用途：在 ARR 截稿前与 camera-ready 阶段，把 ACL 强制的 Responsible NLP 检查表当作一次“声明审计”而非走流程，降低因检查表内容不准确或误导而被拒稿的风险。
主要能力：按 A–E 五节逐项核对——A 节要求真实的 Limitations 与风险讨论；B 节要求每个数据集与模型给出引用、版本、许可与用途一致性；C 节覆盖计算实验的参数、预算、基础设施、超参搜索与带误差棒的描述统计；D 节覆盖人工标注者的说明、报酬、知情同意、伦理审查与人口统计信息；E 节披露研究中使用的 AI 助手。每个“是”应指向具体章节或附录，每个“N/A”需经得起苛刻解读。
使用方式：技能给出不同实验类型的最低披露清单（微调模型、提示式 LLM、闭源 API、人工评估、新指标），并建议提交前做一致性扫描：核对论文中每个数字是否与检查表答案对应、附录是否真的包含 B/C 节引用的内容、Limitations 是否承认自身实验暴露的弱点、最终写作后重新如实回答 E 节。还提供可复用的提示披露模板（模型版本、解码参数、逐字提示、改写变体、后处理与不可解析输出处理），以及可复现程度分级：turnkey、scripted、descriptive、closed。
适用场景：ACL/ARR 投稿的复现性证据强化、污染与泄漏审计、方差报告规范、检查表填写与附录补充。
限制：资料未提供具体安装命令、代码示例或工具集成方式；内容为流程与写作规范建议，不保证评审结果。