很多同学在后台、交流群一直在询问A题的标准答案,由于模型存在很多的指标组合导致结果会千人千面。本文呈现本次竞赛提供A题资料使用的12种不同算法给出的三个问题的全部求解结果。以下是各方案的详细介绍与实际运行结果。

文末附,附件各论文,往届竞赛中 实际获奖等级

一、问题一:论文综合评价(5种模型)

目标:对43篇论文的45项指标进行评分,按百分位分为五个等级(优秀/良好/中等/及格/不及格)

① 加权线性模型(q11)

最基础的方案,固定权重加权求和。逻辑严密性40%、方法合理性35%、验证完整性15%、规范创新10%。

实际结果: 平均分 50.20,范围 43.98~57.40。等级分布:优秀 5篇 · 良好 16篇 · 中等 8篇 · 及格 8篇 · 不及格 5篇。

② 层次分析法 AHP(q12)

通过判断矩阵用特征值法自动计算权重。逻辑严密性0.4025、方法合理性0.3363、验证完整性0.1601、规范创新0.1011。平均得分50.29。

③ 熵权法(q13)

完全由数据驱动,根据各维度的变异程度自动定权。验证完整性权重最高(0.3374),说明数据在该维度差异最大。平均分 53.95,明显高于前两种方法。

④ 模糊综合评价(q14)

用隶属度函数处理评价不确定性。平均分18.77(模糊转换后的尺度不同),等级分布比例与其他方法一致。

⑤ 随机森林模型(q15)

100棵决策树自动学习非线性权重。关键发现:验证完整性权重高达0.74,远超其他三个维度,说明论文质量的区分度主要由验证部分决定。

二、问题二:特征预测模型(4种算法)

目标:用25个文本特征(篇幅/逻辑词密度/公式密度/参考文献数等)预测论文综合得分

① 线性回归(q21)

R² = 0.7988,RMSE = 1.39。最重要的特征是逻辑词密度(负系数)和被动语态密度(正系数)。

② SVR支持向量回归 ⭐(q22)最优模型

R² = 0.9960,RMSE = 0.20。最优超参:C=100, epsilon=0.2, RBF核函数。

小样本(43篇)下泛化能力最强,建议作为论文主要预测模型。

③ 随机森林回归(q23)

R² = 0.8375,MAE = 1.03。TOP5重要特征:符号密度 > 问题占比 > 数学符号数 > 求解占比 > 平均句长。

④ XGBoost(q24)

R² = 1.0000,但这是过拟合表现,实际预测能力不如SVR,不推荐单独使用。

三、问题三:AI检测与改进诊断(3种方案)

目标:检测AI生成痕迹,诊断逻辑断层,预测改进效果

① 启发式规则法(q31)

特征签名库匹配,规则透明易懂。三篇附件3论文均判断为"低风险",平均改进潜力约1.3分。

② 贝叶斯概率法 ⭐(q32)

先验概率→似然比更新→后验概率,科学严谨。推荐在论文中使用,贝叶斯框架天然适配"有没有AI辅助"这类不确定性问题。

③ TOPSIS综合评价(q33)

从综合得分、AI程度、逻辑质量、改进潜力、数学规范五个维度排序

原始分最高但AI问题拖累

🎯 关键发现: 3-1原始分最高(54.15),但TOPSIS排名最后。原始得分高 ≠ 综合质量好,AI检测和逻辑问题显著拉低了排名。

| 附件编号 | 论文队伍/证书编号 | 官方奖项            |

| ---: | ----------------------- | --------------- |

| 01 | 202500838               | 二等奖             |

| 02 | 202500841               | 二等奖             |

| 03 | 未标明队伍编号                 | 无法确定            |

| 04 | 202500938               | 未在名单检索到         |

| 05 | 202501019               | 三等奖             |

| 06 | 202501139               | 二等奖             |

| 07 | 202501194               | 三等奖             |

| 08 | 202501327               | 未在名单检索到         |

| 09 | 未标明队伍编号                 | 无法确定            |

| 10 | 202503542               | 三等奖             |

| 11 | 202503560               | 三等奖             |

| 12 | 202503565               | 未在名单检索到         |

| 13 | 202503567               | 未在名单检索到         |

| 14 | 未标明队伍编号                 | 无法确定            |

| 15 | 202503607               | 三等奖             |

| 16 | 202503627               | 二等奖             |

| 17 | 202503637               | 一等奖             |

| 18 | 未标明队伍编号                 | 无法确定            |

| 19 | 202503642               | 未在名单检索到         |

| 20 | 202503646               | 未在名单检索到         |

| 21 | 202503783               | 三等奖             |

| 22 | 202503797               | 三等奖             |

| 23 | 未标明队伍编号;PDF作者元数据疑似“金宏宇” | 疑似二等奖,不建议作为确定结果 |

| 24 | 202503805               | 二等奖             |

| 25 | 202503829               | 一等奖             |

| 26 | 202502704               | 一等奖             |

| 27 | 202502997               | 一等奖             |

| 28 | 202501299               | 一等奖             |

| 29 | 202502980               | 一等奖             |

| 30 | 202503517               | 一等奖             |

Logo

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。

更多推荐