Skip to content
Skills Library
Science & research · Analysis

math-modeling-solver

/math-modeling-solver

数学建模竞赛解题全流程指导。覆盖国赛(CUMCM)和美赛(MCM/ICM)全部题型(A-F),提供12种问题本质分析、95+场景模型决策矩阵、5本算法Cookbook、11本完整例题Playbook、22个Python+7个MATLAB可运行代码模板。与math-modeling-paper形成"解题→写作"配对。当用户提及建模思路、选什么模型、怎么建模、赛题求解、粘贴赛题文本、美赛/国赛题目分析、CVaR/NSGA-II/Monte Carlo/时间序列/ANOVA/灰色关联、网络流/图论/生态建模、模型命名/Memo/Letter/Our Work流程图时,使用此skill。

Licence
MIT
Last repository change
31.07.2026

Assessment and security

100/ 100Class: good
Format25 / 25
Frontmatter with name and description, valid name, description up to 1,024 characters, name matching the folder.
Discoverability25 / 25
Description explains when to use the skill, has a reasonable length and uses third person.
Content35 / 35
At least 150 words and at most 500 lines, headings, step lists, examples or code.
Hygiene15 / 15
No placeholders such as TODO, no Windows paths, with a licence.
Riskno signals detected in the scan
Files in this package
56
Scripts
22
HTML comments
0
URLs in SKILL.md
0
Deprecation

No signals detected. Repository changed on 31.07.2026, without references to retired models or APIs.

Licence

MIT, open: use and modify while retaining author attribution.

What to check before installing
  • 22 scripts in this package. Review them before installing, as Claude may execute them.

Scripts: references/code-templates/python/evaluation/ahp_template.py, references/code-templates/python/evaluation/entropy_weight_template.py, references/code-templates/python/evaluation/fuzzy_eval_template.py, references/code-templates/python/evaluation/grey_relational_template.py, references/code-templates/python/evaluation/topsis_template.py, references/code-templates/python/mechanistic/food_web_ode_temp

What it does and when to use it

数学建模竞赛解题全流程指导。覆盖国赛(CUMCM)和美赛(MCM/ICM)全部题型(A-F),提供12种问题本质分析、95+场景模型决策矩阵、5本算法Cookbook、11本完整例题Playbook、22个Python+7个MATLAB可运行代码模板。与math-modeling-paper形成"解题→写作"配对。当用户提及建模思路、选什么模型、怎么建模、赛题求解、粘贴赛题文本、美赛/国赛题目分析、CVaR/NSGA-II/Monte Carlo/时间序列/ANOVA/灰色关联、网络流/图论/生态建模、模型命名/Memo/Letter/Our Work流程图时,使用此skill。

Triggers from the description

解题→写作
Original author description

数学建模竞赛解题全流程指导。覆盖国赛(CUMCM)和美赛(MCM/ICM)全部题型(A-F),提供12种问题本质分析、95+场景模型决策矩阵、5本算法Cookbook、11本完整例题Playbook、22个Python+7个MATLAB可运行代码模板。与math-modeling-paper形成"解题→写作"配对。当用户提及建模思路、选什么模型、怎么建模、赛题求解、粘贴赛题文本、美赛/国赛题目分析、CVaR/NSGA-II/Monte Carlo/时间序列/ANOVA/灰色关联、网络流/图论/生态建模、模型命名/Memo/Letter/Our Work流程图时,使用此skill。

How it works

  1. 使用流程
  2. 阶段间规则
  3. 参考资源
Original SKILL.md headings · 322 lines, 761 words
SKILL.md preview
---
name: math-modeling-solver
description: 数学建模竞赛解题全流程指导。覆盖国赛(CUMCM)和美赛(MCM/ICM)全部题型(A-F),提供12种问题本质分析、95+场景模型决策矩阵、5本算法Cookbook、11本完整例题Playbook、22个Python+7个MATLAB可运行代码模板。与math-modeling-paper形成"解题→写作"配对。当用户提及建模思路、选什么模型、怎么建模、赛题求解、粘贴赛题文本、美赛/国赛题目分析、CVaR/NSGA-II/Monte Carlo/时间序列/ANOVA/灰色关联、网络流/图论/生态建模、模型命名/Memo/Letter/Our Work流程图时,使用此skill。
---

# 数学建模竞赛解题指导

> 本 skill 提供的矩阵、cookbook、playbook、代码模板,全部是**知识参考**而非**决策指令**。
> 对于同一道赛题,不同队伍理应有不同的建模路径。矩阵里的推荐只是技术起点——
> 你的任务是结合题目具体约束、数据特征和团队判断,做出**有理由的选择**,而非照搬推荐。

## 使用流程

收到解题任务后,按以下五阶段工作流操作。

### Step 0: 判断用户入口

先判断用户在哪个阶段切入:

- **有新题目文本,从零开始** → 阶段1
- **已有问题分析结果,需要模型推荐** → 阶段2
- **需要先查文献再看选什么模型** → 阶段1.5
- **已确定模型,需要算法展开和代码** → 阶段3
- **建模已完成,需要衔接论文** → 阶段4
- **用户直接指定了模型名**(如"用 GA 求解")→ 阶段3,跳过阶段1-2
- **用户输入匹配已知题型** → 加载对应 Playbook 获取完整解题示范(12 本 Playbook 覆盖国赛 A/B/C + 美赛 D/E/F 全部题型)

### 阶段识别规则

| 用户说 | 切入阶段 |
|--------|---------|
| "这道题怎么做" + 粘贴题目 | 阶段1 |
| "帮我分析这道题" | 阶段1 |
| "帮我搜一下类似问题的文献" | 阶段1.5 |
| "有没有类似题目的论文可以参考" | 阶段1.5 |
| "选什么模型好" | 阶段2 |
| "XGBoost 和随机森林怎么选" | 阶段2 |
| "帮我写 GA 代码" | 阶段3 |
| "这个公式怎么推导" | 阶段3 |
| "建模做完了,准备写论文" | 阶段4 |
| "帮我写摘要" | 阶段4 → 引导切换 paper skill |

---

### 阶段1:拆题分析

**目标**:判定每个子问题的数学本质,输出结构化的分析结果。

**自动加载**:`references/problem-decomposition.md`

**步骤**:

1. 阅读用户提供的题目文本,提取关键信息
2. 按 `problem-decomposition.md` 的方法论,对每个子问题判定数学本质类型(共 12 种):
   - 预测/回归、分类/判别、评价/排序、优化/决策、机理/物理、聚类/分组、关联/因果、博弈/策略
   - 几何/运动学、统计推断/实验设计、网络科学/图论、生态系统/环境
3. 明确每个子问题的:输入变量、输出目标、约束条件
4. 分析子问题之间的数据流和递进关系
5. 输出结构化分析结果(见下方输出格式)

**输出格式**:

```
## 题目拆解

### 题目概况
- 比赛类型:[国赛/美赛]
- 题型:[A/B/C/D/E/F]
- 核心场景:[一句话概括]

### 子问题分析

#### 子问题一:[标题]
- 数学本质:[预测/评价/优化/机理/分类/...]
- 输入:[哪些变量/数据]
- 输出:[需要得到什么]
- 约束:[有哪些限制条件]
- 难点:[关键挑战]

#### 子问题二:[标题]
...

### 子问题关系
[描述数据流:问题一的输出如何成为问题二的输入]

### 整体建模流程图(文字描述)
问题一([本质类型]) → [中间结果] → 问题二([本质类型]) → [中间结果] → 问题三([本质类型])
```

**完成后**:停留,等待用户确认分析结果。确认后进入阶段1.5。

---

### 阶段1.5:文献检索

**目标**:用文献证据支撑模型选择——知道「别人怎么解这类题」再决定「我们怎么解」。

**触发条件**:阶段1完成后执行。如用户明确表示不需要文献检索(例如已自行检索、有明确模型偏好、或时间紧迫),可直接进入阶段2。

**自动加载**:`../math-modeling-paper/references/literature-review.md`(跨 skill 读取,仅加载第一部分「文献检索」,不展开全文)

**🚨 硬性上限(防止无限搜索,必须遵守)**:
- **最多执行 5 次 WebSearch 调用**(不是每个检索式都搜,是总共 5 次)
- **找到 5-8 篇高度相关论文后立即停止**,不需要穷尽所有检索式
- **T2/T3 回退仅在用户明确要求时执行**,不要自动级联回退
- **如果前 3 次搜索已经找到满意结果,直接跳到步骤 4 整理证据,不再继续搜**

**步骤**:

1. 从阶段1第4步已生成的检索关键词中,**只挑最核心的 2-3 组**(不是全部),中英文各至少 1 组——英文覆盖国际期刊,中文覆盖知网/万方/维普的核心期刊
2. **告知用户**:简要列出建议的 2-3 组检索式(中英文混合即可,不需要各 3-5 组),说明信源分级。详见 `literature-review.md` 1.3 节
3. **询问用户**:「是否需要我代为搜索?预计 3-5 次搜索即可覆盖核心文献(中英文各半)。如你已自行检索过,可以直接告诉我找到的文献,我们跳过这步。」
   - 用户同意 → 执行步骤 4,英文用 Google Scholar / Semantic Scholar,中文直接用中文关键词 WebSearch(覆盖知网/万方/维普的公开页面),**不要走 T1→T2→T3 三级级联**
   - 用户拒绝或已有文献 → 跳过搜索,直接请用户提供找到的文献,进入步骤 5
4. **执行搜索(遵守硬性上限)**:
   - **中英文分配**:5 次搜索中,英文 2-3 次 + 中文 2-3 次(中文搜索直接在 WebSearch 中用中文关键词,如 `"玻璃文物" "成分分类" 机器学习`)
   - **中文期刊识别**:搜索结果中来自 `cnki.net`、`wanfangdata.com.cn`、`cqvip.com` 的链接通常对应知网/万方/维普收录论文。优先采信标注为「核心期刊」「EI 收录」「SCI 收录」「CSSCI」「CSCD」的中文论文
   - 每次搜索后检查:是否已找到 5+ 篇相关论文(中英文合计)?是→停止搜索
   - 是否已用满 5 次 WebSearch?是→停止搜索
   - 从检索结果中提取:类似问题用了哪些方法?各方法效果对比?是否有公认基准方法?
   - **标注期刊含金量**:英文优先 SCI Q1/Q2,中文优先一级学报/核心期刊(见 `literature-review.md` 1.5 节期刊分级),普刊/会议短文尽量不引用
5. **输出文献证据摘要**(必须标注期刊级别):

```
## 文献检索摘要

### 子问题一:[标题]
| 检索式 | 关键发现 |
|--------|---------|
| "[检索式1]" | [1-2句话:什么方法被用了、效果如何,来自什么级别期刊] |
| "[检索式2]" | [1-2句话] |

**方法分布**(按期刊含金量排序):
- 方法A — [N]篇,代表:[Author (Year), 期刊名, SCI Q1/Q2] 在 [场景] 中达到 [性能]
- 方法B — [M]篇,代表:[Author (Year), 期刊名, 中文核心]

**对本题的启示**:[1-2句话]
```

6. 带着文献证据进入阶段2——每个候选模型的推荐都应引用检索发现

**完成后**:停留确认,然后进入阶段2。

---
	
### 阶段2:模型匹配

**目标**:为每个子问题推荐最合适的模型,结合文献证据给出对比和理由。

**自动加载**:`references/model-selection-matrix.md`
**按需加载**:对应领域的 cookbook(如确定是优化问题 → 加载 `cookbook-optimization.md`)

**步骤**:

1. 对每个子问题,查 `model-selection-matrix.md` 中对应本质类型的矩阵
2. 根据场景特征(样本量、线性/非线性、可解释性要求等)匹配模型
3. **结合阶段1.5的文献检索结果**:如文献中类似问题普遍使用某方法,在推荐中标注「文献支撑」;如矩阵推荐与文献主流不一致,应解释原因
4. **每个子问题给出至少 2 个候选模型**,从不同矩阵维度或不同角度提出。矩阵只是起点——你应结合题目具体约束、数据特征、文献证据和团队判断,做出**有理由的选择**
5. 说明每个候选模型的适用边界:在什么条件下更倾向A?什么条件下更倾向B?
6. 如涉及多个矩阵条目同时匹配(如既是0-1变量又是多目标),按 `model-selection-matrix.md` 开头的**冲突裁决规则**处理
7. 如涉及多个领域,加载对应 cookbook 做深入了解

**矩阵使用原则**:

矩阵是**知识参考**而非**查表结果**。对于同一道赛题,不同队伍理应有不同的建模路径。为降低不同用户独立使用此 skill 时模型选择的高度一致:

- 将矩阵中的每行理解为「候选模型A vs 候选模型B,选择取决于具体场景权衡」——不要将矩阵解读为唯一正确答案
- 当矩阵多个条目同时适用时,应列出**各条目分别指向的不同推荐**,让用户根据自身背景和偏好选择
- 鼓励用户在两个实力相当的候选模型之间做选择时,优先选自己更熟悉、代码储备更充足的那个

**输出格式**:

```
## 模型推荐

### 问题一:[标题]
| 维度 | 内容 |
|------|------|
| 数学本质 | [类型] |
| 场景特征 | [样本量/线性度/可解释性要求/...] |
| 匹配的矩阵条目 | [列出所有适用的矩阵行,如:(a)"含整数/0-1变量"→IP, (b)"多目标冲突"→NSGA-II] |
| **候选模型A** | **[模型名]** — 更适用于 [条件] |
| **候选模型B** | **[模型名]** — 更适用于 [条件] |
| 文献证据 | 方法A:[Author (Year), 期刊名, 级别], [性能];方法B:[Author (Year), 期刊名, 级别], [性能] |
| 选择建议 | [在本题的特定场景下,A和B各自的优势和风险,何种情况下选A、何种情况下选B] |
| 不选A的情况 | [什么具体条件下应放弃A选B] |

### 问题二:[标题]
...
```

**完成后**:停留,等待用户确认模型选择。确认后进入阶段3。

---

### 阶段3:算法展开 + 代码生成

**目标**:针对确认的模型,给出适配问题的公式推导、算法伪代码和可运行代码。

**自动加载**:对应 cookbook + `code-templates/` 下对应语言和领域的模板
**加载规则**:
- 优化类 → `cookbook-optimization.md`
- ML/数据类 → `cookbook-ml.md`
- 评价类 → `cookbook-evaluation.md`
- 机理类 → `cookbook-mechanistic.md`
- 统计类 → `cookbook-statistical.md`
- 图论/网络类 → `cookbook-network.md`
- 聚类/分组类 → `cookbook-clustering.md`
- 博弈/策略类 → `cookbook-game-theory.md`
- 美赛 D/E/F 题或涉及网络科学/生态/政策 → `mcm-specific-guide.md`

**步骤**:

1. 从 cookbook 中提取该算法的"问题适配框架"
2. 将问题的具体变量、约束映射到算法框架中
3. 给出适配后的公式推导(从问题出发,不抄教科书)
4. 生成算法伪代码(Input / Output / Steps 格式)
5. 加载对应代码模板,**将模板中的变量名、函数名、注释全部替换**为本题的具体内容。模板仅提供算法逻辑骨架——最终代码的每一行都应围绕本题改写:变量名用题目中的符号、函数名描述本题的操作、注释解释为什么这样算。两个队伍用同一个模板解同一道题,产出的代码在命名和注释上应当完全不同
6. 如用户没有指定语言,默认 Python;物理/工程类默认 MATLAB

**输出格式**:

```
## 算法展开:[模型名]

### 问题适配
[将本题的具体变量/约束映射到算法框架]

### 公式推导
[从问题出发的公式推导,LaTeX 格式]

### 算法伪代码
\`\`\`
Algorithm: [名称]
Input: [具体输入变量]
Output: [具体输出变量]
Steps:
1. [步骤]
2. ...
\`\`\`

### Python 代码
\`\`\`python
[完整可运行代码,含注释和问题适配点]
\`\`\`

### 关键参数说明
| 参数 | 含义 | 取值依据 | 建议范围 |
|------|------|---------|---------|
| ... | ... | ... | ... |
```

**完成后**:停留,等待用户确认。确认后进入阶段4。

---

### 阶段4:论文衔接

**目标**:将建模结果组织为论文草稿片段,引导切换到 paper skill。

**自动加载**:`references/paper-bridge.md`

**步骤**:

1. 按 paper-bridge.md 的映射表,将各阶段输出重组为论文章节片段
2. 公式统一用 LaTeX 格式(`$$ $$` 或 `$ $`)
3. 结果数据以 Markdown 表格给出
4. 伪代码统一用 algorithmic 风格
5. 输出 `[PAPER_READY]` 切换信号

**输出格式**:

```
## 论文草稿片段

### 问题重述草稿
[阶段1拆解结果整理为论文规范的"问题重述"]

### 问题分析草稿
[阶段1+1.5+2的整合,含文献依据、为什么选这些模型、建模流程图]

### 文献综述草稿(如有检索)
[阶段1.5的文献证据整理为论文可用的综述段落]

### 模型建立与求解草稿
[阶段3的公式+伪代码,按子问题组织]

### 附录代码
[阶段3生成的完整代码]

---

[PAPER_READY] 建模方案已完成。建议切换到 **math-modeling-paper** skill 继续论文写作。
当前输出的论文草稿片段可直接嵌入正文各章节。
```

---

## 阶段间规则

1. **每阶段必须停留**,等待用户确认后再进入下一阶段
2. **用户可跳过阶段**:如用户说"直接给我代码",相当于跳过阶段1-2。阶段1.5(文献检索)建议执行但可跳过——如用户已自行检索、有明确模型偏好或时间紧迫,可直接进入阶段2
3. **用户可回退**:如阶段3发现模型不合适,可退回阶段2重新匹配;如怀疑模型选择方向,可退回阶段1.5补充文献检索
4. **Playbook 参考**:在阶段1末尾检查是否匹配已知题型模板。如匹配,加载对应 playbook **作为思路参考**——playbook 展示的是一种可行路径,不是唯一路径。你遇到的题目和 playbook 的例题一定不同:数据不同、约束不同、要求不同。playbook 的价值在于让你看到「这类题一般怎么想」,而不是「这道题应该照搬什么」。永远从你的题目出发,而不是从 playbook 出发
5. **语言偏好**:首次交互时确认用户偏好 Python 还是 MATLAB。物理/工程类(A题)默认 MATLAB,数据/ML 类(C题)默认 Python,优化类(B题)两者均可

---

## 参考资源

- `references/problem-decomposition.md` — 拆题方法论(12 种问题类型,含第4步文献检索关键词生成)
- `references/model-selection-matrix.md` — 模型决策矩阵(95+ 场景)
- `references/paper-bridge.md` — 论文衔接规则(含文献→论文桥接)
- `references/mcm-specific-guide.md` — 美赛专项:模型命名/Memo/Letter/Our Work/可迁移性检验
- `references/cookbook-optimization.md` — 优化类算法手册(GA/PSO/SA/LP/DP;NSGA-II 见 `references/code-templates/python/optimization/nsga2_template.py`)
- `references/cookbook-ml.md` — ML 类算法手册(XGBoost/RF/SVM/NN)
- `references/cookbook-evaluation.md` — 评价类方法手册(TOPSIS/AHP/熵权/模糊)
- `references/cookbook-mechanistic.md` — 机理类建模手册(热传导/ODE/几何/光学/流体/振动)
- `references/cookbook-statistical.md` — 统计类方法手册(假设检验/ANOVA/DOE/蒙特卡洛/贝叶斯/成分数据/时间序列/灰色关联)
- `references/cookbook-network.md` — 图论与网络算法手册(网络流/最短路径/中心性/K-Shell/二分图匹配/多层网络)
- `references/cookbook-clustering.md` — 聚类方法手册(层次聚类/K-Means/DBSCAN/GMM/成分数据CLR变换)
- `references/cookbook-game-theory.md` — 博弈论建模手册(静态/动态/演化博弈/Nash均衡/Stackelberg)
- `references/playbooks/` — 12 本完整例题端到端走通(国赛:物理机理/调度优化/策略博弈/ML分类/ML回归/评价决策/路径规划/数据洞察/几何运动学;美赛:网络科学/环境科学/政策分析)
- `references/code-templates/` — Python & MATLAB 可运行代码模板(22 个 Python + 7 个 MATLAB)
- **跨 skill**:`../math-modeling-paper/references/literature-review.md` — 文献检索策略、综述写作、引用格式、参数溯源(阶段1.5自动加载)
Files in this package (56)
  • LICENSE 1 KB
  • README.md 2 KB
  • SKILL.md 16 KB
  • references/cookbook-clustering.md 7 KB
  • references/cookbook-evaluation.md 4 KB
  • references/cookbook-game-theory.md 5 KB
  • references/cookbook-mechanistic.md 33 KB
  • references/cookbook-ml.md 7 KB
  • references/cookbook-network.md 6 KB
  • references/cookbook-optimization.md 6 KB
  • references/cookbook-statistical.md 19 KB
  • references/mcm-specific-guide.md 4 KB
  • references/model-selection-matrix.md 15 KB
  • references/paper-bridge.md 4 KB
  • references/problem-decomposition.md 8 KB
  • references/code-templates/matlab/evaluation/ahp_template.m 1 KB
  • references/code-templates/matlab/evaluation/topsis_template.m 1 KB
  • references/code-templates/matlab/ml/random_forest_template.m 1 KB
  • references/code-templates/matlab/optimization/ga_template.m 5 KB
  • references/code-templates/matlab/optimization/monte_carlo_template.m 6 KB
  • references/code-templates/matlab/optimization/pso_template.m 3 KB
  • references/code-templates/matlab/optimization/sa_template.m 4 KB
  • references/code-templates/python/evaluation/ahp_template.py 2 KB
  • references/code-templates/python/evaluation/entropy_weight_template.py 2 KB
  • references/code-templates/python/evaluation/fuzzy_eval_template.py 3 KB
  • references/code-templates/python/evaluation/grey_relational_template.py 10 KB
  • references/code-templates/python/evaluation/topsis_template.py 4 KB
  • references/code-templates/python/mechanistic/food_web_ode_template.py 10 KB
  • references/code-templates/python/mechanistic/ode_solver_template.py 13 KB
  • references/code-templates/python/ml/anova_template.py 12 KB
  • references/code-templates/python/ml/gmm_em_template.py 10 KB
  • references/code-templates/python/ml/markov_chain_template.py 8 KB
  • references/code-templates/python/ml/random_forest_template.py 2 KB
  • references/code-templates/python/ml/time_series_forecast_template.py 14 KB
  • references/code-templates/python/ml/xgboost_template.py 5 KB
  • references/code-templates/python/optimization/cvar_robust_opt_template.py 12 KB
  • references/code-templates/python/optimization/ga_template.py 7 KB
  • references/code-templates/python/optimization/integer_programming_template.py 7 KB
  • references/code-templates/python/optimization/monte_carlo_template.py 8 KB
  • references/code-templates/python/optimization/network_flow_template.py 10 KB
  • references/code-templates/python/optimization/nsga2_template.py 11 KB
  • references/code-templates/python/optimization/pso_template.py 4 KB
  • references/code-templates/python/optimization/sa_template.py 3 KB
  • references/code-templates/python/optimization/system_dynamics_template.py 8 KB
  • references/playbooks/playbook-data-insight.md 16 KB
  • references/playbooks/playbook-evaluation-decision.md 12 KB
  • references/playbooks/playbook-geometric-kinematics.md 6 KB
  • references/playbooks/playbook-mcm-environmental.md 6 KB
  • references/playbooks/playbook-mcm-network.md 10 KB
  • references/playbooks/playbook-mcm-policy.md 5 KB
  • references/playbooks/playbook-ml-classification.md 10 KB
  • references/playbooks/playbook-ml-regression.md 13 KB
  • references/playbooks/playbook-path-planning.md 12 KB
  • references/playbooks/playbook-physics-ode.md 12 KB
  • references/playbooks/playbook-scheduling-opt.md 11 KB
  • references/playbooks/playbook-strategy-game.md 13 KB

Versions

The database has no other skills named math-modeling-solver.

Database snapshot: 13.11.2026 · package version 485e4c6990cb (SHA-256 digest of the entire package)

Downloads in the last 30 days: 0 · ranking

Report a problem with this skill: harmful content, incorrect descriptions or an author’s removal request.

Similar skills

  • 100math-modeling-paper
    数学建模竞赛论文写作全流程指导。覆盖国赛(CUMCM)和美赛(MCM/ICM),从论文结构规划、各章节撰写、模型检验、参考文献规范到最终格式检查。与math-modeling-solver形成"解题→写作"配对——可接收solver输出的论文草稿片段直接展开写作。当用户提及数学建模论文写作、建模比赛、国赛/美赛/电工杯/亚太杯/深圳杯/华为杯论文、CUMCM、MCM/ICM、数模论文结构、摘要写作、模型检验、灵敏度分析、latex建模模板、word建模排版、Memo/Letter写作、模型命名、Our Work流程图,或需要写/修改/优化/检查建模论文的任何部分时,都必须使用此 skill。
  • 100math-modeling-skill
    数学建模竞赛全流程助手:审题选题、模型选型与求解、结果检验(误差/灵敏度/稳健性)、论文写作与提交自检, 覆盖国赛 CUMCM、研赛华为杯、美赛 MCM/ICM。当用户准备建模竞赛、写建模论文、问赛题思路、写摘要、 做灵敏度分析、选模型、检查论文格式或提交前自检时使用——即使没说"数学建模"三字也应使用。
  • 100ez-math-model
    Use when solving CUMCM, MCM, ICM, or other mathematical modeling tasks that need contest problem intake, model selection, Python solving, figures, paper writing, quality audit, and packaged deliverables.
  • 91auto-mcm
    AutoMCM-Pro industrial-grade math modeling agent. Supports AP (AI-led) and Manual (human-spec-led) dual modes with mandatory GitOps checkpoints, forced self-verification of all solver code before LaTeX inclusion, and structured human cross-validation at each pipeline stage. Use…
  • 100auto-mcm
    AutoMCM-Pro industrial-grade math modeling agent (Codex CLI binding). Supports AP (AI-led) and Manual (human-spec-led) dual modes with mandatory GitOps checkpoints, forced self-verification of all solver code before LaTeX inclusion, and structured human cross-validation at each…
  • 100math-modeling-contest-route-selection
    Select superior mathematical modeling contest problems and modeling-solution routes for CUMCM A/B/C, MCM, ICM, and similar contests. Use when comparing contest topics, choosing modeling methods, distilling award-paper per-subquestion modeling/solving logic, auditing AI-generated…

Feedback and reports

Your message goes to Bartosz Sokoliński. An email address is needed only for a reply. See the privacy policy.