BNJBR Skill Package

BNJBR（Blinded Near-Journal Benchmarking Review / 盲法近刊基准评审法）是一个用于论文投稿前参考评估的 Skill 包。它适合在 Codex、Claude Code、ChatGPT Agent、命令行 runner 等 agent 工具中运行，用来把目标稿匿名混入目标期刊或相邻期刊近期相近论文中，得到一个相对位置、期刊/画像适配度、风险提示和修改优先级。

BNJBR 不预测真实接收概率，也不替代同行评审。它的主要用途是降低直接询问 LLM 时出现的无锚点评价、讨好式高估、低估和身份/措辞偏差。

设计定位

本包的检索部分允许 agent-led retrieval：Agent 可以根据目标期刊、主题、文章类型和年份窗口自行检索候选对照。BNJBR 不强制系统综述式可复现检索协议；它要求的是：

• 每一步输入/输出透明；
• 每篇对照有纳入理由；
• 检索 Agent 必须标记是否存在高度雷同、近重复、同数据/同队列或同方法管线论文；
• 证据层级明确标注；
• admin metadata 与 reviewer packet 分离；
• 脱敏、评分完整性、reviewer 数量、一致性和 full-text 覆盖有门控；
• 人类使用者可以检查每一步是否可靠。

换句话说，BNJBR 是一个可审计的参考评估流程，不是一个严格文献计量检索系统。

脱敏攻击门控的精确定义

BNJBR 的脱敏检查重点是 no-tool text-only attack：攻击 Agent 只阅读脱敏后的评审用文本，不使用任何外部工具、搜索引擎、文献数据库、代码仓库、URL、DOI 查询或原始文件。

它要判断的是：

在不依赖外部检索的前提下，脱敏文本本身会不会暴露我们的评审用论文？

因此：

• 如果匿名文本里仍有作者、机构、DOI、注册号、代码仓库、数据 accession、独特项目名等直接线索，或攻击 Agent 能在无工具条件下识别出评审用论文，应判为失败并打回重新脱敏。
• 如果只有“这个主题可以通过搜索找到类似论文”的可能性，不单独构成本门控失败。
• 搜索辅助重识别可以作为额外敏感性分析，但不是主流程脱敏 gate。

目录结构

SKILL.md                                  主 Skill 说明
README.md                                 安装与使用说明
manifest.txt                              文件清单
skill.json                                机器可读元信息
templates/config.json                     默认配置
templates/admin_comparator_pool.csv       主控者使用的对照池模板，不给 reviewer
templates/reviewer_packet_index.csv       reviewer 可见 packet 索引模板
templates/comparator_pool.csv             兼容旧脚本的 admin 对照池模板
templates/retrieval_decision_log.csv      可选检索/筛选透明度记录，含高度雷同论文标记
templates/score_sheet.csv                 评分表模板
templates/novelty_assessment.csv         Reviewer 创新性判断模板
templates/anonymized_dossier_template.md  匿名评审文本模板
templates/journal_profile_template.md     匿名期刊画像模板
templates/deid_attack_report_template.json 脱敏攻击报告 JSON 模板
prompts/*.md                              子 Agent 提示词
rubrics/dimensions.md                     评分维度细则
docs/formulas.md                          公式说明
docs/flowchart.md                         Mermaid 流程图
docs/output_schema.md                     输入/输出 schema
docs/model_rationale.md                   评分模型与权重解释
docs/visualization.md                     HTML 可视化说明
scripts/bnjbr_score.py                    标准库评分聚合脚本
scripts/bnjbr_render_portal.py            简洁 HTML 检查面板生成脚本
examples/*                                最小可运行示例

快速运行示例

cd bnjbr
python scripts/bnjbr_score.py \
  --config examples/example_config.json \
  --comparators examples/example_comparator_pool.csv \
  --scores examples/example_score_sheet.csv \
  --deid-report examples/example_deid_attack_report.json \
  --out examples/reports

输出：

examples/reports/bnjbr_report.md
examples/reports/bnjbr_metrics.json

生成 HTML 检查面板：

python scripts/bnjbr_render_portal.py \
  --run-dir examples \
  --bilingual

输出：

examples/results_portal.html
examples/results_portal.zh.html

关键文件如何分发

不要把 admin_comparator_pool.csv 或兼容脚本用的 comparator_pool.csv 直接发给 reviewer Agent，因为里面可能包含：

• is_target
• source_url
• journal_relation
• notes
• 目标稿本地路径

Reviewer Agent 只能看到：

reviewer_packet_index.csv
匿名 dossier
匿名期刊画像 J0（如果要评分 journal/profile fit）
评分维度说明

质量门控

当前聚合脚本会检查：

1. 脱敏攻击报告是否通过；
2. target 是否唯一；
3. 评分表是否含必需列；
4. reviewer agent 数量是否达到 minimum_reviewer_agents；
5. paper × dimension × reviewer 覆盖是否完整；
6. 有效对照数量是否达到 minimum_comparators；
7. full-text 对照数量是否达到 minimum_comparators；
8. Agent 一致性是否达到 minimum_formal_agreement。

任一正式门控不通过时，报告仍可输出数值，但会标记为 formal_evaluation=false，只可作为探索性参考。

使用边界

BNJBR 输出的是“在本次近邻对照池中的相对位置”。它不应被解释为：

• 真实接收概率；
• 编辑部判断；
• 审稿人意见预测；
• 期刊一定接收或一定拒稿。

建议使用者把结果理解为：

这篇稿件在当前 Agent 构建并经人工可检查的近邻对照池中，大致处于什么水平；哪些维度拖后腿；应该先补哪些证据；目标期刊/匿名期刊画像是否匹配。