zhnnky329/MathModeling-skills

MathModeling‑skills – 数学モデリングコンテストのためのAI支援ワークフローガードレール

概要

• 29の skills（再利用可能な小型のAI駆動コンポーネント）の集合体であり、数学モデリングコンテストの論文作成のための厳格かつ監査可能なパイプラインを形成します。
• AIは機械的なタスク（問題の解析、データクリーニング、コード生成、再現性のチェック、数値の固定、図の作成）のみを担当します。科学的な判断（モデルの選択、結果の解釈、論述）はすべて人間チームが行います。
• このリポジトリはClaude CodeおよびCodex/ChatGPTのネイティブプラグインとして提供されるため、チャットセッションから直接スキルを呼び出すことができます。

存在理由

• コンテストチームは、問題の読み間違い、スクリプトから生成されていない数値の使用、バグ修正後の論文更新忘れなど、ワークフローのミスによって失点することがよくあります。
• MathModeling‑skillsはハードゲート（G1‑G6）を挿入し、必要なチェックが完了するまで後続のステップをブロックすることで、これらのミスを防ぎます。

仕組み（パイプライン）

ゲート	内容	意思決定者
G1 – PROBLEM_FRAMED	problem‑parser、problem‑classifier、related‑paper‑analyzer が構造化された問題記述を作成。	AI (機械的)
G2 – METHOD_SCREENED	method‑selector が主要候補、ベースライン、オプションの代替案を構築。リスクプローブサマリーが仮定、データカバレッジ、出力の退化、摂動感度、スケールをチェック。	人間 (採用する候補を選択)
G2.5 – CHOSEN_BY_HUMAN	ユーザーが選択した手法とその根拠を記録。	人間
G3 – CODE_AND_EXPERIMENT_REVIEWED	コード生成器（python‑model‑code‑generator、matlab‑model‑code‑generator）がスクリプトを生成。code‑reviewer が5つのセマンティックチェックを含むJSONレビューを作成。	AIがレビュー作成、人間が承認
G4 – RESULTS_FROZEN	result‑report‑generator、robustness‑checker、math‑figure‑generator が実験レポートと図を作成。すべての数値が frozen_numbers.json に書き込まれる。以降の変更はログ記録と再凍結が必要。	人間が凍結をトリガー、AIがルールを強制
G5 – PAPER_SECTION_READY	paper‑section‑writer が凍結スナップショットからセクションをドラフト。paper‑polisher が言語を洗練。reference‑manager が検証済み参考文献を構築。	人間がドラフト、AIが支援
G6 – AUDIT_LAYER_PASSED	3つの独立した監査（一貫性、完全性、品質保証）がすべて通過するまで submission‑packager が最終アーカイブを作成。	人間が失敗を解決する必要あり

主要コンポーネント

• workflow‑orchestrator – 各サブ問題がどのゲートにあるかを追跡し、「下流の陳腐化」ルールを強制する中央ステートマシン。
• symbol‑table‑builder – すべてのスクリプトと論文が参照する単一の共有用語集（symbol_table.md）。
• data‑auditor‑cleaner – 読み取り専用の生データフォルダとクリーンなコピーを作成し、生データが上書きされないことを保証。
• model‑code‑generator – 再現性のための決定論的コード（SEED = 2026）。PythonとMATLAB（コンテスト互換機能に制限）をサポート。
• math‑figure‑generator – 論文に含める前に視覚的な render‑check を通過するSVG/PNG図を作成。
• frozen_numbers.json – 原稿に現れるすべての数値の唯一の信頼できる情報源。手動編集は禁止。
• audit layer – 3つのJSONベースの監査。すべて成功する必要があり、ファイル間の整合性、レビュー成果物の存在、ワークフローのコンプライアンスを検証。

インストールと使用方法

1. リポジトリをクローンし、./install.sh を実行。このスクリプトは、ユーザー、プロジェクト、またはローカルスコープで mathmodeling‑skills プラグインをClaude/Codexに登録します。
2. 新しいチャットセッションで、リポジトリ内の Initial Prompt を送信してワークフローをブートストラップします。
3. 自然言語コマンドを使用してオーケストレーターと対話します。例：
   • Q2 has experiment report round1 done. Let workflow‑orchestrator decide whether to iterate or lock the method.
   • Use robustness‑checker for Q1. Do not rerun the main model.
   • Run consistency‑auditor, then completeness‑auditor, then quality‑assurance‑auditor.
4. AIはプロジェクトツリーに直接保存されるJSONファイル（レビュー、監査、凍結数値）を返します。人間がそれらを確認し、次のゲートへ進みます。

対象外

• ワンクリックの論文生成ツールではありません。
• データ、結果、引用を捏造するシステムではありません。
• 参加者の科学的判断の代替ではありません。
• すべてのコンテストに対する万能な解決策ではありません。AIの使用が特定のコンテストルールに準拠しているかを確認する必要があります。

推奨ユーザー

• COMAPのMCM/ICM、CUMCM、またはAI支援が許可されている同様の大学レベルのモデリングコンテストに参加するチーム。
• 規律ある再現可能なモデリングパイプラインを教えたい教育者。
• 共同データ分析プロジェクトにおいて再現性と監査可能性を強制するためのテンプレートを探している研究者。

ライセンス

• MIT – 自由に使用、変更、再配布が可能。

---

上記の詳細はすべてリポジトリのREADMEから直接引用したものであり、追加機能は推測されていません。