← Все репозитории

Новый проект

wanshuiyin/Anti-Autoresearch

Инструмент для проверки самосогласованности, доказательной базы и возможных фабрикаций в статьях, созданных или подготовленных с помощью автоматизированных исследовательских систем.

Открыть GitHub
Stars
140
+5 за 7 дней
Forks
8
Язык
Python
Статус
В канале 1 янв. 1 г.

AI-разбор

Anti-Autoresearch проверяет научные статьи на внутренние противоречия и несоответствие заявлений представленным доказательствам, не вынося вердикт об авторстве или использовании искусственного интеллекта. Проект использует 46 проверяемых шаблонов нарушений в восьми семействах: числовая согласованность, методология, базовые сравнения, эксперименты, цитирование, оформление, доказательства и дизайн оценки. Архитектура включает span-привязанный журнал доказательств, набор аудиторских навыков, предлагающих находки, и детерминированный адъюдикатор на правилах, который формирует итоговый вердикт. Отдельно формируются 13 впечатлений об ИИ-стиле письма и два рекомендательных мемо, но они имеют нулевой вес для оценки целостности. Рабочий процесс ориентирован на Claude Code, а Python-инструменты позволяют запускать детерминированные проверки и CI без внешних зависимостей; проверки уровня L1 требуют исходников LaTeX, уровня L2 — кода и результатов, поэтому анализ PDF без артефактов ограничен доступной наблюдаемостью.

Кому подойдёт

Рецензенты, председатели программных комитетов, исследователи машинного обучения, авторы научных работ и инженеры, которым нужна проверяемая экспертиза целостности статей и их экспериментальных артефактов.

Что внутри

  • 46 шаблонов нарушений целостности, распределённых по восьми семействам проверок
  • Журнал claims.json со span-привязанными и хешированными фрагментами доказательств
  • Аудиторские навыки для проверки чисел, цитат, базовых методов, экспериментов, доказательств и оценки
  • Детерминированный адъюдикатор, который принимает или понижает предложенные находки и формирует report.json и REPORT.md
  • 13 отдельных сигналов ИИ-стиля с нулевым влиянием на итоговый вердикт
  • Python-проверки, тестовые фикстуры и CI-проход для офлайн-регрессий и интеграции в конвейер разработки

Где применять

  • Рецензирование статьи перед подачей на конференцию или в журнал для выявления числовых противоречий и слабых сравнений
  • Проверка работ, созданных автоматизированными исследовательскими агентами, перед рассмотрением программным комитетом
  • Аудит репозитория с кодом и результатами для поиска расхождений между опубликованными числами и воспроизводимыми артефактами
  • Интеграция детерминированных числовых проверок в CI исследовательского проекта без подключения внешних сервисов

Темы