Use when packaging AAAI code, data, multimedia appendices, technical appendices, reproducibility evidence, and post-acceptance artifact releases without violating double-blind or immutable-supplement rules.
日本語の概要は準備中です。原文の説明を表示しています。
当你在为《自动化学报》(Acta Automatica Sinica, AAS) 稿件准备代码与数据可用性材料、判断本刊是否设有独立制品评审(artifact evaluation)徽章制度时调用。
讲清本刊现状(以同行评议为主、无独立徽章制度的现况为待核实)、如何主动提供匿名可复现的代码/数据以增强说服力、控制仿真与实物实验制品的组织,帮助控制/自动化/模式识别方向的中文稿在 Acta Automatica Sinica 外审中用可用制品提升可信度。
インストールする前に、エージェントに与えられる指示の中身を確認できます。
本技能讲清投向《自动化学报》(Acta Automatica Sinica, AAS) 的稿件在代码与数据可用性上的现状与
做法。与部分国际会议不同,中文期刊多以同行评议为主,本刊是否设有独立的制品评审(artifact
evaluation)徽章制度尚未见公开说明(待核实)。以下于 2026-07-09 核验框架(见
resources/official-source-map.md)。
即使无徽章制度,主动提供匿名、可复现的代码与数据,能:
artifact/
README.md # 环境、数据、一键运行、预期结果、硬件
env/ # requirements/environment/Dockerfile
data/ # 数据或获取脚本 + 校验和
src/ # 方法与基线
configs/ # 实验配置与随机种子
scripts/ # run_all.sh
results/ # 关键指标供校验
aas-submission)。| 类型 | 要点 |
|---|---|
| 控制仿真 | 仿真器/版本、步长、求解器、系统参数、初始条件 |
| 强化学习/智能控制 | 随机种子、多次运行、超参与训练协议 |
| 模式识别 | 数据划分、防泄露、指标脚本 |
| 实物实验 | 硬件平台、采样周期、标定、可提供演示视频(匿名) |
在稿件适当位置(如结论后或按编辑部要求)说明代码/数据的获取方式与范围;若因数据敏感无法公开, 说明原因与替代验证方式(如提供合成数据或部分脚本)。
[现状] 已确认本刊制品/徽章政策(或标 待核实)?
[主动提供] 是否附匿名可复现制品增强说服力?
[组织] README/env/data/src/scripts/results 齐全?
[匿名] 制品无身份泄露?匿名仓库链接?
[控制类] 仿真配置/种子/硬件记录齐全?
[声明] 可用性声明写清获取方式或不公开原因?
[AI] 未将 AI 列为署名作者、如实披露辅助?
[待核实] 本刊徽章制度/强制要求:待核实
控制/自动化研究常涉及工业数据、涉密平台或第三方数据,无法直接公开。此时:
| 情形 | 替代做法 |
|---|---|
| 工业/涉密数据 | 提供合成数据或脱敏子集 + 完整代码,说明不公开原因 |
| 第三方数据集 | 给出获取途径与版本,不二次分发 |
| 实物平台不可复现 | 提供仿真复现 + 实物演示视频(匿名) |
| 商业软件依赖 | 说明依赖与版本,尽量给开源替代路径 |
关键是透明说明:让外审知道哪些可复现、哪些受限及原因,而非沉默。
aas-reproducibility 的复现包共用一套目录,避免两处维护不一致。实验期 → 边做边固定种子/配置/环境,形成 configs 与 scripts
投稿前 → 整理匿名制品,本地干净环境跑通 run_all.sh
投稿时 → 附匿名仓库/分享链接,正文加可用性声明
退修时 → 补充审稿人要求的实验,同步更新制品
录用后 → 去匿名、正式公开,稿件标注最终获取地址
[映射] 论文图表 ↔ 制品脚本 是否一一对应?
[跑通] 干净环境 run_all.sh 无缺依赖、结果可复现?
[受限数据] 不公开部分是否给出原因与替代验证?
[版本] 依赖/数据/仿真器版本是否锁定?
[演化] 退修补的实验是否同步进制品?
《自动化学报》(Acta Automatica Sinica, AAS) 以理论与实验质量为核心,主动、匿名、可复现的代码与
数据是加分项而非硬门槛。把 aas-artifact-evaluation 与 aas-reproducibility、aas-experiments
联动,用可用制品坐实可信度。任何政策性结论(是否强制、是否有徽章)未双源确认前一律标 待核实,
并注意与英文《IEEE/CAA Journal of Automatica Sinica》可能不同的政策分开对待。
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
Use when packaging AAAI code, data, multimedia appendices, technical appendices, reproducibility evidence, and post-acceptance artifact releases without violating double-blind or immutable-supplement rules.
日本語の概要は準備中です。原文の説明を表示しています。
Use when drafting an AAAI author response (rebuttal) under the single short character-limited author-feedback window, the no-URL rule, no-new-results guidance, AI-generated-review handling, and the AAAI two-phase review process where Phase-2 papers receive one feedback round before SPC/AC discussion.
日本語の概要は準備中です。原文の説明を表示しています。
Use when preparing an accepted AAAI paper for camera-ready source submission to AAAI Press, including proceedings page limits, two-column template compliance, copyright transfer, purchased extra technical pages, deanonymization, registration, oral or poster presentation, and final public artifact release.
日本語の概要は準備中です。原文の説明を表示しています。
Use when designing or auditing AAAI experiments for the broad-AI program committee, including baselines, ablations, statistical significance, robustness, human evaluation, AI-for-Social-Impact and alignment/safety evidence, compute and cost reporting, and reproducibility-checklist alignment for Phase-1 survival.
日本語の概要は準備中です。原文の説明を表示しています。
Use when positioning an AAAI paper's novelty against archival work, contemporaneous arXiv or workshop papers, and AAAI/IJCAI/NeurIPS/ICML/ICLR neighbors across the broad AI scope, while staying inside AAAI's dual-submission and AI-as-source policy constraints and writing a related-work section legible to non-specialist reviewers.
日本語の概要は準備中です。原文の説明を表示しています。
Use when strengthening an AAAI paper's reproducibility checklist (placed after references), experimental traceability, seed and hyperparameter reporting, compute and cost disclosure, dataset access and licensing, code/data ZIP readiness, and the claim-to-evidence map that Phase-1 reviewers use to judge rigor across AAAI's broad AI scope.
日本語の概要は準備中です。原文の説明を表示しています。