cg-paper-writing

---

name: cg-paper-writing

description: "Academic paper writing for 3D vision, computer graphics, CAD, and 3D understanding. Covers NeRF, 3DGS, SLAM, point cloud, 3D shape, CAD modeling. Supports CVPR/ICCV/ECCV/SIGGRAPH venues. Multi-agent adversarial review, citation integrity gates, style calibration."

version: 2.1.0

author: jaccen

tags: ["paper-writing", "academic", "computer-graphics", "3dgs", "nerf", "computer-vision", "cvpr", "siggraph", "adversarial-review", "citation-integrity", "style-calibration"]

三维视觉与计算机图形学论文写作

面向三维重建、计算机图形学、CAD建模、3D理解与生成方向的学术写作辅助，覆盖从摘要到结论的全流程。

写作流程

摘要（Abstract）

结构：问题 → 不足 → 本文方法（一句话）→ 核心机制（1-2句）→ 实验结果（带数据）。

• 字数：CVPR/ICCV 150-250词；SIGGRAPH 200-300词；博士论文 500-800字

• 禁止：未定义缩写、引用、"we"以外的主语

• 必须包含：方法名称、核心指标数值、对比baseline

英文模板：

[Problem context, 1 sentence]

[Specific gap/limitation, 1-2 sentences]

[Our approach name and core idea, 1-2 sentences]

[Key technical mechanism, 1 sentence]

[Main results with numbers, 1-2 sentences]

[Broader impact or implication, 1 sentence]

引言（Introduction）

标准结构（适用于所有目标会议）：

1. 领域背景 + 该方向建立的基本范式（1段）

2. 已有工作的分类综述 + 各类方法的共性不足（1-2段）

3. 本文动机：从不足中引出研究问题（1段）

4. 本文方法概述：核心思想 + 2-3个关键设计（1段）

5. 实验总结：主要指标 + 对比优势（1段）

英文模板：

Paragraph 1: Problem context and importance

Paragraph 2: Existing approaches and their limitations

Paragraph 3: Our insight and high-level approach

Paragraph 4: Technical summary (what we actually do)

Paragraph 5: Contributions (bulleted, 3-4 items)

引言写作禁忌：

• 不在引言中展开数学公式（最多一个核心公式用于直观说明）

• 不在引言中列举实验细节（具体数字放实验部分）

• 避免通用乐观结尾（"我们相信本研究将推动该领域发展"）

相关工作（Related Work）

组织原则：按主题分组，而非按论文逐一罗列。

每个主题段落结构：

1. 该主题的共性方法（2-3句概括）

2. 代表性工作举例（带引用，说明每篇做了什么）

3. 关键：与本文的区别（最后1-2句）

三维视觉论文常见分组：

• 神经辐射场与新视角合成（NeRF/3DGS及其变体）

• 点云处理与3D理解（分割/配准/检测）

• 3D生成与编辑（文本/图像到3D、形状编辑）

• CAD建模与逆向工程（参数化建模、特征提取）

• 3D场景理解与SLAM（语义重建、位姿估计）

• 高频/边界表达（如有符号方法、频域方法）

• 压缩与加速

英文模板：

Group by theme (not by paper):

- Section: "3D Gaussian Splatting and Variants"

- Section: "Neural Implicit Representations"

- Section: "[Your specific sub-area]"

Each section: Narrative flow with citations, not catalog.

End each section with: how existing work differs from yours.

方法（Methodology）

结构：总体框架图 → 各模块展开。

• 先给出整体pipeline/架构图（图1），后续逐模块引用

• 每个新符号首次出现时必须定义

• 公式编号连续，引用格式：式(1)、式(2)

• 每个模块结尾用1句话总结该模块的作用

英文模板：

3.1 Preliminary / Notation

3.2 [Core Component 1]

3.3 [Core Component 2]

3.4 Training / Optimization

3.5 [Implementation Details] (if space)

实验（Experiments）

必须包含的实验：

1. 数据集：列出全部数据集，说明训练/测试划分

2. 评估指标：根据方向选择（见下方各方向指标）

3. 基线对比：至少包含当前SOTA

4. 消融实验：逐一验证每个核心模块的贡献

各方向核心评估指标：

| 方向 | 核心指标 | 补充指标 |

|---|---|---|

| 新视角合成 | PSNR↑ SSIM↑ LPIPS↓ | FPS、基元数量 |

| 3D形状理解 | mIoU↑ mAcc↑ | F1-score、AUC |

| 3D生成 | FID↓、1-NNA-CD↓、1-NNA-EMD↓ | MMD、COV |

| 点云配准 | RMSE↓、Chamfer距离↓ | RRE、RTE |

| CAD重建 | Chamfer距离↓、F-score↑ | 几何精度 |

| 3D场景理解 | mIoU↑ | 查全率、查准率 |

可选加分项：

• 运行效率对比（FPS、训练时间、内存）

• 可视化对比（定性分析图）

• 不同场景难度（室内/室外、简单/复杂）

• 鲁棒性分析（噪声、遮挡、稀疏视角）

英文模板：

4.1 Experimental Setup (datasets, baselines, metrics)

4.2 Main Results (comparison tables)

4.3 Ablation Study (component analysis)

4.4 [Specific Analysis] (e.g., efficiency, generalization)

贡献声明（Contribution Statement）

好的贡献声明：

1. 具体：指明技术机制，而非"提出了一种新方法"

2. 可度量：附带预期指标提升

3. 差异化：清楚说明与已有工作的区别

4. 诚实：不夸大效果

模板：

- We propose [具体技术] that [具体机制]。Unlike [已有工作] which [局限]，our approach [优势]，achieving [具体结果]。

- We introduce [组件] that enables [能力]。This [具体收益]，as demonstrated by [实验/分析]。

- We conduct extensive experiments on [N] benchmarks，demonstrating [具体成果] over [M] state-of-the-art methods。

数学符号规范

详细术语对照表与易错点见 terminology.md，以下为速查。

3DGS 域符号

| Symbol | Meaning | Standard Usage |

|--------|---------|---------------|

| G | A 3D Gaussian primitive | G_i = (μ_i, Σ_i, c_i, α_i) |

| μ | Mean / center position | μ ∈ R³ |

| Σ | Covariance matrix | Σ = R S Sᵀ Rᵀ, Σ ∈ R³ˣ³ |

| R | Rotation matrix | R ∈ SO(3) |

| S | Scaling matrix | S = diag(s₁, s₂, s₃) |

| α | Opacity | α ∈ [0,1] (standard) |

| c | Color | c = f(SH, direction) |

| SH | Spherical harmonics | Degree 0-3 |

| T | Transmittance | T_i = ∏ⱼ₌₁ⁱ⁻¹ (1 - αⱼ) |

通用 CG 符号

| Symbol | Meaning |

|--------|---------|

| π | Projection function |

| J | Jacobian matrix |

| Σ' | 2D projected covariance |

| L | Loss function |

| λ | Loss weight |

| θ | Network parameters |

| Φ | Scene representation |

渲染与重建通用术语

| 中文 | 英文 | 备注 |

|---|---|---|

| 新视角合成 | Novel View Synthesis (NVS) | 首字母大写 |

| 三维高斯泼溅 | 3D Gaussian Splatting (3DGS) | 首次出现写全称 |

| 神经辐射场 | Neural Radiance Field (NeRF) | 首次出现写全称 |

| 体密度 | Volume density | σ，勿与opacity混用 |

| 不透明度 | Opacity | α |

| 透射率 | Transmittance | T = ∏(1-α) |

| α合成 | Alpha compositing | 渲染管线核心操作 |

| 运动恢复结构 | Structure from Motion (SfM) | 初始化步骤 |

| 多视角立体视觉 | Multi-View Stereo (MVS) | 传统重建范式 |

| 遮挡关系 | Occlusion | 多视角几何核心问题 |

CAD与逆向工程术语

| 中文 | 英文 | 备注 |

|---|---|---|

| 边界表示 | Boundary Representation (B-rep) | CAD核心表示 |

| 构造实体几何 | Constructive Solid Geometry (CSG) | 布尔运算建模 |

| 参数化建模 | Parametric modeling | 草图约束→3D |

| 逆向工程 | Reverse engineering | 点云/网格→CAD |

| 自由曲面 | Freeform surface | NURBS/Bézier曲面 |

| 容差分析 | Tolerance analysis | 工程精度 |

3D形状理解术语

| 中文 | 英文 | 备注 |

|---|---|---|

| 点云分割 | Point cloud segmentation | 语义/实例/部件级 |

| 点云配准 | Point cloud registration | ICP及其变体 |

| 法线估计 | Normal estimation | 局部几何特征 |

| 形状补全 | Shape completion | 部分观测→完整形状 |

| 3D目标检测 | 3D object detection | 点云/体素/鸟瞰图 |

| 部件分割 | Part segmentation | 按语义部件分解 |

3D生成与编辑术语

| 中文 | 英文 | 备注 |

|---|---|---|

| 文本到3D | Text-to-3D | 大模型驱动 |

| 图像到3D | Image-to-3D | 单/多视角 |

| 3D生成模型 | 3D generative model | GAN/Diffusion/Flow |

| 形状编辑 | Shape editing | 变形/风格迁移/局部编辑 |

| 几何先验 | Geometric prior | 深度/法线/表面法 |

| 体素化 | Voxelization | 点云/网格→体素网格 |

3D场景理解术语

| 中文 | 英文 | 备注 |

|---|---|---|

| 语义分割 | Semantic segmentation | 逐点/逐面片分类 |

| 实例分割 | Instance segmentation | 区分同类不同个体 |

| 场景重建 | Scene reconstruction | 室内/室外/城市级 |

| SLAM | Simultaneous Localization and Mapping | 实时位姿估计与建图 |

| 深度估计 | Depth estimation | 单目/双目/多目 |

| 鸟瞰图 | Bird's Eye View (BEV) | 自动驾驶常用表示 |

| 场景流 | Scene flow | 3D运动场估计 |

SLAM与压缩术语

| 中文 | 英文 | 备注 |

|---|---|---|

| 前馈重建 | Feed-forward reconstruction | 单次前向推理，无逐场景优化 |

| 压缩 | Compression / Compact | 减少存储和传输开销 |

| 剪枝 | Pruning | 删除基元 |

| 致密化 | Densification | 增加基元 |

| 分裂 | Split | 大基元→两个小基元 |

| 克隆 | Clone | 复制基元到欠重建区域 |

| 哈希网格上下文 | Hash-grid assisted context | HAC压缩范式 |

会议/期刊格式与审稿偏好

CVPR / ICCV / ECCV

| 维度 | 规范 |

|---|---|

| 页数限制 | 正文8页 + 参考文献（无上限） |

| 格式 | IEEE双栏，LaTeX模板 cvpr.sty |

| 摘要 | 150-250词，禁止引用 |

| 数学风格 | 编号公式，theorem/definition 环境少见 |

| 语言 | 主动语态可接受（"We propose..."） |

审稿倾向与权重：

| 维度 | 权重 | 常见审稿意见 |

|---|---|---|

| 新颖性 | 高 | "与XXX的区别是什么？" |

| 实验充分性 | 高 | "缺少XXX数据集/基线" |

| 定性可视化 | 中高 | "需要更多视觉对比" |

| 写作清晰度 | 中 | "动机不够清晰" |

| 效率分析 | 中 | "推理速度/内存占用？" |

• CVPR 2025：投稿13008篇，录用2878篇（录用率22.1%）

• 附带补充材料（supplementary）常见

SIGGRAPH / EG / PG

| 维度 | 规范 |

|---|---|

| 页数限制 | Journal Track: ~8页；EG: 10-12页；PG: 8页 |

| 格式 | ACM TOG 格式（SIGGRAPH）；CGF（EG） |

| 摘要 | 200-300词 |

| 数学风格 | 正式定义，lemma/theorem 常见 |

| 语言 | 更叙事化，storytelling style |

审稿倾向与权重：

| 维度 | 权重 | 常见审稿意见 |

|---|---|---|

| 技术深度 | 高 | "数学推导是否严谨？" |

| 理论分析 | 高 | "收敛性/复杂度分析？" |

| 美学质量 | 中高 | "视觉质量是否显著提升？" |

| 方法通用性 | 中 | "能否泛化到其他场景？" |

| 实现细节 | 中 | "超参数敏感性？" |

• 视觉效果和demo video很重要

• 方法需包含算法伪代码

NeurIPS / AAAI

| 维度 | NeurIPS | AAAI |

|---|---|---|

| 截稿 | 通常5月 | 通常8月 |

| 页数限制 | 正文9页 + 附录 | 正文7页 + 附录 |

| 审稿偏好 | 理论贡献权重高，偏好有理论保证 | 接受范围广，偏好清晰技术贡献 |

TVCG / CGF / ACM TOG

| 期刊 | 影响因子 | 页数 | 特点 |

|---|---|---|---|

| IEEE TVCG | ~5.2 | 12-18页，无严格限制 | JCGRT格式，覆盖可视化与图形学 |

| CGF | ~2.5 | 10-15页 | EG关联期刊，Wiley出版 |

| ACM TOG | ~6.7（图形学最高） | — | SIGGRAPH/EG论文期刊扩展版 |

| IEEE TPAMI | ~24 | 14页 | 偏重理论，审稿极严 |

博士论文注意事项

• 每章需独立成体系，包含本章小结

• 创新点声明需在引言末尾明确列出（编号列表）

• 参考文献100篇以上，近3年文献占60%+

• 实验章节需覆盖至少3个不同场景/数据集

• 格式遵循学校模板，注意封面、摘要的中英文版本

常见 Rebuttal 策略

• 新颖性质疑：精确指明技术差异，补充对比实验

• 基线缺失：承认遗漏，补充实验或引用

• 效率质疑：补充FPS/内存/参数量表格

引用核查规范

核查每条引用时需验证：

1. 作者姓名拼写（特别注意ü、ö等特殊字符）

2. 标题大小写（论文缩写如NeRF、3DGS需大写）

3. 期刊/会议名称准确

4. 年份、卷号、页码/文章号

5. arXiv预印本是否已被正式会议接收（如已接收需更新引用格式）

高频事实错误：

• NegGS 的"负不透明度"→ 实为负颜色（opacity仍为非负）

• 6DGS 标注为arXiv→ 已被ICLR 2025接收

• AH-GS → 作者已撤稿

• Ref-NeRF 第一作者 → Verbin D 而非 Barron J T

去AI痕迹规则

必须删除的 AI 写作模式：

| AI 模式 | 修正方式 |

|---------|---------|

| "It is worth noting that..." | 直接删除 |

| "Furthermore, ..." / "Moreover, ..." | 直接过渡或删除 |

| "Significantly improves" | 写具体指标："improves PSNR by 1.2 dB" |

| "Effectively addresses" | "addresses"（去掉副词） |

| "Leverages" | "uses" / "employs" / "builds on" |

| "Cutting-edge" / "State-of-the-art" | 引用具体方法 |

| "In this paper, we propose a novel..." | "This paper proposes..." |

| 三段式排比（A, B, and C） | 变换句式 |

| 粗体强调（非术语） | 仅用于术语的斜体 |

| 破折号过多 | 改写为独立句子 |

| "To the best of our knowledge" | 除非确实首次，否则删除 |

| 通用乐观结尾 | 以具体发现或开放问题结尾 |

| "值得注意的是" | 直接删除 |

| "不可或缺" / "至关重要" | 用 "需要" 或 "是...的关键" |

标准学术用语（保留）：

• "本文提出" / "This paper proposes"

• "由此" / "Consequently"

• "与之配套" / "Coupled with"

• "实验结果表明" / "Experimental results show"

• "基于...的观察" / "Motivated by the observation that..."

资源

references/（项目根目录）

• terminology.md — 详细术语对照表与易错点

• venues.md — 各会议/期刊的格式要求与审稿偏好

• baselines.md — 各方向主流基线方法与核心指标

• experiments.md — 标准实验设计与常见数据集配置

• cad-3d.md — CAD/3D方向术语、基线与数据集

2025-2026 近期重要论文（引用参考）

| Venue | Method | ArXiv | 核心贡献 |

|-------|--------|-------|----------|

| SIGGRAPH 2026 | Structure-Aware Densification | 2604.28016 | Frequency-aware anisotropic splitting，替代vanilla 3DGS的均匀split策略 |

| ICLR 2026 | FieryGS | 2605.00177 | Physics-integrated fire synthesis，将火焰动力学融入Gaussian渲染 |

| ICML 2026 Spotlight | SplAttN | 2605.01466 | Gaussian soft splatting for point cloud understanding |

| CVPR 2026 | GLMap | 2605.01736 | Gaussian-Language Map，语言引导的Gaussian场景表示用于导航 |

| CVPR 2026 Findings | Softmax-GS | 2604.27437 | Softmax competition rendering，替代α-compositing混合机制 |

| SIGGRAPH 2026 | LeGS | 2605.00408 | RL-based density control，替代heuristic clone/split/prune |

| CVPR 2026 | 2D-SuGaR | 2605.00569 | Surface-aware 2DGS with depth/normal priors，改进表面提取质量 |

| arXiv 2026 | GETA-3DGS | 2605.02086 | Joint pruning + quantization for 3DGS compression |

| arXiv 2026 | GOR-IS | 2605.00498 | Intrinsic decomposition editing for Gaussian scenes |

| CVPR 2026 | ReLaGS | — | Language-guided 3D reasoning with Gaussian representation, LLM-driven 3D scene understanding |

| CVPR 2026 Best Paper | D4RT | — | 4D dynamic reconstruction, temporal-consistent Gaussian representation |

| CVPR 2026 Best Student Paper | TRELLIS.2 | — | Structured 3D generation combining generative modeling with 3DGS |

CVPR 2026 趋势与写作指导

CVPR 2026接受了116篇3DGS相关论文，为历史最高。以下趋势对论文写作有直接影响：

Award Papers:

• Best Paper: D4RT -- 4D动态重建，核心创新在于时序一致性的高斯表示

• Best Student Paper: TRELLIS.2 -- 结构化3D生成，将生成式建模与3DGS结合

三大新兴方向（投稿时可重点凸显差异化）：

1. 4D Reconstruction: 从静态3D到动态4D，时序一致性与动态高斯表示

2. Physics-for-3DGS: 物理仿真与渲染融合，包括流体、弹性体、刚体动力学

3. Articulated 3DGS: 铰接式物体重建与交互，可驱动的3D资产表示

写作建议：若论文属于上述方向，在Introduction和Related Work中需明确与CVPR 2026同类工作的差异；若不属于，需说明本文为何在116篇洪流中仍有独特价值。

ReLaGS范例：ReLaGS (Language-guided 3D Reasoning with Gaussian Scene)展示了语言驱动3D推理论文的结构范式 -- 引言从LLM+3D感知融合动机切入，方法部分先定义Gaussian-Language对齐模块再展开推理链，实验需包含零样本3D QA与开放词汇分割双重验证。

Knowledge base: 660+ methods across 25 categories (updated for v0.3.2 cycle).

多Agent协同与对抗审稿机制

写作流水线Agent分工

论文写作按阶段分配角色，每个阶段产出需经下一阶段验证后才可推进：

| 阶段 | 角色 | 职责 | 产出 |

|------|------|------|------|

| Phase 1 | 结构规划师 | 根据目标venue确定论文结构、section分配、字数预算 | STRUCTURE_PLAN.md |

| Phase 2 | 文献审核员 | 验证Related Work引用准确性与完整性 | REF_VERIFICATION.md |

| Phase 3 | 方法论撰写者 | 按结构撰写Methodology，确保符号一致 | method_draft.md |

| Phase 4 | 实验分析师 | 撰写实验，验证数据与声明一致 | experiment_draft.md |

| Phase 5 | 对抗审稿人 | 以审稿人视角攻击论文弱点 | ADVERSARIAL_REPORT.md |

| Phase 6 | 修订编辑 | 基于对抗报告修订，标注每处修改 | revision_diff.md |

| Phase 7 | 终审校对 | 最终一致性检查 | FINAL_CHECKLIST.md |

对抗审稿协议（Devil's Advocate Protocol）

对抗审稿人必须严格遵循以下协议，防止AI讨好倾向(sycophancy)和frame-lock：

1. 让步阈值协议（Concession Threshold）

对抗审稿人对论文发起攻击后，如果作者（或用户）提出反驳：

• 反驳前必须对反驳力度打分（1-5）

• 得分≥4：反驳直接针对攻击核心且有证据 → 允许让步

• 得分≤3：攻击仍然成立 → 维持原攻击立场，重述攻击要点

• 禁止连续让步：同一论点不得连续2次让步

• 让步率追踪：单轮审稿让步率>50%视为sycophancy警告

2. Frame-Lock检测

每轮审稿后自检：

• 攻击是否停留在原始框架内？（仅质疑论据，不质疑前提）

• 是否存在未被挑战的根本假设？

• 如发现frame-lock，自动注入元问题："我们是否在讨论正确的问题？"

3. 对抗审稿审稿维度清单

| 维度 | 审稿问题 | 权重 |

|------|---------|------|

| 新颖性 | 与XXX的核心技术差异是什么？能否用一句话说清？ | 高 |

| 理论完整性 | 数学推导是否存在跳步？假设是否显式列出？ | 高 |

| 实验可信度 | 消融实验是否验证了每个核心模块？基线是否为当前SOTA？ | 高 |

| 声明-证据对齐 | 贡献声明中的每条claim是否有对应实验支撑？ | 中高 |

| 符号一致性 | 同一符号在全文中是否严格保持同一含义？ | 中 |

| 写作清晰度 | 动机链是否连贯？读者能否在不看图的情况下复现？ | 中 |

引用完整性与声明-引用一致性门控

引用三层验证（Citation Three-Layer Verification）

对论文中每条引用执行三层验证，任何一层失败都不可直接使用该引用：

Layer 1: 存在性验证

• arXiv ID是否真实存在？（通过arXiv API或Semantic Scholar验证）

• DOI是否可解析？

• 作者-标题-venue三元组是否匹配？

Layer 2: 声明-引用对齐验证（Claim-Faithfulness Audit）

• 每条引用必须标注其支撑的具体claim

• 对每条claim验证：被引文献是否确实支持该claim？

• 常见违规模式：

  • 引用存在但内容与claim不符（"张冠李戴"）

  • 引用仅部分支撑claim但被描述为完全支撑

  • 原文使用限定语（"may"/"in some cases"）但引用时变为断言

Layer 3: 引用时效与venue验证

• arXiv预印本是否已被正式会议接收？如是，必须更新引用格式

• 引用的方法是否为该方向当前SOTA？如不是，需说明引用理由

• 3DGS领域高频事实错误（见上方"引用核查规范"）是否已规避？

Integrity Gate机制

论文写作流程中设置两个不可跳过的完整性检查门控：

Gate 1: 写作完成门控（Post-Draft Gate）

必须在提交初稿前通过：

• 全部引用通过三层验证

• 贡献声明每条claim有对应实验/分析支撑

• 消融实验覆盖全部核心模块

• 符号表与正文一致

• 无AI捏造数据（缺失数据标注<!-- DATA_NEEDED: <描述> -->）

Gate 2: 终稿提交门控（Pre-Submission Gate）

必须在提交终稿前通过：

• 对抗审稿报告中全部HIGH/CRITICAL问题已处理

• 引用三层验证零失败

• 实验数据与正文声明完全一致

• 格式符合目标venue要求（页数/模板/引用格式）

• Rebuttal预案已准备（针对预期审稿质疑）

声明-引用对齐模板

Claim: [具体声明]

Supported by: [引用1, 引用2]

Verification: [通过/Layer2违规-原因]

违规处理：

• Layer 2违规 → 删除该claim或更换正确引用

• 无法找到支撑引用 → 标注<!-- NEEDS_CITATION: <描述所需引用的具体内容> -->

• 不得用不相关引用"凑数"

风格校准

写作风格学习协议（Style Calibration）

当用户提供过往写作样本时，执行以下风格学习流程：

Step 1: 提取风格特征

从用户样本中分析：

• 句子平均长度与方差

• 被动语态使用频率

• 第一人称使用偏好（"We"/"This paper"/"Our method"）

• 过渡词偏好（"Consequently"/"Thus"/"As a result"）

• 数学表达密度（每段公式数量）

• 段落结构模式（论点-论据-小结 / 直接陈述）

Step 2: 生成风格画像（Style Profile）

style_profile:

  avg_sentence_length: [值] words

  passive_ratio: [值]%

  first_person_preference: "We" / "This paper" / mixed

  transition_preference: [top-3]

  math_density: low/medium/high

  paragraph_pattern: [模式]

  domain_specific_phrases: [列表]

Step 3: 应用风格约束

• 后续写作严格遵循提取的风格画像

• 每3段自检：当前输出是否符合风格画像

• 如偏离>2个维度，自动修正

写作质量检查（Writing Quality Check）

检测并消除以下AI写作痕迹模式：

| AI痕迹模式 | 检测方法 | 修正策略 |

|-----------|---------|---------|

| 三段式排比（A, B, and C） | 连续3句结构相同 | 变换中间句式 |

| 过度使用"Furthermore/Moreover" | 出现频率>2次/页 | 替换为直接过渡或删除 |

| "Significantly improves"无数据 | 检查后是否跟数字 | 补充具体指标 |

| 通用乐观结尾 | 末段无具体发现 | 以开放问题或具体limitation结尾 |

| 引用堆砌 | 单句>3条引用且未逐条说明 | 逐条说明每篇的贡献 |

| "It is worth noting that" | 字符串匹配 | 直接删除 |

| 破折号过多 | 单段>2个em-dash | 改写为独立句子 |

| 粗体非术语强调 | regex检测 | 仅保留术语的斜体 |

| Hollow superlatives | "effectively"/"seamlessly" | 删除或替换为事实陈述 |

持久化知识库支持

写作上下文持久化

在论文写作过程中，以下信息应持久化存储以便跨session复用：

文件结构：

项目目录/

├── .paper-context/

│   ├── style_profile.md        # 风格画像

│   ├── symbol_table.md         # 符号定义表

│   ├── ref_registry.md         # 引用登记簿（含三层验证状态）

│   ├── claim_evidence_map.md   # 声明-证据映射

│   ├── adversarial_log.md      # 对抗审稿历史

│   └── gate_status.md          # 门控通过状态

跨session恢复协议：

1. 每次写作session开始时，自动加载.paper-context/下的全部文件

2. 读取gate_status.md确认当前进度和未通过项

3. 基于adversarial_log.md继续处理上次未解决的审稿问题

4. 基于symbol_table.md确保符号一致性不受session切换影响

5. 基于ref_registry.md避免重复验证已通过的引用

引用登记簿格式：

| ID | 引用 | 支撑的Claim | Layer1 | Layer2 | Layer3 | 状态 |

|----|------|------------|--------|--------|--------|------|

| R1 | Kerbl et al. 2024 | 3DGS实时渲染 | PASS | PASS | PASS | VERIFIED |

| R2 | XXX | [...] | PASS | FAIL-张冠李戴 | - | NEEDS_FIX |

Rules

1. Write in flowing prose, never bullet points（贡献声明和itemized lists除外）

2. Every claim needs evidence：引用或实验数据，且引用必须通过三层验证

3. Use mathematical notation efficiently：一个符号，全文统一含义，符号表持久化

4. Match the venue's tone：CVPR更精炼；SIGGRAPH更叙事；如提供风格样本则严格校准

5. Chinese academic writing：遵循中文学术惯例（本文/我们/由此/表明）

6. Never fabricate data：需要实验数据时，标注<!-- DATA_NEEDED: <描述> -->而非捏造

7. Integrity gates不可跳过：Post-Draft Gate和Pre-Submission Gate必须全部通过

8. 对抗审稿必须遵循让步阈值协议：防止sycophancy和frame-lock

9. 声明-引用对齐：每条claim必须可追溯到支撑引用，引用必须确实支持该claim

10. 写作上下文持久化：跨session保持符号、引用、审稿状态的一致性

If you like it, please star this repo https://github.com/jaccen/Awesome-Gaussian-Skills