Scientific Humanization

把科研文本改得像人写、像人讲，但不改坏科学事实。目标不是同义词替换，也不是追求“更高级”的词，而是让读者更容易看懂作者到底做了什么、证据支持到哪里、还有什么不能说满。

Working Order

1. 先锁定事实：数字、时间、单位、p 值、阈值、作者年份、论文题名、机构、模型名、数据集、样本/对象、变量/参数、实验或观察条件、时间点、地点/尺度、领域专名、图表编号、引用关系。
2. 判断场景：论文正文、摘要、讨论、基金/项目书、技术方案、答辩、课程/PPT讲稿、投资人表达。
3. 诊断 AI 味：空泛拔高、机械承接、工程遗留、助手口吻、过强因果、句式同质化、模板管理词。
4. 先改论证顺序，再改句子。优先把“做了什么 -> 看到什么 -> 能说明什么 -> 还不能说明什么”讲清楚。
5. 回读一遍 claim、数字、术语、因果、引用和用户明确禁用的表达。

Claim Strength

• 相关性分析只能写“相关、提示、可能有关”，不能写“证明、导致、直接调控”。如果原文把相关性写成直接调控，改写时要补出“是否直接调控仍需功能验证或直接证据”。
• 没有统计检验、阈值或图表标注时，不写“显著”；可写“呈升高趋势、发生变化、有所增加”。
• 模型拟合、相关网络、聚类/富集、仿真结果、个案观察、消融实验或访谈材料，通常不足以直接写“机制已揭示”；优先写“提示可能路径、支持某种解释、为后续验证提供线索”。
• 预测准确不等于因果成立；指标提升不等于真实场景有效；仿真成立不等于实验验证；样本内效果不等于外推成立；共现不等于互作；表达量/响应量变化不等于功能增强。
• “关键因子、核心机制、首次证明、系统揭示”等强词，只有在证据链足够时保留；否则降级。