Anti-Autoresearch — скилл

Набор из 11 скиллов Claude Code, который проверяет чужую научную статью на самосогласованность и выдумки и пишет отчет.

  • 181 ★ репозитория
  • Последний коммит
  • MIT
Скилл

Расширенный доступ

Почему такой уровень

  • Установщик копирует скиллы в каталог Claude Code, а перекрестный рецензент требует подключения Codex через MCP.
  • Текст и данные проверяемой работы передаются моделям, поэтому закрытые рукописи надо проверять осторожно.
Все причины и проверки

wanshuiyin/anti-autoresearch

Установка

Работает в

В терминале, через SkillFoxx CLI

npx skillfoxx add skills/anti-autoresearch

Определит агенты на машине, покажет уровень доступа и зафиксирует версию.

Другие способы установки

Доступ и проверки

Как мы проверяем

Расширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.

  • Установщик копирует скиллы в каталог Claude Code, а перекрестный рецензент требует подключения Codex через MCP.
  • Текст и данные проверяемой работы передаются моделям, поэтому закрытые рукописи надо проверять осторожно.

Это чужой код. Посмотрите файлы в репозитории перед установкой.

Что делает

Anti-Autoresearch проверяет научную работу на самосогласованность и на подделку, независимо от того, кто или что ее написало. Рецензент, председатель программного комитета или автор получают отчет с привязкой к фрагментам текста. Скилл не определяет вероятность авторства ИИ и не выносит вердикт о нарушении этики: он показывает расхождения для человека. Состав: 11 скиллов и один оркестратор. Каталог содержит 46 паттернов целостности в восьми семействах: числа в таблицах и тексте, метод и объем, корректность бейзлайнов и экспериментов, цитаты и другие. Дополнительно есть 13 стилевых впечатлений об ИИ-письме с нулевым весом в вердикте и 2 справки. Языковые модели лишь выдвигают находки, итог собирает детерминированный отчет по правилам. Команда `/anti-autoresearch ~/papers/submission` гоняет все аудиторы подряд и пишет `REPORT.md`, `report.json` и `claims.json`. Каждый аудитор доступен и отдельным скиллом.

Для кого. Рецензентам конференций, председателям программных комитетов и авторам, которым нужно проверить, держится ли статья на собственных данных.

Подходит, если

  • Рецензент получил статью с таблицами, которые не сходятся с текстом.
  • В статье указаны бейзлайны, и надо проверить, настроены ли они корректно.
  • Цитаты вызывают сомнение: часть источников может быть выдумана или приписана не тем авторам.
  • Перед отправкой в журнал автор хочет проверить собственный текст на противоречия.

Не подходит, если

  • Нужен детектор ИИ-текста с вероятностью авторства: скилл его не дает.
  • Нужен вердикт о мошенничестве: скилл показывает расхождения и решение остается за человеком.
  • Работа без кода и данных, а проверить хочется эксперименты: часть семейств требует код.

Пример запроса к агенту

Запусти /anti-autoresearch на папке ~/papers/submission и покажи находки с привязкой к фрагментам.

Ограничения

Скилл запускается в Claude Code и требует установки скриптом `tools/install_anti_autoresearch.sh`, который кладет скиллы в `~/.claude/skills`. Перекрестный рецензент подключается через `claude mcp add codex -- codex mcp-server`, то есть нужен Codex. Семейство проверок экспериментов работает только при наличии кода. Результат остается набором находок для человека и не служит оценкой качества работы. Стилевые впечатления об ИИ-письме не влияют на вердикт, поэтому статья может быть чистой по целостности и все равно получить много таких пометок.

Как отключить. Удалите каталоги скиллов Anti-Autoresearch из `~/.claude/skills`. Подключение Codex снимите командой `claude mcp remove codex`, если оно больше не нужно.

Частые вопросы

Как установить Anti-Autoresearch?

Клонируйте репозиторий и запустите `./Anti-Autoresearch/tools/install_anti_autoresearch.sh`. Скиллы лягут в `~/.claude/skills`, для проекта можно передать путь к его `.claude/skills`.

Определяет ли он, написал ли статью ИИ?

Нет. Скилл не выдает вероятности авторства и вердикта «написано ИИ». Он проверяет самосогласованность и подделку, а стилевые впечатления выносит в отдельный раздел без веса.

Что в отчете?

Файлы `REPORT.md`, `report.json` и `claims.json`, плюс находки каждого скилла с привязкой к фрагментам текста и хешем доказательств.

Можно ли запускать аудиторы по отдельности?

Да, установщик ставит каждый аудитор отдельным скиллом. Сначала строится реестр доказательств, затем нужный аудитор пишет `<skill>.findings.json`.

Какие семейства проверок есть?

Восемь: числа, метод и объем, бейзлайны, эксперименты, цитаты и еще три. Всего 46 паттернов целостности.

Обсуждение

Вопросов и отзывов пока нет.

Скиллы

Исследовательская система на Codex CLI или Claude Code: серии экспериментов, обсуждение хода работы и черновик статьи.

CLIШирокий доступ115Звезды репозитория
Официальный

Feynman — консольный ИИ-агент для научных исследований: обзор литературы, проверка источников, рецензия статьи и сверка ее с кодом

CLIРасширенный доступ10,1 тыс.Звезды репозитория

Скиллы запускают научный репозиторий по его README с ограничениями и сохраняют проверяемые доказательства, не переписывая исходный README

СкиллШирокий доступ486Звезды репозитория

Научный плагин для Claude Code, Gemini CLI, Codex и OpenCode: обзоры литературы, рецензии и проверка ссылок по базам

ПлагинРасширенный доступ138Звезды репозитория

Автономный ассистент-исследователь: проходит путь от идеи и плана через эксперименты и анализ к тексту статьи, опираясь только на реальные результаты

CLIШирокий доступ1,3 тыс.Звезды репозитория

ARIS

ARIS (Auto-Research-In-Sleep)

Набор скиллов для автономных исследований по машинному обучению: обзор литературы, поиск идей, эксперименты и написание статьи с проверкой отдельной моделью

ПлагинШирокий доступ19,1 тыс.Звезды репозитория

Коротко о README

Проект идет от задачи проверить чужую работу: он направляет наружу механизмы аудита из проекта ARIS. Описаны состав скиллов, детерминированный каркас с реестром доказательств, правила отчета и примеры запуска. Для одиночного скилла лежат отдельные инструкции.

Бейдж для README

Исходный SKILL.md

---
name: consistency-audit
description: "Flagship intra-paper self-consistency forensics: does the paper contradict ITSELF across abstract/intro/tables/body/appendix, and does the method DESCRIBED match the method EVALUATED? Needs no external ground truth — works PDF-only (L0). Runs a deterministic arithmetic pass + a fresh cross-model semantic pass, every finding span-anchored to the evidence ledger (claims.json), reviewer≠adjudicator. Emits consistency-audit.findings.json; NEVER computes the verdict. Triggers: \"consistency audit\", \"check the paper against itself\", \"self-consistency\", \"内部自洽\"."
argument-hint: [paper-dir | claims.json]
allowed-tools: Bash(*), Read, Write, mcp__codex__codex
---

# Consistency Audit — the paper vs itself

Audit intra-paper self-consistency for: **$ARGUMENTS** (requires `claims.json`
from `/evidence-ledger`). Emit span-anchored `consistency-audit.findings.json`;
the deterministic adjudicator — not this skill — computes the verdict.

> 🔒 **Do not wrap this skill in `/loop`, `/schedule`, or `CronCreate`.** It is
> verdict-bearing input — it proposes the findings the deterministic adjudicator
> turns into the report. Re-firing it on a wall-clock timer adds no signal: its
> output changes only when the **paper / ledger** changes, not with the clock.
> Schedule the *external wait that precedes it* — ledger built → audit **once**.
> (Mirrors ARIS's external-cadence doctrine.)

> The flagship instrument. Internal contradiction is the single most defensible
> thing you can check on an unknown submission: it needs no external GT, runs at L0
> (PDF-only), and is exactly where machine-generated papers crack — they hallucinate
> *local* coherence. Recall scales with the ledger: a PDF-text (L0) ledger extracts
> only number/scope spans, so the table/caption/method-drift checks gain teeth at L1
> (LaTeX), where tables and captions are actually extracted. Adapted from ARIS
> `paper-claim-audit`, reframed from "paper vs result files" to **"paper vs
> itself."** There is no external ground truth in this skill.

## Why this exists

An autoresearch pipeline (or rushed human) writes the abstract, the tables, the
method section, and the appendix in separate passes and never reconciles them. The
result is a paper that disagrees with **itself**:

- abstract quotes 85.3% accuracy; the best row of its own Table 2 is 84.7%;
- "improves by 16%" when 73.1 → 78.0 is +6.7% relative / +4.9 points;
- "mean over 5 seeds" where the number is the single best seed, and N=3 in the table;
- method section says "no test-time labels"; the experimental-setup paragraph loads
  gold labels for calibration;

Сообщить о проблеме