ARIS 自动审稿循环实战/auto-review-loop 如何让论文一夜从 5/10 涨到 7.5/10【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址: https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleepARISAuto-Research-In-Sleep自动科研是一套轻量的 Markdown 技能系统它的核心技能/auto-review-loop自动审稿循环能让 AI 审稿评分在一夜之间从5/10borderline reject爬升到 7.5/10submission ready——审稿模型打分、执行模型自动修改、再评最多循环 4 轮全程无需人工干预。对新手来说这个工作流的价值可以一句话概括你睡觉时AI 在替你改论文。本文带你从零跑通这条自动审稿循环并用一次真实运行逐轮复盘评分是如何涨上去的。一、ARIS 是什么睡觉时自动审稿改稿的科研工作流ARIS 的整个技能层只是纯 Markdown 文件——没有框架、没有数据库、没有 Docker。每个技能就是一个SKILL.md任何 LLM Agent 都能读懂并执行。自动审稿循环的工作方式是一个跨模型分工角色默认模型职责️ 执行模型ExecutorClaude Code读评审意见 → 改代码/跑实验 → 重写叙述 审稿模型ReviewerCodexGPT-6-Astra xhigh以 NeurIPS/ICML 级别审稿人身份打分、挑刺为什么必须用两个不同模型因为同一模型自我评审容易掉进局部最优——它看不见自己的盲区。跨模型评审是对抗式的审稿人会主动去戳执行者没预料到的弱点这正是分数能持续上涨的关键。核心技能定义skills/auto-review-loop/SKILL.md二、一键安装3 步跑通自动审稿循环步骤 1克隆仓库并安装技能git clone https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep.git bash Auto-claude-code-research-in-sleep/tools/install_aris.sh ~/your-project安装脚本 tools/install_aris.sh 会把技能以软链接方式装进项目的.claude/skills/并记录安装清单可重复执行来同步新增技能。步骤 2注册 Codex 审稿桥接审稿模型通过项目自带的 MCP 桥接调用无需额外 API Key用 ChatGPT 订阅即可claude mcp add codex -s user -- python3 $(pwd)/Auto-claude-code-research-in-sleep/mcp-servers/codex-exec/server.py桥接实现见 mcp-servers/codex-exec/server.py。步骤 3重启并验证重启 Claude Code 后执行claude mcp list确认codex: ... server.py - ✔ Connected即可开工。三、启动命令与参数速查在项目目录里打开 Claude Code一条命令启动/auto-review-loop 你的论文主题或范围通过—后缀可以覆盖默认参数最常用的三个参数默认值说明difficultymedium审稿强度medium/hard/nightmarehuman checkpointfalse每轮评审后暂停等你确认再继续render htmltrue循环结束后把评审日志渲染成 HTML示例——开启人工检查点 加难度/auto-review-loop my paper topic — difficulty: hard, human checkpoint: true两条内置铁律决定了循环如何结束MAX_ROUNDS 4最多 4 轮防止无限烧 token停止条件评分 ≥ 6/10且结论 ∈ {ready, almost}两者必须同时满足才停分数再高但结论是 not ready 也会继续。停止判定由 tools/review_gate.py 严格执行。四、真实一夜运行复盘评分如何从 5.0 涨到 7.5这是 README 中记录的一次真实 4 轮过夜运行循环自主执行了20 个 GPU 实验、重写了叙述框架、并砍掉了一条经不起验证的结论。评分曲线如下逐轮拆解每一分是怎么涨上来的轮次评分发生了什么初始5.0/10borderline rejectRound 16.5/10补上标准评测指标发现了指标解耦问题Round 26.8/10关键结论复现失败主动调整了叙述角度Round 37.0/10大规模随机种子实验杀死了主改进结论Round 47.5/10✅诊断性证据坐实达到可投稿状态注意 Round 2 和 Round 3审稿人不是只说这里不好而是逼着执行模型去验证——复现失败就换叙述种子实验不显著就砍掉结论。这种对抗式打磨让最终分数是真实可信的而不是靠话术哄出来的。每轮产出都会追加写入review-stage/AUTO_REVIEW.md累计日志状态持久化在review-stage/REVIEW_STATE.json会话被压缩或中断后都能从断点恢复。五、三档审稿难度medium / hard / nightmaredifficulty: hard不同强度对应不同的审稿人人格难度审稿行为适合场景medium默认MCP 评审执行模型控制审稿人可见上下文日常迭代hard审稿人记忆辩论协议审稿人跨轮跟踪自己的怀疑执行模型可以申诉Rebuttal审稿人裁定 SUSTAINED / OVERRULED重要稿件nightmare审稿人通过codex exec直接读仓库执行模型无法过滤它看到的内容并独立核验代码与结论是否一致投稿前压力测试审稿人记忆存放在review-stage/REVIEWER_MEMORY.md只追加、不修改——审稿人每轮都会检查上一轮的怀疑是否被真正解决还是只是绕过去了。六、飞书推送 人工检查点跑过夜也不失控自动循环跑一整夜最怕的是它挂了不知道或它改歪了不知道。ARIS 给了三层保障1. 飞书实时推送配置飞书后每轮评审结束即推送Round N: X/10 — 结论 Top 3 弱点interactive模式下结论为 almost 时会在飞书上等你回复继续 or 停止。技能见 skills/feishu-notify/SKILL.md。2. 人工检查点human checkpoint: true时每轮评审后暂停展示评分与弱点你可以回复go全采纳、skip 2跳过第 2 条修复、或stop提前终止。3. 看门狗tools/watchdog.py 监控无人值守循环的状态文件更新一旦长时间无动静就发出告警——它只报警不擅自重启。七、社区实战8/10 与 AAAI 2026 的 7/10社区已经有多篇论文完整走完 ARIS 流程注意以下均为AI 评审信号用于展示自动审稿循环的打磨效果不等于顶会录用论文AI 评审信号执行方式CS 会议投稿8/10— Top 50% of accepted papers, clear accept全流程想法 → 实验 → 自动审稿 → 写作AAAI 2026 主会投稿7/10— Good paper, accept纯 Codex CLI 驱动README 还记录了/auto-paper-improvement-loop写作侧的同款循环在 ICLR 2026 理论论文上的实测4/10 → 8.5/103 轮内修掉假设矛盾、软化过度声明、补齐合成验证。八、新手避坑5 条实用经验⛔ 不要用/loop、/schedule或 Cron 包裹它。/auto-review-loop内部自带循环且审稿人通过 threadId 携带跨轮记忆外部定时器每次都是全新会话记忆清零只按墙钟时间触发——零新信息全量 token 成本。分数 ≥ 6 但不 stop检查结论词。not ready 的高分不满足停止条件属于正常行为。别试图藏弱点骗分。技能的关键规则明确诚实记录负面结果与失败实验修完再重评而不是承诺下次改。长实验并行等。实验超过 30 分钟就先挂到 GPU 服务器同时继续做其他修复回来收结果。上游更新要手动拉。定期执行git pull bash tools/smart_update.sh --apply见 tools/smart_update.sh保持技能最新。九、相关文件导航内容路径自动审稿循环技能定义skills/auto-review-loop/SKILL.md审稿路由与跨模型身份规则skills/shared-references/reviewer-routing.md停止条件判定器tools/review_gate.pyCodex 审稿 MCP 桥接mcp-servers/codex-exec/server.py安装 / 更新脚本tools/install_aris.sh · tools/smart_update.sh写作侧改进循环skills/auto-paper-improvement-loop/SKILL.mdLLM 审稿备选后端skills/auto-review-loop-llm/SKILL.md项目主文档README.md一句话总结把/auto-review-loop交给夜里运行第二天早上你收获的不只是一个更高的分数而是一篇被对手模型反复锤过、砍掉假结论、证据链扎实的论文——这正是它从 5/10 到 7.5/10 的完整秘密。【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址: https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
