Review Response

• Вы получили комментарии рецензентов от конференции или журнала (например, ICLR, NeurIPS, ACL) и вам нужно написать официальный ответ на рецензию.
• Вы хотите систематически классифицировать комментарии рецензентов по типу (Существенные/Незначительные/Опечатки/Недопонимание), прежде чем решить, как отвечать на каждый из них.
• Вам нужна помощь в разработке стратегии ответа — понимание того, когда следует принять критику, отстоять свою позицию, прояснить недопонимание или провести дополнительный эксперимент.
• Вы хотите убедиться, что ваш ответ на рецензию является полным, профессионально оформленным и охватывает каждый пункт рецензента, не упуская ничего.

• Вы не отвечаете на официальные комментарии рецензентов — этот инструмент создан специально для академических процессов опровержения и не является универсальным инструментом для написания или редактирования текстов.
• Ваши рецензенты уже приняли статью, и вам нужно лишь внести незначительные редакторские правки без какого-либо опровержения.

Автоматически анализирует комментарии рецензентов и классифицирует каждый из них по категориям: Существенное замечание, Незначительное замечание, Опечатка или Недопонимание. Это даёт вам чёткое представление о том, что требует наибольшего внимания, прежде чем вы напишете хотя бы слово ответа.

Для каждого классифицированного комментария навык рекомендует индивидуальную стратегию ответа — Принять, Защитить, Пояснить или предложить дополнительный Эксперимент. Стратегии основаны на уроках, извлечённых из успешных возражений на статьи, получившие статус Spotlight на ICLR.

Генерирует полный структурированный документ возражения, который рассматривает каждый пункт рецензента в едином формате. Структура результата формируется на основе шаблонов и примеров из references/rebuttal-templates.md.

Анализирует и совершенствует тон каждого ответа, обеспечивая его профессиональность, уважительность и обоснованность фактами на протяжении всего текста — избегая распространённых ошибок, таких как защитная реакция или пренебрежительность.

При установке вместе со скиллом ml-paper-writing, этот скилл считывает данные из paper-miner-writing-memory.md, чтобы применить извлечённые фразовые паттерны, сигналы, специфичные для площадки, и улучшения риторической структуры к вашему ответу на рецензию.

Обеспечивает соблюдение основного принципа: каждый комментарий рецензента получает ответ, подкреплённый обоснованием или доказательствами — включая проактивное обсуждение этических аспектов, когда тематика исследования этого требует.

Исследователь получает неоднозначные отзывы на поданную статью — одни рецензенты отмечают новизну работы, тогда как другие ставят под сомнение экспериментальную часть. Навык классифицирует каждый комментарий, рекомендует добавить ablation studies для устранения замечаний по экспериментам и составляет ответ с учётом требований конкретной площадки: сначала признаются сильные стороны работы, а затем даются ответы на критику.

После получения запроса на существенную доработку от редактора журнала исследователю необходимо составить официальное письмо-ответ, в котором рассматривается каждое замечание рецензентов. Review Response структурирует документ, предлагает, какие технические детали следует вынести в приложение, и обеспечивает неизменно профессиональный тон изложения.

Один или несколько рецензентов, по всей видимости, неверно поняли ключевой вклад работы. Review Response выявляет такие комментарии как относящиеся к типу «Недопонимание» и формирует чёткие, вежливые ответы-разъяснения с пошаговыми объяснениями, адаптированными для читателей с различным профессиональным background.

Статья по вопросам конфиденциальности или безопасности получает замечания рецензентов относительно этических последствий. Review Response проактивно выявляет необходимость рассмотрения этических соображений в ответе на рецензию, даже для тех аспектов, которые рецензенты затронули лишь косвенно.