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。
当你为《电子学报》(Acta Electronica Sinica, AES) 投稿准备代码、数据与硬件设计等研究制品(artifact)的可用性说明时使用。
中文学报暂无独立的 artifact evaluation 徽章委员会,本技能说明本刊现状、如何自愿开放代码/数据以增强稿件可信度、如何在正文与附录中规范披露制品、如何在双盲阶段匿名托管仓库、以及电子/信号处理类工作(算法、电路、FPGA、数据集)的制品打包要点。帮助作者在没有强制徽章的前提下最大化《电子学报》稿件的可复现说服力。
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。
需要先厘清现状:与部分国际会议 (如 ACM/USENIX 系) 不同,《电子学报》(Acta Electronica Sinica, AES) 作为中国电子学会 (Chinese Institute of Electronics) 主办的中文学报,目前没有独立的 artifact evaluation 徽章委员会或强制制品评审环节(截至 2026-07-09 官网 ejournal.org.cn 与期刊主页未见公开 的制品评审章程,标 待核实)。因此本技能的目标不是"过徽章",而是:在没有强制要求的前提下, 主动、规范地开放并披露研究制品,让外审专家更愿意相信你的结果,从而提高录用概率与论文影响力。
关键判断:制品开放在《电子学报》是加分项而非门槛。把它当作增强 electronics / signal-processing 类工作可信度的杠杆,而不是行政流程。Acta / Electronica / Sinica 的评审看重结果可信,制品是最硬的证据。
电子信息类论文的制品通常包括:
| 类别 | 典型内容 |
|---|---|
| 算法代码 | 信号处理/通信/机器学习算法的实现与脚本 |
| 数据集 | 采集的信号、图像、测量数据或仿真数据 |
| 仿真工程 | MATLAB/Simulink、ADS、HFSS、Vivado 等工程文件 |
| 硬件设计 | 电路原理图、PCB、FPGA/HDL 源码、约束文件 |
| 训练模型 | 网络权重、配置与评测脚本 |
| 复现说明 | README、环境依赖、运行步骤、预期输出 |
aes-author-response)。由于本刊采用双盲评审,投稿阶段的制品链接不得泄露作者身份:
aes-camera-ready)。artifact/
├── README.md # 一页说明:环境、依赖、运行、预期输出、数据来源
├── LICENSE # 开源许可证(如 MIT / Apache-2.0)
├── env/ # requirements.txt / environment.yml / Dockerfile
├── src/ # 源码,入口脚本清晰
├── data/ # 数据或下载脚本(大数据给外链+校验和)
├── scripts/ # 一键复现主结果的脚本 run_all.*
└── results/ # 预期输出样例(图/表/日志)供比对
| 问题 | 规避 |
|---|---|
| 仓库泄露作者身份 | 双盲期用匿名托管,逐项清查元信息 |
| 依赖缺失跑不起来 | 提供 Dockerfile 或锁定版本的依赖清单 |
| 数据无法获取 | 给可下载外链 + 校验和 + 授权说明 |
| 结果不可复现 | 固定种子、记录硬件、提供预期输出比对 |
| 许可证缺失 | 明确开源许可证,说明第三方数据/代码授权 |
不同电子信息子方向的制品重点不同,投《电子学报》时应对症准备:
| 子方向 | 制品重点 |
|---|---|
| 信号与信息处理 | 原始/仿真信号、预处理脚本、指标(SNR/BER)计算代码、随机种子 |
| 通信工程 | 信道模型、蒙特卡洛仿真配置、误码统计脚本、参数表 |
| 集成电路/EDA | HDL 源码、约束文件、综合与时序报告、器件与工具版本 |
| 电磁场与微波 | 仿真工程(HFSS/CST)、结构参数、网格设置、实测对比数据 |
| 机器学习类 | 数据划分、模型权重、训练/评测脚本、超参数与算力记录 |
对每一类,README 都应让审稿人"照着就能重现论文主结果的核心图表"。硬件类若无法公开完整工程, 至少给出关键参数与足以复算的说明,并注明保留原因(如涉密或第三方授权,配合脱密要求)。
无论哪一级,都要如实说明开放边界,不夸大也不隐瞒,这本身就是《电子学报》审稿人看重的科研诚信。
【《电子学报》(AES) 研究制品可用性】
本刊制品评审现状:无强制徽章(待核实),主动开放为加分项
制品类别:<代码 / 数据 / FPGA 工程 / …>
双盲匿名:<通过 / 存在泄露点>
可复现性:<容器化 / 锁版本 / 需补>
数据获取:<外链+校验和 / 待补>
正文披露:<已写明位置与对应图表>
待核实:<本刊是否有制品相关政策>
即便《电子学报》(Acta Electronica Sinica, AES) 不强制制品评审,一份规范开放的制品也是让外审 专家信任你结果、让论文获得长期引用的最佳投资。
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。