MathModel AI

项目动机

数学建模竞赛的论文生产是个黑盒：模型求解、论文写作、格式审查全靠熬夜和运气，评委看到的只是一份无法追溯来源的 PDF。

我想把它改造成可复现、可审计的流水线——每一句结论都有证据登记表支撑，每一步生成都有确定性检查兜底。

系统架构

[init 建题] → [frame 构思] → [select 选题] → [run 求解] → [build 组稿] → [audit 审查] → [package 发布]
     │                                                          │
     └──────────────── 证据登记表（evidence registry）──────────┘

• CLI 驱动：init / build / audit / run / package 全流程命令化，支持 8 种题型 profile（forecasting / optimization / evaluation 等）
• 证据登记表：论文中的每个论断关联到可核验的数据与求解产物
• 确定性检查：LaTeX 页面平衡门控、合规审查、signoff 清单——「从不伪造签核」
• 回归基准：GitHub Actions 在每次 push 上跑隔离的端到端 fixture benchmark

设计取舍

没有做成「一个 LLM 直接吐论文」的 demo，而是把 Agent 能力和确定性检查分层：LLM 负责构思与写作，CLI 负责校验与门控。原因：竞赛论文的错误代价是整篇报废，生成可以交给模型，信任必须来自流程。

这个项目是三个前身（paper-mvp、agentic-starter、paper-factory-skill）合并演进来的——先用 MVP 验证链路，再把 skill 沉淀成标准流程。

当前进度

• ✅ Competition OS 核心与确定性 benchmark 基建
• ✅ 8 种题型 profile + 配置校验（不支持的类型直接 fail）
• ✅ CI 回归套件 + 隔离 fixture benchmark
• ⏳ 真实赛题的实证训练（当前主攻方向）

下一步

拿历年 CUMCM 真题做实证训练，验证「证据登记表 + 门控」在真实写作压力下是否守得住。