paper-writing

name: paper-writing description: "论文撰写全流程指导 skill，覆盖六种类型：专项研究、综述、系统/基准、短论文/Workshop、立场论文、科研汇报。融合导师核心原则 + 国际顶会写作方法论。Trigger: write paper, 写论文, 论文撰写, draft paper, paper writing, 写综述, survey writing, 科研汇报, research report, position paper, workshop paper, short paper, 写introduction, 写related work, 写实验, camera-ready, rebuttal, 投稿准备" public_suite: paper task_type: writing data_access_level: local inputs: topic_id, paper type, target venue, evidence artifacts, selected track outputs: evidence-backed sections, manuscript structure, reviewer-facing checks gates: choose a track before drafting; unsupported claims require evidence or labels artifact_schemas: draft_pack, frontier_attention_evidence estimated_runtime: 30-180 min

Paper Writing — 论文撰写 Skill

六轨论文写作引擎：从问题定位到投稿就绪。

触发时机

• 起草/修改论文任意章节
• 准备投稿（格式、checklist、anonymization）
• 准备 rebuttal / camera-ready
• 给导师写科研进展汇报
• 讨论论文 framing 或 narrative

第 0 步：识别论文类型 → 选择 Track

在开始任何写作之前，必须确认论文类型并加载对应 track：

如果用户没有明确类型：通过以下问题判断——"这篇论文是提出新方法/理论，还是系统梳理某个领域？有实验结果吗？目标投哪里？"

核心原则（六轨共享）

以下原则按重要性排序，适用于所有论文类型。每条标注了来源（"导师"= 导师方法论，"国际"= 开源社区/顶级研究者共识）。

一、问题定位六维验证 [导师 P3-P8]

写论文的第一步不是写，而是验证"这个问题值得写"。 用以下六个维度检验，至少满足 4/6：

应用方式：在 Introduction 第一段就要传递出"这个问题重要且紧迫"的信号，用具体数据而非空洞形容词。

例：不要写"X is an important problem"，而是"X affects 2.3B daily queries (Google, 2025) and remains unsolved despite 47 papers at NeurIPS/ICML 2024-2025"。

二、三问题→三贡献对称结构 [导师 P9-P10]

Related Work / 综述部分归纳的未解决问题不能太多，限制为 3 条。然后自己的创新工作与这 3 条一一对应：

Related Work 归纳出:
  ❶ 问题1: [现有方法在X上的结构性局限]
  ❷ 问题2: [Y场景下的理论空白]
  ❸ 问题3: [Z维度上的效率/精度瓶颈]

Our Contributions:
  ❶ 贡献1: [针对问题1的方案] → 对应 Section 3.1 + Exp Table 2
  ❷ 贡献2: [针对问题2的方案] → 对应 Section 3.2 + Exp Table 3
  ❸ 贡献3: [针对问题3的方案] → 对应 Section 3.3 + Exp Table 4

为什么是 3 条：太少（1-2）显得贡献不足；太多（4+）导致散焦，审稿人记不住。3 条形成完整论证链且易于记忆。

Track 适配：

• Track A（专项研究）：严格 3 问题 → 3 贡献
• Track B（综述）：改为 3-5 个 open challenges → 对应 research roadmap
• Track D（短论文）：1-2 个问题 → 1-2 个贡献
• Track F（科研汇报）：不强制此结构

三、引用质量分级 [导师 P1]

引用不只是支撑论点，更是向审稿人展示你的学术视野。引用质量直接影响审稿人对论文成熟度的判断。

操作规则：

1. 每个核心论点至少有 1 篇 ★★★ 级引用支撑
2. 低 tier 引用如必须使用，在引用列表中放在 ★★★ 之后
3. 自引比例不超过 15%，除非该领域你的团队是主要贡献者
4. 引用年限：优先近 3 年，超过 5 年的仅保留 seminal works

Track 适配：

• Track B（综述）：★★★ 仍优先，但必须全面覆盖——漏引重要工作比引用低 tier 更危险
• Track D（短论文）：引用总数 15-25 篇，几乎全部 ★★★

四、综述式写作：综合归纳 > 逐篇介绍 [导师 P2]

这是 Related Work 最常见的错误：变成文献列表而非知识综合。

写法公式（每个研究方向一段）：

[方向名称] 的研究进展 [refs] 已经解决了 [具体问题]，
但仍面临 [具体局限]。
其中 [最重要的1-2篇] 通过 [具体方法] 取得了 [具体成果]，
然而 [结构性问题] 使得这些方法无法 [目标场景]。

五、技术包装：突出新颖性与深度 [导师 P11]

同一个技术，不同的包装，审稿人的感知完全不同。

包装三要素：

1. 命名：给你的方法/框架取一个memorable的名字
2. 定位：明确说出"first"/"novel"在哪个维度上成立
3. 深度：展示为什么这个方案不是trivial的（理论保证、非显然的设计选择、失败的替代方案）

六、叙事原则 [国际：Nanda/Farquhar/Karpathy]

一篇论文是一个有明确结论的技术故事，不是实验的堆砌。

Introduction 结束时，读者必须清楚理解：

如果核心贡献无法用一句话说清楚，论文的 framing 还没有收敛。

七、时间分配 [国际：Nanda]

在以下四部分投入大致相等的时间：

1. Abstract
2. Introduction
3. Figures（尤其 Figure 1）
4. 其余所有内容

原因：审稿人的阅读顺序是 Title → Abstract → Intro → Figure 1 → 可能看Methods。前两页不吸引人，后面的精彩内容可能永远不被看到。

八、句子级清晰度 [国际：Gopen & Swan 七原则]

九、词语精确度 [国际：Lipton/Steinhardt]

• 消灭模糊词：❌ "performance" → ✅ "accuracy" / "latency" / "throughput"
• 消灭对冲：❌ "may improve" → ✅ "improves by 15%"（除非确实不确定）
• 消灭弱动词：❌ "combine" / "modify" / "extend" → ✅ "develop" / "propose" / "introduce"
• 消灭修饰词：❌ "very significant improvement" → ✅ "15% improvement"
• 术语一致：全文同一概念只用一个术语

十、反 AI 痕迹检查 [国际：Imbad0202/SNL-UCSB]

LLM 辅助写作的论文容易出现以下模式，审稿人已经能识别：

引用工作流（防幻觉）

🚨 核心规则：绝不从记忆生成 BibTeX。必须程序化获取。🚨

AI 生成的引用有约 40% 的错误率。幻觉引用（不存在的论文、错误作者、错误年份）是严重的学术不端。

引用验证流程（每条引用必须执行）

1. 搜索 → Semantic Scholar API / Exa MCP / Google Scholar
2. 验证 → 论文在 2+ 来源中存在（S2 + arXiv/CrossRef）
3. 获取 → 通过 DOI 程序化获取 BibTeX
4. 核实 → 你引用的 claim 确实在该论文中出现
5. 分级 → 按引用质量分级（★★★/★★☆/★☆☆）标注
6. 失败 → 标记 [CITATION NEEDED]，明确告知用户

Research Harness 集成（可选）：如果 MCP server 可用，使用 paper_search 和 claim_extract 工具验证引用和 claim 对应关系。

引用不可做的事

写作流程（五阶段 Pipeline）

改编自 SNL-UCSB 五阶段流水线，融合导师原则：

Stage 1: 问题定位与 Brainstorming

• 运行六维验证（原则一），确认问题值得写
• 确定论文类型，加载对应 Track
• 明确一句话贡献（One-Sentence Contribution Test）
• 输出：project_context.md（论文身份声明、venue、贡献 claims）

Stage 2: 架构设计 (Architecture)

• 设计章节大纲，分配 claim → section 映射
• 规划 figure/table plan（Figure 1 优先）
• 设定 page budget
• 运行 3 问题 → 3 贡献对称检查（原则二）
• 输出：结构化大纲表

Stage 3: 章节起草 (Section Drafts)

推荐起草顺序：

1. Draft 0 Introduction（定调，可丢弃）
2. Experiments / Evaluation
3. Method / Design
4. Related Work（运用原则四：综合归纳）
5. Final Introduction（基于实际证据重写）
6. Abstract（最后写）

每个章节起草后：运行对应 Track 的 section checklist。

Stage 4: 整合与一致性 (Integration)

• 术语一致性：全文同一概念同一名称
• Claim-Evidence 映射：Introduction 每条 claim 对应实验
• 关键抽象传播：核心概念在各 section 都出现
• 过渡检查：N 段结尾 ↔ N+1 段开头逻辑连贯
• 运行反 AI 痕迹检查（原则十）

Stage 5: 压缩与打磨 (Compression)

按顺序执行 7 个压缩操作：

1. 句子精简（删除从句、修饰词、清嗓子）
2. 段落合并（同一论点的多个例子 → 保留最佳）
3. 通用修饰词删除（"significant" → 具体数字）
4. Tutorial 删除（目标读者已知的知识）
5. Claim-first 改写（主句前置）
6. Takeaway 插入（实验组后加总结段）
7. 数据可视化提升（密集数字从文字移到图表）

目标：首稿减少 30-50%。报告压缩前后字符数。

质量门控 (Quality Gates)

每个阶段完成后，运行对应的质量检查：

Gate 1: 问题定位检查（Stage 1 后）

• 六维验证至少 4/6 通过
• 一句话贡献清晰且可证伪
• 目标 venue 明确

Gate 2: 结构检查（Stage 2 后）

• 3 问题 → 3 贡献对称（Track A）或 N challenges → roadmap（Track B）
• 每个 claim 有对应的 evidence section
• Figure 1 计划就绪
• Page budget 符合 venue 要求

Gate 3: 章节检查（Stage 3 每章后）

• 引用质量分级达标（核心论点有 ★★★）
• 无逐篇介绍式 related work（原则四）
• 每个实验明确声明测试什么 claim
• Section checklist（来自 Track 文件）通过

Gate 4: 一致性检查（Stage 4 后）

• 术语一致
• Claim 完整映射
• 反 AI 痕迹通过
• 交叉引用无断裂

Gate 5: 投稿就绪检查（Stage 5 后）

• Page count 符合 venue 限制
• 所有引用已验证（无 [CITATION NEEDED]）
• Anonymization 完成（双盲 venue）
• LaTeX 编译无 warning
• 所有 figure 为矢量格式（PDF/EPS）
• Font 全部嵌入

Abstract 五句话公式 [国际：Farquhar]

句1: 你做了什么（"We introduce..." / "We prove..." / "We demonstrate..."）
句2: 为什么这个问题难且重要
句3: 你怎么做的（含关键词，利于搜索发现）
句4: 你有什么证据
句5: 最值得记住的数字/结果

删除标准：如果第一句能套在任何 ML 论文上（"Large language models have achieved remarkable success..."），直接删除。

Research Harness 集成（可选）

当 Research Harness MCP server 可用时，可使用以下工具增强写作流程：

独立使用：即使没有 Research Harness，本 skill 的所有原则和流程仍然完全可用——使用 web search 替代 paper_search，手动管理引用替代 MCP 工具。

Track 快速参考

详细的 track-specific 写作指南见 tracks/ 目录。以下是各 track 的核心差异速查：