会给出通过、有条件通过或失败三种结论。一旦你自己敲定了方法及其理由，它只会实现已获批准的主方法和基线，依据五项明确的检查项审查代码，并把审查结果写入磁盘上的文件，而不是留在聊天记录里。

最终你手中会得到一条可追溯的记录链：解析与分类的结果、附带风险探测的方法卡片、经过审查的代码、每一轮实验的运行摘要、稳健性与敏感性报告、论文中将出现的每一个数字的单一冻结集合、已起草的章节，以及三份独立的审计报告。最终组装会把完成的论文打包，并附上一个支持材料文件夹，同时让你的代码和数据格式保持原样。

适用对象：数学建模竞赛团队，尤其是 CUMCM 和 MCM/ICM 团队，以及想要同样严谨作风的单人建模者。它适合三个时刻——打开一份包含多个子问题的简报时；拿到第一轮结果、必须决定是继续迭代还是锁定方法时；以及论文必须经受审计的冲刺阶段。

它不适合那些想让 AI 挑选方法并撰写论证的团队。评委评分、也本该由你学习的部分——选用哪个方法及原因、数字意味着什么、假设如何界定——都被标记为需要你的输入；如果这些内容为空，或是照搬自工具自身的建议，流程会在提交前阻截。

典型的竞赛流程只要某个阶段看起来完成了就会继续推进，而通用聊天助手会因为数学表述读起来不错就接受一个方法。这套工作流则为其六道关卡中的每一道都设定了明确的通过条件。任何一道失败，下游的一切都会被标记为过期，这样你就能看清哪些子问题是真正扎实的，哪些只是看起来完成了。

典型流程只要方程看起来正确就接受一个方法，而这一套会先在你的真实数据上运行一次有时限的风险探测——覆盖度、假设、输出退化、扰动、规模——这样，一个扛不住你数据集的方法会在你把它铺开构建之前就被拦下。

大多数工作流每次都会从最新结果里重新读取数字，而这一套会把论文中的每一个数字都冻结进单一快照。要改动其中一个，就意味着记录原因、修改权威来源、重跑受影响的环节并重新冻结，这样一次迟来的 bug 修复就无法悄悄把旧数字留在正文里。

通常一次质量检查就决定你能否交付，而这里必须由三位独立审计员——一致性、完整性和质量保证——全部通过才能进入最终组装，其中任意一位失败都会阻断流程。其中有两道关卡是特意留给你的：由你敲定方法和理由，并在结果被冻结之前对其做出判断。

如果是快速计算或一次性的提问，通用聊天助手仍然更合适，它不需要这一套繁琐流程。当论文必须经得起推敲时——当真正的风险是读错题目、没有依据的论断，或者一个无法追溯到某次运行的数字时——就选择这套工作流。