Math Modeling Paper - 数学建模竞赛论文写作 Skill

基于 182+ 篇获奖论文（72 篇国赛一等 + 80 篇美赛 2024-2025 Outstanding + 30 篇美赛 2025）的系统分析，覆盖 CUMCM（国赛）和 MCM/ICM（美赛）全流程论文写作指导。当前版本 v1.2.0。

这个 Skill 解决什么问题

数学建模比赛的核心瓶颈往往不在建模能力，而在论文写作。通过分析从三等奖到一等奖的论文差距，我们发现：

功能覆盖

• 双赛道支持：国赛 (CUMCM) + 美赛 (MCM/ICM)，含差异化评审标准和章节模板
• 全流程指导：结构规划 → 逐节写作 → 润色优化 → 格式检查
• 题型策略：A 题（物理/工程）、B 题（优化/博弈）、C 题（数据/ML）差异化策略
• 摘要专项：中英双语模板 + 3 个获奖实例 + 十大常见错误
• 模型检验大全：5 种检验方法 + Sobol' 全局灵敏度代码 + 嵌入 vs 独立两种组织方式
• 图表代码规范：流程图/数据图/伪代码绘制标准 + MATLAB/Python/C++ 代码附录要求
• 美赛 Memo 指导：政府/机构/公众三种受众的备忘录格式模板
• 常用句式库：中英双语学术句式，按章节组织
• 格式检查：LaTeX / Word 排版清单

安装

# Claude Code skills 目录
cd ~/.claude/skills/
git clone https://github.com/Lupynow/math-modeling-paper.git

安装后重启 Claude Code 即可自动加载。

使用方式

在 Claude Code 中，提及以下任一内容即可自动触发：

帮我写国赛论文的摘要
C 题数据建模怎么选模型
论文里的流程图怎么画
代码附录要放什么
检查这篇美赛论文的模型检验部分
怎么写灵敏度分析
模型假设怎么写才不废话
论文参考文献格式检查
把这篇中文论文翻译润色成美赛英文

Skill 会先确认比赛类型、题型和当前阶段，然后提供针对性指导。

搭配其他 Skill 使用

此 Skill 覆盖论文写作环节，与以下 Skill 组合可形成完整的比赛工作流：

赛前准备

nature-reader              → 精读往年优秀论文，学习结构和写法
nature-academic-search     → 检索方法论文献（如特定算法的原始论文）
nature-citation            → 管理 .bib 参考文献库，导出 EndNote/RIS

赛中 — 国赛中文论文

xlsx                       → 数据清洗、探索性分析、结果汇总
math-modeling-paper        → 论文结构规划 + A/B/C题型策略 + 逐节写作指导 + 图表代码规范
nature-figure              → 科研级图表（多面板、统一配色、期刊规范）
docx                       → 最终排版输出、格式精修

赛中 — 美赛英文论文

xlsx                       → 数据清洗、探索性分析
math-modeling-paper        → 英文论文结构 + 模型命名 + Summary Sheet + 句式库
nature-polishing           → 英文润色，Nature 风格学术表达，修正中式英语
nature-figure              → 期刊级配图，符合国际期刊视觉标准
pdf                        → 导出最终 PDF，合并 Summary Sheet

赛后检查

math-modeling-paper        → 逐项格式检查（摘要量化/模型检验/参考文献）
addy-code-review-and-quality → 代码质量审查（一致性、可复现性）
superpowers:verification-before-completion → 最终验证，确保无遗漏

推荐安装：以上搭配 Skill 可通过 find-skills 搜索安装。核心链 math-modeling-paper + nature-polishing（美赛必装）+ nature-figure（图表必装）即可覆盖 80% 的需求。

文件结构

math-modeling-paper/
├── SKILL.md                         # 主文件：使用流程、结构模板、分节规则、红线
└── references/
    ├── cumcm-guide.md               # 国赛逐节详细写法指南
    ├── mcm-icm-guide.md             # 美赛逐节详细写法指南
    ├── abstract-writing.md          # 摘要模板+实例+常见错误（中英双语）
    ├── model-validation.md          # 5 种检验方法+Python 代码+检查清单
    ├── common-phrases.md            # 中英双语学术句式库（按章节组织）
    ├── problem-type-strategies.md   # A/B/C 题差异化策略（模型/工具/图表/易错点）
    ├── figure-and-code-guide.md     # 图表规范（流程图/数据图/伪代码）与代码附录要求
    └── memo-writing.md             # 美赛 Memo/Letter 写作指导（格式+模板+实例）

使用优先级

1. 新手上路：SKILL.md → 确定题型后读 problem-type-strategies.md → 写摘要时读 abstract-writing.md
2. 写到检验：读 model-validation.md（注意嵌入 vs 独立章的区别）
3. 出图出代码：读 figure-and-code-guide.md
4. 润色句式：读 common-phrases.md

设计依据

此 Skill 的规则和模板来自对以下材料的系统分析：

• 30 篇 2025 MCM/ICM Outstanding/Finalist 论文
• 72 篇 2018-2024 CUMCM 一等/优秀论文（v1.1.0 逐篇分析：A/B/C 题全覆盖）
• 官方评审标准（CUMCM 格式规范 2024-2026、MCM/ICM 官方指南）

核心发现：从三等奖到一等奖，差距不在于用了多复杂的模型，而在于摘要有无量化结果、问题分析有无方法对比逻辑、每个子问题末尾有无检验。

更新日志

v1.2.0 (2026-05-24)

基于 2024-2025 年 80 篇 MCM/ICM Outstanding/Finalist 论文（A-F 全题型覆盖）的逐篇分析：

新增

• memo-writing.md — 美赛 Memo/Letter 写作专项指导（格式模板、政府/机构/公众三种受众差异、完整实例、常见错误）

修正（mcm-icm-guide.md）

• 灵敏度分析：2-4页独立章节 → 1-3页，独立或嵌入均可（实际 ~50% 嵌入在模型评价章）
• 参考文献数量：≥8 → ≥5（与实际论文引用数一致）
• AI Usage Report：独立章节必备 → 约 37% 论文包含（不强制）
• Literature Review：推荐独立 → ~60% 论文包含，可并入 Background
• Our Work 流程图：「推荐」→ 「近乎必须」（Outstanding 论文标志特征）
• 弱点必须映射改进 → 不强求（实际论文中很少做到）

新增模式

• Summary Sheet 约 400-550 词、模型缩写首次出现展全称
• Introduction 开头放问题场景照片（近乎普遍模式）
• Sensitivity Analysis 参数扫 sweep 为主（Morris/Sobol' 罕见）

v1.1.0 (2026-05-24)

基于 2018-2024 全部获奖论文的逐篇分析，修正了与原论文实际做法不一致之处：

新增

• problem-type-strategies.md — A/B/C 三题型全流程差异化策略（模型选择、工具推荐、图表偏好、易犯错误、获奖论文特征）
• figure-and-code-guide.md — 图表规范（流程图/数据图/伪代码）与代码附录要求

修正

• 摘要字数建议：1000 字 → 500-800 字（与获奖论文实际一致）
• 模型检验组织方式：强制独立成章 → 嵌入子问题末尾（获奖论文最常见做法）+ 独立章可选
• 参考文献数量：国赛 ≥8/美赛 ≥10 → 国赛 ≥6/美赛 ≥8（与获奖论文引用实际一致）
• 模型检验篇幅：2-5 页 → 0.5-1 页/子问题（嵌入时）

扩展

• 问题分析章节：增加多问题递进分析实例 + 整体建模流程图指导
• 摘要章节：新增 B 题（优化）和 C 题（ML）获奖实例
• 模型检验：新增嵌入 vs 独立两种组织方式的完整对比
• 2026 年规则更新（源程序要求、代码规范）

v1.0.0

初始发布，覆盖国赛和美赛全流程论文写作指导。

License

MIT

贡献

欢迎提交 Issue 和 PR。如果你有获奖论文的写作经验想要融入此 Skill，请分享你的模板和句式。