icml-review

用途

icml-review 用于在投稿前审计 ICML 论文并模拟 ICML 同行评审。它承担两项工作：

捕获所有可能导致论文被 desk-rejected（直接拒稿）或因格式问题被悄悄降分的问题。
像 ICML 审稿人一样阅读论文，然后报告他们会说什么。

此技能不编辑论文。将评审与写作分开，既能让评审保持客观，也能清晰记录发现的问题。

用用户的语言与他们交流；评审报告本身用英文撰写（它模拟 OpenReview 表格），除非用户另有要求。

独立性原则

撰写论文的 agent 知道每句话的意图，因此不会注意到读者在哪里感到困惑。LLM 倾向于赞同他人观点，需要反复推动才能进行真正的批判。因此建议：

最好在一个未见过起草对话的新会话或子 agent 中运行此技能。给它 PDF（或 LaTeX），最多再提供 .icml/venue_facts.md。不要给它 claims.md 或评审用的笔记——审稿人不会有这些材料。
像一位忙碌的专家一样阅读，手头有 5–10 篇论文要审：标题、摘要、图 1、引言、图表，然后是其余部分。记录你会在哪里停止阅读。
假设一个大胆的主张是错的，然后寻找漏洞。再检查论文是否已经预先回应了它。
要具体。每个弱点必须指出位置，并说明如何修复。

使用方式

第 0 步 — 准备

运行 python scripts/init_workspace.py --root <latex-root> --skill icml-review。读取 .icml/venue_facts.md（如果没有工作区则读取 references/icml-venue-facts.md）；如果目标年份不同，则刷新它。如果可能，编译论文，这样你审阅的就是审稿人将看到的 PDF。

A 部分 — 合规性审计（机械检查）

python scripts/check_submission.py --tex main.tex --pdf main.pdf \
    --names "First Last,First Last" --affils "University,Lab,Company" \
    [--pristine-sty /path/to/official/icml2026.sty] [--position-track]

如果你不知道作者姓名和 affiliations（以及实验室/集群名称、用户名），向用户询问；没有这些信息，匿名性检查会很弱。然后做脚本无法做的检查，列在 references/compliance-checks.md 中：打开图表检查嵌入的姓名，检查补充代码中的身份泄露，阅读每一条自引，确认 OpenReview 摘要是否匹配，确认审稿人需要的内容没有只存在于附录中。

如果 icml-cite 可用，同时运行它的 check_bib.py。否则至少确认 PDF 中没有 ?? 或 (?)，也没有占位引用 key。

对发现进行分类：Desk-reject 风险（页数限制、匿名性、缺少影响声明、隐藏文本、模板修改）、必须修复、建议修复。

B 部分 — 模拟 ICML 评审

阅读 references/review-rubric.md 并填写其模板。简要说明：

Summary：用你自己的话写一个作者会同意的内容摘要。
Claims check：列出论文的主张（来自摘要、引言、贡献列表）；对每个主张，检查提供的证据是否充分。这是严谨性的核心。检查图表的文字描述是否完全属实。
Strengths and weaknesses：涵盖严谨性、表达、重要性、原创性——采用 ICML 对原创性的宽泛定义（对现有方法的新洞察也算），并且将严谨性与影响力分开评判。
Scores：按照 ICML 的评分标准（每个维度 1–4，总体 1–6，置信度 1–5），每个 "fair"/"poor" 都要给出理由。
Key questions（3–5 个，编号）：答案会改变分数的问题。这些是最有用的输出：它们预测了 rebuttal。
Limitations 评估。
Reviewer-type variants：简要说明怀疑派理论家、想要基线和计算细节的实践者、以及来自相邻子领域的审稿人各自会如何反应。
校准：大多数投稿不会被接收。除非论文在每个维度上真正很强，否则不要给 5–6；如果你发现自己什么都夸，回去找最弱的主张。

C 部分 — 报告与交接

将报告写入 .icml/reviews/simulated-<YYYY-MM-DD>.md（格式见 rubric 文件），内容包括：按严重程度排列的合规性发现、模拟评审、以及一个优先级排序的修复列表，将每个问题映射到论文中的位置和修复类型（写作、实验、引用、人工决策）。将只能由人工处理的事项添加到 open_issues.md。更新 state.md。用通俗语言告诉用户三件最重要的事，并建议将修复列表交给 icml-write；将关键问题留给 icml-rebuttal。

在此技能中，即使是最小的修复也不要编辑论文——把它们列出来。

文件

scripts/check_submission.py — 机械合规性检查（与 icml-camera-ready 共享）。
scripts/init_workspace.py — 创建共享的 .icml/ 工作区。
references/review-rubric.md — ICML 评审表、评分标准、阅读协议、报告模板。
references/compliance-checks.md — 每个检查的含义、如何修复、人工检查项。
references/icml-venue-facts.md、references/workspace-contract.md — 共享文件。

适用场景

ICML 论文投稿前的合规性自查。
在正式提交前模拟审稿人视角，预测可能的评审意见与 rebuttal 问题。
需要将评审与写作分离、保持评审客观性的工作流。

限制

此技能不编辑论文，只列出问题。
匿名性检查依赖用户提供的作者姓名、affiliations、实验室/集群名称、用户名等信息，缺失时检查会较弱。
部分检查（如图表嵌入姓名、补充代码身份泄露、自引、OpenReview 摘要匹配、附录内容）需人工完成，脚本无法覆盖。
评分与评审为模拟性质，不代表真实 ICML 评审结果。
关于收费、价格、平台支持等具体信息暂未提供。