用途：这是一个选刊匹配与论文重定位工具，帮助作者判断 AI、机器学习或机器人学稿件是否适合 Nature Machine Intelligence（Nat Mach Intell），并据此调整框架。它不替代期刊当前官方投稿指南，投稿前须重新核对 Springer Nature 官网与投稿系统的实时作者说明；若官方说明与本技能冲突，以官方为准。
主要能力：判断选题契合度，包括具有概念推进或重大现实意义的新方法、AI 用于科学发现、具有广泛意义的机器人与自主系统、人机交互与可解释性/公平性研究、计算神经科学，以及有实证支撑的 AI 社会伦理与政策分析。评估方法与证据门槛：新颖性须达 Nature 系列级别，仅排行榜小幅提升不够；需合适基线、多数据集或设置、统计检验与消融实验；强烈期望公开代码与数据；须实质讨论数据偏见、双用途风险与公平性；AI 用于科学的论文须验证科学结论，AI 不应只是黑箱加速器。
使用方式：触发条件包括作者点名该刊、在综合刊与专业刊之间选择、需为跨学科读者重写 AI 科学发现论文、或评估伦理维度与拒稿风险。输出格式含适配度（高/中/低）、目标期刊、主题标签、方法与证据评估、最大风险、需复核的官方事项及改投建议。
适用场景与限制：适合投稿前的选刊与自查，包括文章类型、篇幅、摘要格式、代码与模型可用性、报告摘要、伦理声明、利益冲突、作者贡献与 AI 使用披露、预印本与开放获取政策。常见拒稿原因有：仅基准提升而无更广意义、伦理讨论缺失或敷衍、无代码模型公开且无正当理由、AI 科学论文只提升预测而无新科学理解、无原则动机的增量改进。改投方向示例：严谨但范围较窄的方法论文可考虑 journal-of-machine-learning-research 或 ieee-transactions-on-pattern-analysis-and-machine-intelligence，机器人工作可考虑 science-robotics，基础 ML 理论可考虑 journal-of-machine-learning-research，面向广泛读者的概念性突破可考虑 Nature 或 Science。具体费用、价格与平台信息暂未提供。