---
name: detect-overclaim-missing-closure
description: >-
  Detect overclaims and missing closure between paper commitments and available
  evidence, then propose safer wording or needed experiments. Use when abstract,
  introduction, conclusion, or reviews indicate claims may exceed evidence.
  Output focuses on claim calibration and closure, not general paper review.
metadata:
  owner_model: ParadoxGPT-Checker-4B
  skill_family: checker
  version: "0.1"
  output_type: diagnosis
  default_language: zh
  trigger_keywords: [overclaim, missing closure, claim calibration, limitation, 承诺过强, 没闭合, 降措辞]
  required_inputs: [claims, experiment_summary]
  optional_inputs: [results, limitations, method_summary, target_venue]
  handoff_to: [map-claims-to-experiments, rewrite-abstract-with-commitments, identify-fatal-concerns]
---

# Detect Overclaim Missing Closure

## Purpose

专门检测 claim 是否超过证据范围，以及 paper commitment 是否被 method/experiment 闭合。这个 skill 的输出应直接告诉作者：哪些话要降、哪些实验要补、哪些 limitation 要明说。

## When to Use

- abstract/introduction/conclusion 写得很强，担心 overclaim。
- reviewer 批评 evaluation 不足或 claim 太大。
- `diagnose-aha-moment` 或 `check-claim-evidence-alignment` 发现承诺没闭合。

## Do Not Use

- 需要完整 claim-evidence map → 用 `check-claim-evidence-alignment`。
- 需要设计具体补实验 → 用 `map-claims-to-experiments`。
- 需要完整 review → 用 `simulate-top-conference-review`。

## Required Inputs

- `claims`: 待检查 claims。
- `experiment_summary`: 实验证据摘要。
- `results`: optional，具体结果。
- `limitations`: optional，已有 limitation。
- `method_summary`: optional。

## Output Contract

输出必须至少包含：

1. **overclaims** - 超过证据范围的 claim，含原措辞和风险。
2. **missing_closure** - 未被 method/experiment 闭合的承诺。
3. **safe_rephrasing** - 每条 overclaim 的安全改写。
4. **needed_experiment_or_limitation** - 若不改写，需要补什么实验；若不能补，怎么写 limitation。
5. **claim_calibration_priority** - 最应先修的 claim。

## Procedure

1. 标出 claims 中的强词：general、robust、causal、state-of-the-art、always、significant。
2. 对照 experiment_summary 判断证据范围：任务、数据、模型、规模、场景。
3. 区分三类问题：scope overclaim、causal overclaim、mechanism overclaim。
4. 为每条 overclaim 给安全改写，保留贡献但降低不可证部分。
5. 给出如果坚持原 claim 需要补的最小实验或 limitation。

## Quality Bar

一个好的输出必须：

- 指出原 claim 哪个词或范围过强。
- safe_rephrasing 仍有论文价值，不把贡献写没。
- 能区分“改写即可”与“必须补实验”。
- priority 根据 reviewer risk 排序。

一个差的输出：

- 一律建议“降低措辞”，但不给具体改法。
- 把所有 strong claim 都当 overclaim。
- 只批评不提供实验或 limitation 方案。

## Failure Modes

- **过度降级**：把可支撑的贡献写成无意义观察。
- **漏掉 causal claim**：performance gain 不等于机制成立。
- **忽视 scope**：实验只覆盖小模型/少任务，claim 写成通用。
- **limitation 滥用**：不能用 limitation 掩盖核心 claim 无证据。

## Handoff

- 如果需要补实验设计 → `map-claims-to-experiments`
- 如果主要要重写 abstract 措辞 → `rewrite-abstract-with-commitments`
- 如果 overclaim 足以导致 reject → `identify-fatal-concerns`

## Example

Input:

```
claims:
  C1: Our method robustly improves long-horizon agents across tasks.
  C2: The improvement comes from iterative correction.
experiment_summary:
  tested 3 in-domain tasks; no round-vs-token ablation
```

Output:

```
overclaims:
  C1 scope overclaim: “across tasks” 超过 3 个 in-domain 任务证据。
  C2 causal/mechanism overclaim: 没有 ablation 证明 iterative correction。

missing_closure:
  - no OOD task evidence for broad robustness.
  - no mechanism analysis for causal source.

safe_rephrasing:
  C1: “improves performance on the studied long-horizon task families”.
  C2: “the results are consistent with the hypothesis that iterative correction helps”.

needed_experiment_or_limitation:
  - 若保留 C1，加 OOD task family。
  - 若保留 C2，加 round-vs-token ablation。

claim_calibration_priority:
  1. C2, because causal mechanism claim is easier for reviewers to attack.
```