顶会导向科研选题生成 Pro Max

要解决什么问题

做科研选题时，常见困境不是「想不到题目」，而是题目看起来新、一写 related work 就撞车，或者问题来自 taxonomy 填空而非真实的方法/评测/部署矛盾。本技能面向「从研究领域（可选种子想法）产出可投稿级 research idea」这一流程：它强调用近年的顶会论文作证据底座，把开放问题从张力里长出来，再用多视角审稿式流程筛掉增量堆模块、证据不足或 framing 偏弱的方案。

技能声明其目标是 research ideation，而非宣称文献检索已完备；证据不足时会明确标注并写入过程记录。

工作方式概览

一次运行会在 outputs/ 下建立带日期的 RUN_OUTPUT_DIR，过程日志写入 logs/process_record.md，中间产物与最终 idea 都落在该目录（例如 corpus/paper_cards.jsonl、领域树、张力图、问题与 idea 卡片）。

核心流水线大致如下：

• 文献检索与卡片化：按领域做多轮检索（同义词、任务/基准、方法族、种子 idea 等扩展），优先 OpenReview、PMLR、NeurIPS、ACL Anthology、CVF 等权威来源；过滤 workshop-only、重复与非主会论文，默认要求达到 min_papers 的有效论文量，不足则按 SKILL 规定的恢复步骤扩展关键词/邻域/venue/时间窗，仍不够则停止全量分析并输出 insufficient_corpus_report.md。
• 领域树与张力图：把 corpus 组织成 3–5 层左右的领域发展树；在每个高/中证据节点上识别隐藏假设、评测错位、规模瓶颈、数据/标签瓶颈、部署 gap、理论-实践不一致、方法族矛盾等 tension，弱证据 tension 不能直接进入最终 idea。
• 五角色子智能体（强制）：Question stress-test、idea 生成、red-team、reframe 等阶段必须用 sessions_spawn 实例化五个角色——Literature Attorney、Mechanism Builder、Experimentalist、Reviewer 2、Reframer；禁止在主 agent 内「假装五个视角」。spawn 失败时才降级为顺序 internal role-play，并标记 [FALLBACK: internal simulation]。
• 问题发现与选题：对 active node 做三轮（独立提案 → 交叉 critique → 节点合成），产出 tension-driven、可研究、有论文证据支撑的问题；再经五角色 1–5 分打分与多样性约束选出 top questions（默认约 8 个）。
• Idea 生成与严筛：生成 idea card 后做 nearest-prior challenge 与 reviewer red-team；弱 idea 由 Reframer 改 framing 而非润色措辞。运行前会 operationalize evaluation_of_good_ideas.md 作为评分/否决清单；缺失则用 SKILL 内嵌 fallback 并在总结中说明。

适用边界与注意点

• 输入：必须提供研究领域；种子 idea 可选，缺失时不追问。
• 「recent 3 years」 解析为最近三个完整发表年；当年 proceedings 不完整时会改用最近三个完整年份并记录决策。
• Survey 默认不计入 50 篇最低论文门槛（除非用户明确要求以 survey 为主）。
• 子智能体不可用时的 fallback 会引入 confirmation bias 风险，过程记录与最终 summary 应如实报告。