Anti-Autoresearch
不要輕信未經查證的他人研究論文。審查方端的完整性鑑識(自我一致性+偽造偵測),給出確定性判斷。共 61 種訊號:46 種完整性側寫模式(A–H 系列,可產生判定結果)+ 13 種零權重 AI 寫作風格印象(AIS)+ 2 種建議。此工具並非不透明的 AI 文字分類器。可視為 ARIS 的對
Anti-Autoresearch 是什麼?
不要輕信未經查證的他人研究論文。提供審查方端的完整性鑑識(自我一致性+偽造偵測),並給出確定性判斷。共包含 61 種訊號:46 種完整性側寫模式(A–H 系列,可產生判定結果)+ 13 種零權重 AI 寫作風格印象(AIS)+ 2 種建議。此工具並非不透明的 AI 文字分類器。可視為 ARIS 的對偶工具。
Anti-Autoresearch 概覽
這是什麼
Anti-Autoresearch 是一個審稿方端的完整性鑑識工具,專門用於自動研究論文。它審查投稿的自我一致性與偽造跡象,並根據 61 個訊號產生確定性判決:46 個完整性模式(A–H 家族,影響判決)、13 個零權重的 AI 寫作風格印象(AIS)以及 2 個建議事項。它不是一個不透明的 AI 文字分類器,不會給出作者歸屬機率或「AI 撰寫」的判決。該工具建立在 ARIS 基礎之上(約 12.5k 星、HuggingFace Daily Papers #1),將 ARIS 的生產級審計 DNA 轉向外部,用於審計第三方投稿。
主要功能
- 46 個完整性模式,涵蓋 8 個家族(A–H):數值自洽性、方法與範圍、基準線完整性、實驗完整性、引用完整性、呈現與表面、證明與推導、評測設計與有效性。
- 13 個零權重的 AI 寫作風格印象(AIS),在獨立章節中報告,不影響完整性判決。
- 2 個建議事項:對抗性案例建構器(最強烈的拒絕段落)與新穎性重複建議(先前工作重疊)。
- 確定性主幹:證據分類帳 → LLM 審計員(提出發現)→ 純規則報告員(列出每個提案並總結)。
- 8 個模式端到端評估閘控(GRIM、GRIMMER、statcheck、delta 算術、避險密度等),並有 CI。
- 以 11 個技能 + 1 個編排工作流程交付。
- 不是不透明的 AI 文字分類器;沒有作者歸屬機率或「AI 撰寫」判決。
使用情境
審稿人、領域主席以及誠實的作者可以使用 Anti-Autoresearch 來驗證論文的科學性是否一致並反映其自身證據。常見使用情境包括:檢查表格是否與文字相符、基準線是否存在且配置公平、程式碼能否重現報告的數字、引用是否偽造或錯誤歸屬,以及推導是否有效。該工具會呈現人類審稿人應進一步調查的差異,而不評判不當行為。
快速開始
bash git clone https://github.com/wanshuiyin/Anti-Autoresearch.git ./Anti-Autoresearch/tools/install_anti_autoresearch.sh claude mcp add codex -- codex mcp-server claude mcp list claude > /anti-autoresearch ~/papers/submission 執行後會在論文目錄中寫入 REPORT.md、report.json、claims.json 以及每個技能的 *.findings.json。
授權與價格
本專案採用 MIT 授權,為開放原始碼。
內容整理自該專案公開的 README 與儲存庫資訊。