paper-triage

拿到一篇新論文(標題+摘要)時,用六個C快速判斷它跟油污偵測研究(Sentinel-2/Landsat等多光譜光學影像、無監督異常偵測方法不限、可能搭配分割的兩階段管線)的相關程度,輸出「核心相關/邊緣相關/不相關」三選一。判斷時重可能性、不嚴格比對方法名稱。在主對話中執行,因為使用者通常會立刻針對判斷結果追問。觸發詞:使用者貼上新論文、說「這篇論文相關嗎」、「幫我初篩」。

SKILL.md

GitHub

Stage 0:六個C快速初篩

我會貼上一篇論文的標題與摘要(或全文)。請依照以下六個 C 幫我快速判斷, 每項用 1-2 句話回答,不要展開細節:

  1. Category(類型):這是方法論文、應用論文、survey、benchmark資料集論文,還是其他?

  2. Context(脈絡):它跟以下哪些既有方法/概念有關聯? (無監督異常偵測 / RX detector / Isolation Forest / VAE、VQ-VAE 重建誤差法 / 語意分割 DeepLabV3+、SegFormer / SAR 或光學遙測影像 / 影像諧和化 / domain adaptation)

  3. Correctness(假設合理性):論文有什麼隱含假設?這些假設站得住腳嗎?

  4. Contributions(核心貢獻):用一句話講最關鍵的 1-2 個貢獻。

  5. Clarity(可重現性):方法描述得夠清楚到可以重現嗎,還是含糊不清?

  6. Connection to my research(與我研究的交集):重點是「有沒有可能性」,不是嚴格比對 方法名稱,寧可寬鬆放過,不要太早排除:

    • 用的是「光學影像」(Sentinel-2 / Landsat 或其他多光譜衛星) 還是 SAR?光學影像優先留意, 但 SAR 論文也可能有可借鏡的概念,不直接排除。
    • 是否處理無監督異常偵測?方法不限——RX detector、Isolation Forest、 reconstruction-based方法(VAE/VQ-VAE等)、其他統計或深度學習方法都算, 不要因為「不是用VAE」就判定不相關。
    • 是否處理跨感測器(例如同時使用 Landsat 與 Sentinel-2)的光學影像分析或資料諧和化? 問的是「多感測器整合」這個問題本身,不是有沒有用 Sen2Like 這個特定工具。
    • 跟「光學影像油污偵測」「optical domain adaptation」這些研究缺口有沒有交集?

最後給一個總結判斷(三選一):

  • 【核心相關】直接碰到研究方法或研究缺口 → 建議呼叫 paper-extractor subagent 做 Stage 1a
  • 【邊緣相關】跟領域有關但不直接碰到方法 → 存查備用,先不深讀
  • 【不相關】沒有實質交集 → 略過

並用一句話說明為什麼。