用途：这是一个期刊匹配、选刊与重新定位的辅助工具，面向以 Journal of Machine Learning Research（JMLR）为目标期刊的作者。JMLR 自 2000 年起为非营利、开放获取的机器学习档案期刊，不收取文章处理费（APC）。该技能不替代期刊官方投稿指南，投稿前须以 jmlr.org 最新作者说明为准。
主要能力：判断机器学习方法与理论稿件是否契合 JMLR 的档案式深度与编辑文化；分析选题范围（监督、无监督、半监督、强化与自监督学习，统计学习理论、泛化界、PAC、极小极大率，机器学习优化，概率图模型与贝叶斯方法，核方法与集成方法，以及软件、数据集与基准等独立栏目）；评估证据门槛，包括理论证明完整性、经验研究的多种设置与消融、代码公开与可复现性；说明 JMLR 无页数限制但不应注水，需详尽相关工作；提供投稿前自查清单与常见直接拒稿触发点，并在不合适时建议改投。
使用方式：技能按触发条件激活，例如作者指明 JMLR 为目标，或在 TPAMI、NeurIPS 期刊轨道、Nature Machine Intelligence 之间比较。输出包含契合度（高/中/低）、目标期刊、主题标签、方法与证据评估、最大风险、需复查的官方事项与改投建议。
限制：本技能为选刊与定位参考，不替代官方投稿指南；栏目要求、格式、既有会议版本政策与披露要求均须核对 JMLR 官网最新说明，官方说明优先。资料未提供具体价格、审稿周期与影响因子等信息。