Claude-skill-registry-data mcm-c-writer

Paper/memo writer for COMAP MCM/ICM Problem C. Use when you need to draft the 1-page Summary Sheet, 1-2 page memo/letter, and the main report narrative with clear assumptions, model explanation, validation, uncertainty, and citations. References LaTeX template in MCM-Latex-template.

install
source · Clone the upstream repo
git clone https://github.com/majiayu000/claude-skill-registry-data
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/majiayu000/claude-skill-registry-data "$T" && mkdir -p ~/.claude/skills && cp -r "$T/data/mcm-c-writer" ~/.claude/skills/majiayu000-claude-skill-registry-data-mcm-c-writer && rm -rf "$T"
manifest: data/mcm-c-writer/SKILL.md
source content

MCM/ICM C题论文手(Summary + Memo + Report)

目标

  • 用“评委友好”的结构写清楚:你做了什么、为什么合理、结果有多可靠、能给什么建议。
  • 输出三件套:
    • One-page Summary Sheet
    • One- to two-page memo/letter(写给题目指定对象)
    • Main report(方法与验证细节)

模板入口(本仓库)

  • 优先使用:
    MCM-Latex-template/MCM-main.tex
    (及同目录 sty)
  • 目标是把你最终内容“塞进模板结构”,而不是反过来改模板。

默认产物口径(与代码协作)

  • 图:
    outputs/figures/
    (png/pdf)
  • 表:
    outputs/tables/
    (csv/tex)
  • 预测与区间:
    outputs/predictions/
    (csv)

写作要求:正文中引用任何图/表,必须能在上述目录里找到对应文件名(便于赛时协作)。

写作工作流

  1. 先定“叙事骨架”(先写标题与小标题)

    • Problem restatement(用你自己的话重述目标与输出)。
    • Assumptions & Data policy(必须写外生数据是否允许)。
    • Model 1/2/3(对应题目子问)。
    • Validation & Uncertainty(区间、稳健性、误差来源)。
    • Recommendations(面向对象的可执行建议)。
    • Limitations(诚实但不自毁)。
  2. Summary Sheet(1 页)固定配方

    • 一句话任务:我们要预测/分类/制定策略……
    • 方法概览:用到的核心模型(最多 3 个词组)。
    • 关键发现 3 条:每条带一个数字/区间。
    • 建议 3 条:每条可行动、可落地。
    • 不确定性一句话:主要误差来自哪里。
  3. Memo/Letter(1-2 页)写给“非技术受众”

    • 第一段:目的 + 结论(不要铺垫)。
    • 中段:3-5 个 bullet 讲证据(每个都能被图表支撑)。
    • 末段:行动建议 + 风险 + 下一步。
  4. Main report 的表达原则

    • 少公式,多解释:公式只放关键处,并解释每个符号。
    • 每个模型都必须回答
      • 输入是什么?输出是什么?为什么这样建?怎么验证?何时会失败?
    • 图表必须服务于“论证链”,不要堆图。

4.1 炫技写作(让高级方法“看起来值钱”)

  • 区间类结果必须同时给:
    • 区间水平(90%/95%)
    • 覆盖率(empirical coverage,若能算)
    • 区间宽度(越窄越好,但要保证覆盖)
  • 稳健性必须一句话总结:
    • “在不同切分/不同窗口/不同超参下,核心结论是否保持一致?”
  • 任何炫技模块都用“1 句动机 + 1 张证据图/表 + 1 句结论”写完,不写长篇教程。
  1. 引用与合规
    • 外部数据/背景材料必须给出处。
    • 若使用生成式 AI:按 COMAP 政策在文末附 “AI Use Report”(通常不计页数)。

质量门槛(交付前自检)

  • Summary Sheet 与 Memo 在不看正文的情况下也能读懂并相信你。
  • 明确写了:数据来源、外生数据政策、关键假设。
  • 每个结论都有“证据载体”(表/图/区间/验证结果)。
  • 有至少一段讨论模型局限与稳健性。