论文审核质量准则

两个审计评分系统的描述性评分锚点。 使用这些评分标准来校准分数并将其映射到编辑决策。

---

4 维 NeurIPS 式量表 (1.0 - 6.0)

基本分数：6.0，每期扣除（严重 -1.5，主要 -0.75，次要 -0.25）。楼层：1.0。

质量（重量：30%）

主要检查：LOGIC、BIB、GBT7714

分数范围	等级	行为指标
5.5 - 6.0	卓越的	技术上完美无缺；严格的证明或实验；所有主张都有证据支持；没有逻辑间隙
4.5 - 5.4	强的	方法合理，差距较小；足够的基线和消融；主张大多得到支持
3.5 - 4.4	足够的	总体来说不错，但也有明显的弱点；有些说法缺乏足够的证据；轻微的逻辑不一致
2.5 - 3.4	虚弱的	重大的方法论问题；多项主张没有得到支持；逻辑差距破坏了核心论点
1.0 - 2.4	不足的	推理或方法上的根本错误；关键证据缺失；结论不支持

净度（权重：30%）

主要检查：格式、语法、句子、一致性、参考文献、视觉、数字、DEAI

分数范围	等级	行为指标
5.5 - 6.0	卓越的	字迹清晰晶莹；完美的格式；所有图表均经过精心设计和参考；没有语法问题
4.5 - 5.4	强的	文字清晰，有轻微格式问题；数字可读；偶尔出现语法或风格问题
3.5 - 4.4	足够的	总体可以理解，但有些部分不清楚；一些格式不一致；存在语法错误
2.5 - 3.4	虚弱的	经常不清楚；严重的格式问题；许多语法错误；人物设计不佳
1.0 - 2.4	不足的	非常难以遵循；普遍存在的格式问题；语法错误妨碍理解

显着性（权重：20%）

主要检查：逻辑、清单

分数范围	等级	行为指标
5.5 - 6.0	卓越的	解决一个关键问题；结果大大推动了该领域的发展；广泛的影响潜力
4.5 - 5.4	强的	具有有意义结果的重要问题；对该领域的明确贡献
3.5 - 4.4	足够的	合理的问题；结果提供增量贡献；更广泛的影响有限
2.5 - 3.4	虚弱的	问题意义不明确；结果是边际的或适用范围狭窄
1.0 - 2.4	不足的	琐碎的问题或结果；对该领域没有明显的贡献

原创性（权重：20%）

主要检查：DEAI、CHECKLIST

分数范围	等级	行为指标
5.5 - 6.0	卓越的	新颖的框架或范式；开辟新的研究方向；极具创意的方法
4.5 - 5.4	强的	新颖的方法或重要的新应用；与之前的工作明显不同
3.5 - 4.4	足够的	现有工作的增量扩展；一些新颖的元素，但很大程度上建立在已知的方法之上
2.5 - 3.4	虚弱的	现有方法的微小变化；与之前的工作相比，新颖性有限
1.0 - 2.4	不足的	没有明显的新颖性；似乎复制了现有的工作而没有有意义的扩展

决策图（4 维）

总分	推荐	典型的后续步骤
>= 5.5	强烈接受	充满信心地提交；仅轻微抛光
4.5 - 5.4	接受	解决相机就绪版本中的小问题
3.5 - 4.4	边缘接受	修改并重新提交；遵循修订路线图
2.5 - 3.4	边缘拒绝	需要重大修订周期；重新考虑方法
1.5 - 2.4	拒绝	需要进行根本性返工
1.0 - 1.4	强烈拒绝	重新考虑研究方向或方法

---

9 维学者评估量表 (1.0 - 10.0)

8 个评分维度加上计算得出的总体评分。权重反映单一来源 在scripts/scholar_eval.py (SCHOLAR_EVAL_DIMENSIONS).

基本分数：10.0，每期扣除（严重 -2.5，主要 -1.25，次要 -0.5）。楼层：1.0。

健全性（权重：18%，来源：脚本）

分数范围	等级	行为指标
9.0 - 10.0	出色的	所有主张均得到严格支持；没有逻辑间隙；统计方法适当且应用广泛
7.0 - 8.9	好的	主张大部分得到支持；较小的逻辑差距；适当的方法，但问题不大
5.0 - 6.9	公平的	一些主张缺乏支持；明显的方法论弱点；一些统计问题
3.0 - 4.9	贫穷的	主要主张不予支持；重大方法缺陷；统计方法不当
1.0 - 2.9	失败	基本逻辑错误；方法无效；结论没有证据支持

清晰度（权重：13%，来源：脚本）

分数范围	等级	行为指标
9.0 - 10.0	出色的	写得特别好；组织完美；所有符号一致且定义明确
7.0 - 8.9	好的	字迹清晰；组织良好；轻微的符号或术语不一致
5.0 - 6.9	公平的	总体清晰，但有些部分令人困惑；组织可以改进；几个风格问题
3.0 - 4.9	贫穷的	经常不清楚；组织不善；术语不一致阻碍理解
1.0 - 2.9	失败	非常难以理解；杂乱无章；普遍存在的写作问题

演示（权重：8%，来源：脚本）

分数范围	等级	行为指标
9.0 - 10.0	出色的	专业布局；所有数字/表格均可出版；整个格式一致
7.0 - 8.9	好的	良好的布局；数字清晰；轻微的格式不一致
5.0 - 6.9	公平的	可接受的布局；一些数字不清楚或标记不当；存在格式问题
3.0 - 4.9	贫穷的	重大布局问题；数字难以阅读；整个格式不一致
1.0 - 2.9	失败	不专业的演示；数字缺失或难以辨认；主要格式问题

新颖性（权重：13%，来源：LLM）

分数范围	等级	行为指标
9.0 - 10.0	出色的	开创性的贡献；全新的方法或框架；范式转变的潜力
7.0 - 8.9	好的	明显新颖的方法；与之前的工作有明显区别；创意解决方案
5.0 - 6.9	公平的	增量新颖性；以合理的方式扩展现有方法；一些创意元素
3.0 - 4.9	贫穷的	边际新颖性；现有工作的微小变化；不清楚这将如何推动该领域的发展
1.0 - 2.9	失败	没有明显的新颖性；重复现有工作，但没有做出有意义的贡献

显着性（权重：13%，来源：LLM）

分数范围	等级	行为指标
9.0 - 10.0	出色的	解决关键问题；研究结果将影响多个研究领域；高实际影响
7.0 - 8.9	好的	重要问题；有意义的结果；对目标社区产生明显影响
5.0 - 6.9	公平的	合理的问题；结果逐渐贡献；更广泛的影响有限
3.0 - 4.9	贫穷的	问题的重要性值得怀疑；结果适用范围狭窄；预期影响最小
1.0 - 2.9	失败	琐碎或不相关的问题；没有实用价值的结果

重现性（权重：8%，来源：混合）

分数范围	等级	行为指标
9.0 - 10.0	出色的	代码和数据公开；记录所有超参数；提供完整的实验方案
7.0 - 8.9	好的	可用或承诺的代码；提供了大部分详细信息；通过合理的努力可能会重现
5.0 - 6.9	公平的	缺少一些细节；代码不可用；繁殖需要付出巨大的努力
3.0 - 4.9	贫穷的	主要细节缺失；没有代码或数据；繁殖非常困难
1.0 - 2.9	失败	细节不足，无法重现；没有工件；关键信息被隐瞒

道德（权重：5%，来源：法学硕士）

分数范围	等级	行为指标
9.0 - 10.0	出色的	彻底的道德讨论；解决所有问题；必要时记录 IRB/同意书
7.0 - 8.9	好的	道德得到认可；解决的主要问题；讨论中的微小差距
5.0 - 6.9	公平的	有限的道德讨论；一些问题没有得到解决；未充分探讨潜在问题
3.0 - 4.9	贫穷的	道德在很大程度上被忽视；重大关切尚未得到解决；未讨论潜在危害
1.0 - 2.9	失败	没有道德考虑；明显违反道德规范；潜在的重大伤害

文献基础（权重：12%，来源：混合）——v3.0 中的新功能

分数范围	等级	行为指标
9.0 - 10.0	出色的	全面覆盖开创性和近期的作品；专题组织；清晰的间隙推导；没有重要的遗漏参考文献
7.0 - 8.9	好的	覆盖牢固；主要是主题组织；充分的差距识别；微小的差距
5.0 - 6.9	公平的	合理但显着的差距；一些枚举；弱间隙推导；最近几篇失踪的论文
3.0 - 4.9	贫穷的	覆盖不完整；主要是列举；许多重要的参考文献缺失
1.0 - 2.9	失败	最少的文献综述；基础工程缺失；没有文献贡献联系

总体（权重：10%，来源：计算得出）

所有非空维度的加权平均值，按可用总重量标准化。

决策图（ScholarEval）

总分	准备就绪标签	推荐
>= 9.0	强烈接受	为顶级期刊或会议做好准备
8.0 - 8.9	接受	出版准备就绪
7.0 - 7.9	准备好进行小修改	提交前解决小问题
6.0 - 6.9	需要重大修改	需要大量返工
5.0 - 5.9	需要大量返工	需要根本性改进
< 5.0	未准备好	重新考虑方法和方法

---

校准注意事项

• 分数与目标期刊或会议的标准相关。 NeurIPS 的 7.0 分代表着比区域研讨会的 7.0 分更高的绝对质量。
• 什么时候--venue指定后，根据该期刊或会议的验收标准解释分数。
• 基于脚本的分数在清晰度和演示维度上最强；新颖性和重要性最弱（这些需要法学硕士的判断）。
• 如果脚本和 LLM 分数在同一维度上相差超过 2 分，请在报告中标记此差异。
• 4 维 (1-6) 和 9 维 (1-10) 系统是互补的。 4 维系统提供快速概览； 9 维 ScholarEval 提供更深入的分析。