用途：这是面向理论计算机科学（TCS）的选刊与适配性判断技能，帮助作者判断一篇以定理和证明为核心的算法或复杂性论文是否适合投 SIAM Journal on Computing（SICOMP），并在不合适时给出替代期刊建议。SICOMP 由 SIAM 出版，重视算法设计与分析、计算复杂性、数据结构、密码学与伪随机性、分布式与并行计算等以定理和证明为核心的工作，常刊载 STOC、FOCS 类会议成果的完整期刊版本。
触发场景：作者明确以 SICOMP 为目标；准备 STOC/FOCS 型成果的完整期刊版并在 SICOMP 与 Journal of the ACM 间选择；论文证明新的算法保证、复杂性界或困难性结果；需要了解 SICOMP 对完整严谨性、写作与投稿规范的要求。
方法与证据标准：结果须完整严格证明，模型与假设精确，不得以实验替代证明；须有理论意义，而非实现或基准测试；证明须可被审稿人完整核验；需说明与会议版本的关系，期刊版应含完整证明；通常鼓励 arXiv/ECCC 预印；需准确标注分类并精确说明对已有界的改进。
结构与写法：标准 TCS 结构，摘要、引言、模型与预备、含定理与证明的技术章节、参考文献；引言须精确陈述结果、理论意义、与已有界的定位及关键技术思路；需使用 LaTeX 并遵循 SIAM 样式与宏约定。
官方核对清单：投稿前应检索并阅读 SIAM 官方最新的投稿指南、LaTeX 样式与宏、会议版本政策、作者与利益冲突及 AI 使用披露要求，确认预印本政策与计算机辅助论证的文档要求；若官方说明与本技能冲突，以官方为准。
常见直接拒稿原因：以实现或基准为主的实证/系统论文；证明不完整、模型不精确或以实验代替定理；缺少新技术的增量改进；仅复制会议扩展摘要而无完整证明；夸大意义或定位不准。
重定位建议：面向全计算机科学的旗舰级结果可考虑 Journal of the ACM；机器学习理论社区的学习理论成果可考虑 Journal of Machine Learning Research；由分析驱动的连续/数值计算可考虑 Foundations of Computational Mathematics；面向广泛计算读者的综述可考虑 SIAM Review。
输出格式包含适配性（High/Medium/Low）、目标期刊、主题标签、方法与证据、最大风险、需重新核对的官方事项与重定位建议。本技能不替代期刊官方投稿指南与编委判断，具体投稿流程、费用与平台信息暂未提供。