# 人工申报书写作素材（非最终申报书）

根据用户提供的九月规则，正式申报书应由参赛者本人撰写，一页 Markdown，至少三个完整应用场景；旧项目样板只参考组织方式，不复制个人信息。以下是事实素材，不声明已经人工写作或已通过申报。

项目名称：MoonCurveFit——MoonBit 原生带约束非线性曲线拟合与诊断库。
计划仓库：https://github.com/yyyt0807/moonbit-curvefit（待创建/推送，提交前替换为可访问链接）。
模块：yyyt0807/curvefit；原创、AI 辅助、Apache-2.0；不是 SciPy/Ceres 移植。
方向：MoonBit 可复用科学计算基础库及实际开发工具，不依赖药理实验。

场景一：仪器校准。输入带重复测量/精度权重的标定 CSV，拟合线性或非线性响应，输出参数、误差、秩和校准曲线，避免只给系数而掩盖不可识别性；examples/demo 第一段可运行。
场景二：降解/动力学分析。输入时间—响应数据，给出幅度、速率、背景及物理边界，拟合指数过程并明确预算耗尽/收敛状态；examples/demo 第二段验证已知速率。用途涵盖材料、化学、工程，不输出临床结论。
场景三：离线异常值分析。对有离群点的通用测量数据比较普通损失与 Huber 损失，导出 JSON/Markdown/SVG，数值核心可在 JS/wasm-gc 环境运行，无需上传敏感数据；examples/demo 第三段可运行。未交付完整浏览器 GUI，不应在正式申报中声称已有。

技术路线：缩放及投影的局部 LM、列主元 Householder QR、解析/边界差分 Jacobian、鲁棒目标、条件式协方差与影响诊断。
主要交付：纯 MoonBit 库、原生 CLI、合成数据示例、全后端测试、三平台 CI 配置、独立 SciPy 对照、许可证/数值边界文档。
差异化：现有线性拟合/通用优化库存在基础算法交集，本项目集中补足带约束非线性残差拟合及完整诊断链路，不宣称基础数学完全无重合。
边界：最多 64 参数、100 万 Jacobian 条目；局部解，不支持稀疏/全局/ODE/临床推断，鲁棒拟合不提供普通协方差。
开发证据：本地真实提交历史、测试和 docs/local-review.md；GitHub 推送、远端 CI 和 mooncakes 发布按用户要求后置，提交前必须实际完成。
截止：按 1.txt 的九月安排，9 月 24 日 24:00 前完成对应申报/开发与验收；时间解释有疑问以主办方为准。
人工核对：账号权限、主要贡献者/参赛者身份、单人一个项目规则、开源合规、正式申报文字与实际功能一致性。