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
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.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/anti-autoresearchОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный 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.
Похожие
СкиллыИсследовательская система на Codex CLI или Claude Code: серии экспериментов, обсуждение хода работы и черновик статьи.
Feynman — консольный ИИ-агент для научных исследований: обзор литературы, проверка источников, рецензия статьи и сверка ее с кодом
Скиллы запускают научный репозиторий по его README с ограничениями и сохраняют проверяемые доказательства, не переписывая исходный README
Научный плагин для Claude Code, Gemini CLI, Codex и OpenCode: обзоры литературы, рецензии и проверка ссылок по базам
Автономный ассистент-исследователь: проходит путь от идеи и плана через эксперименты и анализ к тексту статьи, опираясь только на реальные результаты
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
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;