评估一篇论文的代码是否真正可复用，最直接的方法是检查三点：代码是否公开可访问、是否无需未记录的修改即可运行、以及其依赖项和数据是否明确说明。先从快速的访问性审计开始，然后进行实际的可复现性测试。
第一步：检查论文中是否有代码可用性声明
许多期刊和会议现在要求提供“数据和代码可用性”部分。在论文末尾附近查找此部分。如果提到了代码仓库（如GitHub、Zenodo、Figshare或项目网站），请记下确切的URL和版本。如果没有此类声明，请在GitHub或Google Scholar上搜索论文标题加上“代码”——但需谨慎：非官方镜像可能已过时或不完整。
第二步：检查仓库结构
找到代码后，打开并查找以下内容：
- README文件，说明安装、使用方法和预期输出。
- 许可证（如MIT、Apache、GPL等）——没有许可证意味着你无法合法复用。
- 依赖文件（如requirements.txt、environment.yml、package.json）——这些应列出版本号，而不仅仅是包名。
- 示例脚本或测试数据，让你无需获取外部数据集即可立即运行代码。
如果README内容模糊或缺失，即使代码本身写得很好，也应将其视为可复用性的危险信号。
第三步：在干净环境中运行代码
真正的考验是执行。创建一个全新的虚拟环境或容器（如Docker），并按照README逐步操作。注意以下几点：
- 安装错误——缺失的包是否被明确命名？
- 硬编码路径——代码是否假设了特定的目录结构，需要你手动重建？
- 输入数据格式——预期的文件格式和模式是否有文档说明？
- 运行时错误——是给出有意义的错误信息，还是静默失败？
如果你能使用提供的示例数据重现论文中的关键图表或指标，那么代码很可能可复用。如果遇到障碍，请查看仓库的问题跟踪器——活跃的维护者通常会回答问题，这本身就是一个好迹象。
第四步：评估可移植性和维护性
可复用性还意味着代码能在你的环境中运行，而不仅仅是作者的环境中。请问：
- 代码是模块化的（函数/类）还是单一的巨型脚本？
- 它是否依赖专有工具或付费数据集？
- 最后一次提交是什么时候？超过3年未更新的代码可能会与现代库版本不兼容。
实用捷径
如果你在评审多篇论文，没有时间逐一完整运行。WisPaper的Scholar QA可以帮助你快速提取论文方法部分中与代码相关的声明，并与实际仓库内容进行交叉核对——这样你就能在投入数小时进行设置之前发现不匹配之处（例如，论文声称“Python 3.8”，但代码使用了3.12的语法）。
最终检查清单
为快速得出判断，请按以下标准为论文打分：
- 可访问性——代码是否公开并提供了链接？
- 文档——README是否完整且准确？
- 可复现性——代码是否无需变通即可在你的机器上运行？
- 可移植性——你能将其适配到自己的数据和环境中吗？
如果以上四项均回答“是”，那么代码确实可复用。如果任何一项回答“否”，你可能会花更多时间修复代码而不是自己编写——这也是一个合理的理由选择放弃。