以 91 篇国赛获奖论文实测统计分布为质量硬基准的数学建模竞赛端到端工作流。 覆盖 CUMCM 国赛 / MCM·ICM 美赛 / 电工杯：选题、建模、求解、论文写作、终稿评审。
什么都能写好论文的方法很多，但"最好论文"的长什么样不好定义——本仓库把它定义为 实测量化：把 2023–2025 年 91 篇获奖论文做成 11 维 p25/p50/p75 分位硬基准 （篇幅、结构、图表、公式、摘要、参考文献），每个阶段的质量判断不由感觉、而由 分位数驱动。
- 41 条反模式、L1-L3 评审门禁逐条对照，全部以获奖论文实测行为校准；
- 摘要、表格、图表规范不是"建议"而是阈值（低于 p25 直接回炉）；
- 模型选型来自
references/methods/model_selection.md的决策卡，不是玄学。
| 承诺 | 机制 |
|---|---|
| 最终结果最好 | 11 维实测分位注入 L1 评审作为硬阈值；每阶段结束按 rubric 打分，不达标回炉 |
| 运行最流畅 | env_check.py 首步自诊断；"推荐 X"兜底零交互；编译失败自动自修复重跑；文档懒加载(进阶段才读对应文档) |
| 产出保证可获奖 | 3 层评审（L1 阶段打分 → L2 跨阶段回溯 → L3 五视角红队）+ 32 条反模式 + Claims-Evidence 逐数字反核对(修论文不修 JSON) |
前置：Python 3.10+。runtime 只要求 numpy（写论文用 xelatex 编 PDF，可选
matplotlib/pandas/scipy/sklearn/chardet，缺项由 env_check.py 按需提示）。
| 方式 | 步骤 |
|---|---|
| Claude Code | 把仓库复制到 ~/.claude/skills/mathmodel-strongest/，触发器见 SKILL.md frontmatter |
| Codex | 用 .codex-plugin/ 打包（plugin.json + skills/ shim，已适配命名） |
| 源码 | git clone <repo> && tail -n +1 SKILL.md 即可当手册用；冒烟演示只需 Python |
python scripts/env_check.py # ① 环境自检(只读, 零副作用)
python scripts/smoke_demo.py # ② 全链路冒烟 → _demo/论文.pdf (6 页, 0 Error)
python tests/run_all_tests.py --with-smoke # ③ 全量测试(算法 16 + 门禁 8 + 冒烟)竞赛使用：按 SKILL.md 十阶段在项目目录下推进；每问代码来自
scripts/algorithms/（16 个可独立运行、自测真值断言的算法文件）；
论文写作用 templates/<comp>/ LaTeX 模板（cumcm 内嵌思源宋体，跨机可编译），
render_paper.py 一键把 md 节渲染为 .tex 并三遍编译。
来源：competitions/cumcm/empirical.json（2023–2025 国赛获奖论文，91 篇下载、
59 篇成功提取，详见 §6 与 competitions/cumcm/EMPIRICAL_METHODOLOGY.md）。
| 维度 | p25 | p50 | p75 | 单位 | 用法 |
|---|---|---|---|---|---|
| 正文字数 | 18,684 | 22,961 | 27,147 | 字符 | L1 字数门禁 |
| 中文正文字数 | 15,081 | 19,835 | 24,836 | 字符 | 中文语境 |
| 一级章节数 | 2 | 5 | 8 | 个 | 结构节奏 |
| 二级章节数 | 20 | 28 | 40 | 个 | 展开度 |
| 图片数 | 5 | 8 | 20 | 张 | 图表需求 |
| 表格数 | 4 | 6 | 9 | 张 | 结果罗列 |
| 公式数 | 12 | 24 | 67 | 条 | 建模密度 |
| 摘要字数 | 748 | 992 | 1,146 | 字符 | 摘要长度 |
| 摘要五段锚点数 | 2 | 3 | 4 | 个 | 结构完整度 |
| 关键词数 | 1 | 1 | 3 | 个 | 检索性 |
| 参考文献数 | 16 | 28 | 63 | 篇 | 文献支撑 |
配套统计信号：一等奖论文 ≥80% 摘要含定量结果（anti_pattern A1 阈值）， 摘要五段全命中率 27.1%、部分命中率 72.9%（建议：至少部分命中）。
- 基准来自 2023–2025 国赛获奖论文公开 PDF（来源列表：
references/papers/_DOWNLOAD_REPORT.md），经pdfplumber管线提取统计量； - PDF 原文件不可再分发（版权），仓库只携带提取后的元数据与统计分位—— 不携带任何单个论文的正文/图表内容，无版权争议；
- 口径：91 篇中 59 篇成功提取（页数/字体完整性过滤），真实获奖比例非抽样；
- 再烘焙（更新分布）：依
competitions/cumcm/EMPIRICAL_METHODOLOGY.md的 "更新再烘焙政策"，需自备 PDF 运行scripts/ingest_papers.py+download_cumcm_papers.py。
根 LICENSE = MIT。第三方组件与自制资产的许可矩阵见 LICENSES/NOTICE.md，摘要：
| 组件 | 血统 | 许可 |
|---|---|---|
templates/cumcm/format.cls |
cumcmthesis (charlielin37 / latexstudio) + 作者改编 | MIT（文本在 LICENSES/CUCMTHESIS-MIT.txt） |
templates/cumcm/fonts/*.otf |
思源宋体 (Adobe, Source Han Serif CN) | SIL OFL 1.1（可捆绑分发，文本在 LICENSES/SOURCE-HAN-SERIF-OFL.txt） |
| 91 篇统计元数据、算法库、阶段文档、门禁脚本 | 本仓库 | MIT |
本仓库不修改、不覆盖任何现有工具链：用户既有的 mathmodel-skill（旧入口）、
CLAUDE.md 七器官、_templates/、其他 skill 体系一律只读作素材源；
施工与测试产物只落本仓库内（_demo/、tests/outputs/）。
与 mathmodel-skill 的差异化触发：本技能在用户提到"获奖论文实测分布 / 质量门禁 /
分位基准 / 11 维"语境时激活；两者可共存——日常建模用旧 skill，
冲刺"按获奖论文校准"时用本 skill，互不抢占上下文（frontmatter 描述已做
差异化关键词隔离，防双指挥官竞争）。
SKILL.md 技能入口(十阶段导航 + 收敛准则 + 路径解析协议)
config/default.yaml 模式/阈值/预算参数
references/ 十阶段文档 + 4 反馈层 + 方法论(全部独立编写)
competitions/ cumcm(91 篇实测蒸馏) + mcm/diangong(seed)
scripts/ 算法库16个 + 门禁脚本 + 评分引擎 + 冒烟演示 + 论文渲染
templates/ cumcm(内嵌思源宋体 + 三级字体回退) / mcm / diangong / shared
tests/ 一键测试(good/bad 对照夹具 + 全链路冒烟)
LICENSES/ 第三方许可与来源矩阵