Paper Evidence Gap Miner 是一个面向机器学习论文写作的技能，用于在新算力投入之前，从已有结果中挖掘论文所需的证据。它的核心思路是：缺证据并不自动等于缺实验，应先检查结果是否已经存在、能否重新聚合、能否按不同方式切片，或能否转化为附录资产。
用途与目标
该技能从论文的主张和写作缺口出发，先搜索已有结果，只有当已有 CSV 与派生素材无法支撑主张时，才转向新实验。适用于以下情形：写作过程中发现某个主张证据不足；论文某部分缺少表格、图、消融、切片、方差估计或基线对比；已有 CSV 结果中可能已包含所需证据；某个主张需要补结果而非重新设计算法或方法；用户希望在投稿前避免不必要的算力消耗；审稿人模拟或一致性编辑发现了证据缺口。它不用于生成最终论文图或表格，这类工作应在识别出可复用 CSV 证据后交由 paper-result-asset-builder 处理；也不用于设计完整的新实验矩阵，只有当已有结果确实不足时，才作为最后一步转交 experiment-design-planner。
主要能力与工作流程
技能目录包含 SKILL.md、references/gap-triage.md、references/result-reuse-patterns.md，以及 templates/evidence-completion-plan.md。使用时应始终阅读 gap-triage 与 result-reuse-patterns 两个参考文件，并在需要时读取写作契约、证据看板、写作记忆、结果清单、结果资产来源、实验故事计划、临时结果等本地文件，以及论文草稿和结果 CSV 清单。
其流程分为六步。第一步定位写作缺口，从写作契约、证据看板、一致性报告、审稿人模拟输出、摘要/引言/结果/局限/结论等草稿段落或用户陈述中提取缺口，并记录主张、论文位置、当前措辞、期望证据、现有证据、证据不足的原因与审稿风险。第二步按顺序搜索已有结果来源，包括结果清单、结果资产来源、证据看板、各类 CSV 目录、已有表格与图文件、实验报告；若无结果清单，则转入结果资产构建器的清单模式或运行其清单脚本。第三步读取 gap-triage 并对缺口分类，类别包括：已有支撑、可由现有 CSV 支撑、需要重新聚合、需要切片、需要资产、需要诊断、需要收窄主张、需要新算力、可删减或推迟。第四步读取 result-reuse-patterns，先尝试复用路径，例如用现有 CSV 构建主表或附录表、根据已有随机种子补充方差或置信区间、用现有列做切片分析、与 CSV 中已有的基线对比、从已存储的运行中派生趋势或敏感性图、把诊断结果转为局限或范围主张、更新结果文字以使用已有证据；每条复用路径都要指出确切的源文件与转换规则。第五步依据模板创建或更新证据补齐计划，每个缺口都要写明状态、可复用结果来源、需构建的表格/图资产、文字或主张修改、下一步技能、是否需要新算力。第六步按分类路由最小下一步操作：已有支撑转证据看板或写作助手；写作状态更新转写作记忆管理器；可由现有 CSV 支撑、需重新聚合、需切片、需资产转结果资产构建器；需诊断转结果诊断；需收窄主张转写作契约规划器、局限与范围写作器或写作助手；需新算力转实验设计规划器，必要时再进行基线选择审计并运行实验；可删减或推迟转写作契约规划器与草稿一致性编辑器。存在项目记忆时，还需更新来源看板、交接看板和阶段仪表盘。
核心原则与限制
该技能强调先问结果是否已存在、能否重新聚合、换切片或转为附录资产，把「补实验」在未证明必要之前视为「补结果」；优先选择能支撑论文主张并应对审稿风险的最小证据；在检查已有 CSV、日志、报告、表格、图和证据记忆之前，不提出昂贵的算力方案；若已有证据只支持更窄的主张，应建议先收窄主张而非新算力；并记录每个缺口是靠复用、派生、写作、诊断还是新实验解决。
最终检查要求：每个缺口都已对照已有结果来源核查；当 CSV 复用足以回答主张时不提出新算力；所提证据资产有明确的主张任务；当证据弱于措辞时考虑收窄主张；如需新实验，应为最小且与审稿相关；下一步技能与输出文件明确。使用方式、安装命令、分类归属等具体信息暂未提供。