本技能帮助为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 处理
制品(代码/数据/模型)可用性。需要说明现状:本刊作为中文期刊,是否设立类似部分英文会议的独立制品
评审徽章(artifact badge) 制度 待核实;不要臆断有 ACM 式徽章。本技能给的是稳妥、诚实的可用性
做法。事实核验日期 2026-07-09,见 resources/official-source-map.md。
在论文(可用性声明/数据可得性部分)用一段说明:
组织成外审能快速核验的形式(与 prai-reproducibility 一致):
artifact/
README.md # 环境、一键复现、结果对照
requirements.txt
configs/ # 含随机种子
scripts/run_all.sh
data/README.md # 数据获取与划分
results/ # 期望产物
| 情形 | 稳妥做法 |
|---|---|
| 数据含隐私/版权 | 提供脱敏子集或统计,说明完整数据获取途径 |
| 代码含第三方受限组件 | 公开可公开部分,说明受限组件与替代 |
| 权重过大 | 稳定托管 + 校验和,或提供推理脚本 |
| 完全不可公开 | 坦陈原因,提供尽可能的可核验证据 |
诚实的"部分可用 + 说明"远胜过"声明可用却无法复现"。
prai-camera-ready)。prai-experiments 结果的可核验支撑、prai-reproducibility 材料的对外呈现。| 问题 | 后果 | 规避 |
|---|---|---|
| 声明可用但链接失效/无法复现 | 信任受损 | 投稿前验证链接与一键复现 |
| 宣称获得不存在的徽章 | 虚假陈述 | 不臆断徽章制度(待核实) |
| 制品泄露作者身份(若需匿名) | 违反匿名 | 去身份后再提交 |
| 数据许可不清 | 合规风险 | 标注来源与许可 |
prai-reproducibility 建材料、prai-experiments 出证据;投稿声明核对见 prai-submission;
录用后正式版见 prai-camera-ready。在《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 论文的可用性/数据 可得性部分,可参照如下诚实写法(据实调整,不夸大):
代码可用性:本文方法的实现代码已在 <稳定托管地址> 公开(版本 tag v1.0,commit <哈希>),
采用 <MIT/Apache-2.0> 许可。
数据可用性:实验使用的 <数据集A、B> 为公开数据集,来源见参考文献[..];划分脚本随代码提供。
自采数据 <C> 因涉及隐私暂不公开,提供脱敏样例与统计信息,完整数据可依 <途径> 申请获取。
模型权重:预训练权重来源为 <..>,微调权重随代码托管并提供校验和。
关键是"声明的每一句都能兑现":链接可访问、复现步骤能跑通、不可公开处给了替代验证。
审稿人对"声明全部可用却无法复现"的容忍度很低——这比"部分可用 + 清楚说明"更伤信任。与其为好看 而夸大可用性,不如:把能公开的做扎实(一键复现、打 tag、许可清楚),把不能公开的说清楚(原因、 替代验证途径)。诚实的部分可用配上可核验的复现,往往比空洞的"完全可用"声明更能支撑外审对结果的 信任。这与本刊只发表具创新价值且经得起检验的成果的定位一致。
制品在《模式识别与人工智能》评审的不同阶段承担不同角色:外审阶段,可核验的复现材料帮助专家确认
"结果可信、方法可复现",减少质疑;修回阶段,可用制品让补做实验的说服力更强(见
prai-author-response);录用后,切换到正式署名版本并与最终论文一致(见 prai-camera-ready)。本刊
是否有独立徽章制度 待核实,但无论有无,"诚实声明 + 可核验材料"这条主线在各阶段都成立。
[PR&AI 可用性] 就绪 / 待完善
[徽章制度] 待核实(不臆断)
[代码] 公开? 托管/tag/许可:___
[数据] 公开/部分/不可公开 + 替代验证:___
[一致性] 声明与实际材料一致:是/否
[复现验证] 干净环境跑通对上主表:是/否
[匿名(若需)] 制品是否去身份:___
[待完善项] ___