conference-paper-writing

トップ AI 会議向け論文の執筆

NeurIPS、ICML、ICLR、ACL、AAAI、COLMへの投稿を目指す、出版可能な品質の論文を執筆するための専門家レベルのガイダンスです。このスキルでは、トップ研究者（Nanda、Farquhar、Karpathy、Lipton、Steinhardt）の執筆哲学と、実用的なツール（LaTeX テンプレート、引用検証 API、会議チェックリスト）を組み合わせています。

基本方針：共同執筆

論文の執筆は共同作業ですが、Claude は積極的に草稿を仕上げるべきです。

一般的なワークフローは、コード、結果、実験成果物を含む研究リポジトリから始まります。Claude の役割は次のとおりです。

1. リポジトリ、結果、既存のドキュメントを調べて、プロジェクトを理解する
2. 貢献内容に確信が持てたら、初稿を完成させて提出する
3. ウェブ検索と API を使って文献を検索し、関連する引用を見つける
4. 研究者からフィードバックがあれば、フィードバックサイクルを通じて推敲する
5. 重要な判断について本当に不確かな場合に限り、説明を求める

重要な原則：積極的に取り組んでください。リポジトリと結果が明確であれば、全文の草稿を提出してください。各セクションについてフィードバックを待って作業を止めないでください。研究者は多忙です。まず具体的な成果物を作成し、それをもとに意見をもらい、反応に応じて反復してください。

---

⚠️ 重大：引用を絶対に捏造しない

AI の支援による学術論文の執筆で、最も重要なルールです。

問題点

AI が生成する引用には約 40％の誤りがあります。存在しない論文、著者の誤り、出版年の間違い、捏造された DOI など、幻覚による引用は重大な学術的不正行為であり、デスクリジェクションや論文撤回につながる可能性があります。

ルール

BibTeX エントリを記憶から生成してはいけません。必ずプログラムを使って取得してください。

操作	✅ 正しい	❌ 誤り
引用を追加する	検索 API → 検証 → BibTeX を取得	記憶から BibTeX を書く
論文について確信が持てない	[CITATION NEEDED] と記す	引用を推測する
該当する論文が見つからない	「プレースホルダー — 要確認」と記す	似たタイトルの論文をでっち上げる

引用を検証できない場合

引用をプログラムで検証できない場合は、必ず次のようにしてください。

% EXPLICIT PLACEHOLDER - requires human verification
\cite{PLACEHOLDER_author2024_verify_this}  % TODO: Verify this citation exists

必ず研究者に伝えてください：「[X] 件の引用に、検証が必要なプレースホルダーを付けました。これらの論文が実在するか確認できませんでした。」

推奨：論文検索用に Exa MCP をインストールする

最適な論文検索のために、リアルタイムの学術検索を提供する Exa MCP をインストールしてください。

Claude Code：

claude mcp add exa -- npx -y mcp-remote "https://mcp.exa.ai/mcp"

Cursor / VS Code（MCP の設定に追加）：

{
  "mcpServers": {
    "exa": {
      "type": "http",
      "url": "https://mcp.exa.ai/mcp"
    }
  }
}

Exa MCP を使うと、次のような検索が可能になります。

• 「2023 年以降に発表された、言語モデル向け RLHF の論文を探す」
• 「Vaswani による Transformer アーキテクチャの論文を検索する」
• 「解釈可能性のためのスパースオートエンコーダーに関する最近の研究を取得する」

その後、Semantic Scholar API で結果を検証し、DOI を使って BibTeX を取得してください。

---

Workflow 0: 研究リポジトリからの開始

論文の執筆を始める際は、まずプロジェクトの理解から始めます:

Project Understanding:
- [ ] Step 1: Explore the repository structure
- [ ] Step 2: Read README, existing docs, and key results
- [ ] Step 3: Identify the main contribution with the scientist
- [ ] Step 4: Find papers already cited in the codebase
- [ ] Step 5: Search for additional relevant literature
- [ ] Step 6: Outline the paper structure together
- [ ] Step 7: Draft sections iteratively with feedback

ステップ 1: リポジトリの調査

# Understand project structure
ls -la
find . -name "*.py" | head -20
find . -name "*.md" -o -name "*.txt" | xargs grep -l -i "result\|conclusion\|finding"

以下を確認します:

• README.md - プロジェクトの概要と主張
• results/, outputs/, experiments/ - 主要な知見
• configs/ - 実験設定
• 既存の .bib ファイルや引用参照
• 草稿やメモ類

ステップ 2: 既存の引用文献の特定

コードベース内で既に参照されている論文を確認します:

# Find existing citations
grep -r "arxiv\|doi\|cite" --include="*.md" --include="*.bib" --include="*.py"
find . -name "*.bib"

これらは関連研究の有力な出発点となります。研究者がすでに関連性が高いと判断している文献だからです。

ステップ 3: 貢献の明確化

執筆前に、研究者と次の点を明示的に確認します:

「リポジトリの内容を見たところ、主な貢献は [X] と思われます。 主要な結果は [Y] を示しています。論文の位置づけとしてこれで良いでしょうか、 あるいは別の側面を強調すべきでしょうか?」

物語の構成を決めつけず、必ず人間に確認してください。

ステップ 4: 追加の文献検索

Web 検索を使って関連論文を探します:

Search queries to try:
- "[main technique] + [application domain]"
- "[baseline method] comparison"
- "[problem name] state-of-the-art"
- Author names from existing citations

その後、以下の引用ワークフローに従って、内容を検証し BibTeX を取得します。

ステップ 5: 初稿の提示

積極的に動き、セクションごとに許可を求めるのではなく、完全な草稿を提示してください。

リポジトリに明確な結果があり、貢献が明らかな場合:

1. 初稿を最初から最後まで書き上げる
2. 完成した草稿をフィードバックのために提示する
3. 研究者の反応に基づいて改善する

論文の位置づけや主要な主張に確信が持てない場合:

1. 確信のある部分から草稿を書く
2. 不確実な点を具体的に示す: 「X を主な貢献として位置づけましたが、代わりに Y を強調したい場合はお知らせください」
3. 作業を止めず、草稿を書き進める

草稿と併せて示す質問事項（事前ではなく）:

• 「X を主な貢献として強調しました。必要に応じて調整してください」
• 「結果 A、B、C を強調しました。他の結果がより重要であればお知らせください」
• 「関連研究のセクションには [論文] を含めています。漏れている文献があれば追加してください」

---

このスキルを使用する場面

このスキルは次の場合に使用します:

• 研究リポジトリから論文を書き始めるとき
• 特定のセクションを起草または改訂するとき
• 関連研究のために引用文献を検索・検証するとき
• 学会投稿向けに書式を整えるとき
• 別の投稿先へ再投稿する（書式変換）とき
• 研究者のフィードバックをもとに草稿を反復改善するとき

常に留意してください: 初稿は最終成果物ではなく、議論の出発点です。

---

積極性と協働のバランス

基本方針: 積極的に動き、草稿を提示してから反復改善します。

確信度	対応
高（リポジトリが明確で、貢献が明白）	完全な草稿を書き、提示し、フィードバックに基づいて改善
中（多少の曖昧さがある）	不確実な点を明記した草稿を書き、作業を続ける
低（重大な不明点がある）	的を絞った質問を 1～2 つ行ってから草稿を書く

入力を求めるのは草稿と併せて（事前ではなく）:

セクション	自律的に起草	草稿と併せて示す事項
Abstract	はい	「貢献を X として位置づけました。必要に応じて調整してください」
Introduction	はい	「問題 Y を強調しました。誤りがあれば修正してください」
Methods	はい	「詳細 A、B、C を含めました。不足している点を追加してください」
Experiments	はい	「結果 1、2、3 を強調しました。順序を変える必要があれば教えてください」
Related Work	はい	「論文 X、Y、Z を引用しました。漏れている文献があれば追加してください」

入力のために作業を止めるのは次の場合に限ります:

• 投稿先が不明確な場合（ページ数制限や位置づけに影響する）
• 互いに矛盾する複数の位置づけが同程度に妥当に見える場合
• 結果が不完全または一貫性を欠くように見える場合
• 続行前にレビューするよう明示的に求められた場合

次の場合は作業を止めません:

• 語句の選択
• セクションの順序
• どの具体的な結果を示すか（選択して決定し、その旨を明記する）
• 引用の網羅性（見つかった文献で草稿を書き、不足点を注記する）

---

物語の原則

最も重要な洞察：論文は実験を集めたものではありません。明確な貢献を、それを裏付ける証拠とともに伝えるストーリーです。

成功する ML 論文はどれも、Neel Nanda が「物語」と呼ぶものを軸にしています。それは、読者が関心を持つ結論を伝える、簡潔で厳密な、証拠に基づいた技術的なストーリーです。

3 つの柱（序論の最後までに明確に示す必要があります）：

柱	説明	例
何を	一貫したテーマに沿った、具体的で新規性のある主張 1～3 件	「条件 Z の下で、X が Y を達成することを証明します」
なぜ	主張を裏付ける厳密な実証的証拠	強力なベースライン、仮説を見分ける実験
それが何を意味するか	読者が関心を持つべき理由	コミュニティで認識されている問題とのつながり

貢献を 1 文で述べられないなら、論文はまだできていません。

---

論文構成のワークフロー

ワークフロー 1：論文を一通り書く（反復）

このチェックリストをコピーし、進捗を記録してください。各ステップでは、草稿の作成 → フィードバック → 改訂を行います。

Paper Writing Progress:
- [ ] Step 1: Define the one-sentence contribution (with scientist)
- [ ] Step 2: Draft Figure 1 → get feedback → revise
- [ ] Step 3: Draft abstract → get feedback → revise
- [ ] Step 4: Draft introduction → get feedback → revise
- [ ] Step 5: Draft methods → get feedback → revise
- [ ] Step 6: Draft experiments → get feedback → revise
- [ ] Step 7: Draft related work → get feedback → revise
- [ ] Step 8: Draft limitations → get feedback → revise
- [ ] Step 9: Complete paper checklist (required)
- [ ] Step 10: Final review cycle and submission

ステップ 1：貢献を一文で定義する

このステップでは、研究者による明示的な確認が必要です。

何かを書く前に、次の点を明確にし、確認してください。

• 論文が貢献する唯一のことは何ですか？
• あなたの研究以前には、何が明らかでなかった、または存在していませんでしたか？

「貢献を次のように捉えたいと考えています。『［一文］』。これが主な要点についてのあなたの認識を捉えていますか？強調点を調整したほうがよいでしょうか？」

ステップ 2：図 1 を作成する

多くの読者は図 1 を真っ先に見るため、特に注意を払う必要があります。

• 中核となるアイデア、アプローチ、または最も説得力のある結果を伝える
• ベクター画像を使用する（プロットには PDF/EPS）
• 本文なしでも内容が伝わるキャプションを書く
• 白黒でも読みやすいことを確認する（男性の 8％は色覚に特性があります）

ステップ 3：アブストラクトを書く（5 文の定型）

DeepMind の Sebastian Farquhar によるものです。

1. What you achieved: "We introduce...", "We prove...", "We demonstrate..."
2. Why this is hard and important
3. How you do it (with specialist keywords for discoverability)
4. What evidence you have
5. Your most remarkable number/result

「大規模言語モデルは目覚ましい成功を収めています……」のような一般論から始める書き出しは削除してください。

ステップ 4：序論を書く（最大 1～1.5 ページ）

次の内容を含めてください。

• 貢献を箇条書きで 2～4 点（2 段組の形式で各項目は最大 1～2 行）
• 明確な問題の説明
• アプローチの簡潔な概要
• 方法の説明は遅くとも 2～3 ページ目までに始める

ステップ 5：方法のセクション

再実装できるよう、次の内容を含めてください。

• 概念的な概要または擬似コード
• すべてのハイパーパラメーター
• 再現に十分なアーキテクチャの詳細
• 最終的な設計上の決定を提示し、アブレーションは実験のセクションに記載する

ステップ 6：実験のセクション

各実験について、次の点を明示してください。

• どの主張を裏付けるのか
• 主な貢献とどう結びつくのか
• 実験設定（詳細は付録に記載）
• 何を観察すべきか：「青い線は X を示しており、これは Y を実証しています」

要件：

• 方法論を明記した誤差範囲（標準偏差か標準誤差か）
• 各報告値の算出に使用した実行回数
• ハイパーパラメーター探索の範囲と、選定に使用したデータ分割
• テストデータをモデルや設定の選定に一切使用していないことを示す一文
• 計算インフラ（GPU の種類、合計時間）
• シードの設定方法

ステップ 7：関連研究

論文ごとではなく、方法論ごとに整理してください。

良い例：「ある一連の研究では Floogledoodle の仮定を用いています［参考文献］が、私たちは Doobersnoddle の仮定を用います。なぜなら……」

悪い例：「Snap らは X を導入し、Crackle らは Y を導入しました。」

査読者が関連論文の著者である可能性を考慮し、関連文献を十分に引用してください。

ステップ 8：限界のセクション（必須）

主要な学会はいずれもこれを求めています。弁明ではなく、研究の適用範囲として記述してください。

• 査読者には、適用範囲を明確に述べたことを理由に減点しないよう指示されています
• 評価対象と、対象に含まれない条件を具体的に、各一度だけ記述する
• 未解決の問いには、それに答える実験を示してつなげる
• 限界が主張を損なわないと、このセクションで論じないでください。その点は結果が示します （避けるべき弁明的、自己批判的、開発者的、確約的な文体については anti-defensive-writing を参照してください）

ステップ 9：論文のチェックリスト

NeurIPS、ICML、ICLR では、いずれも論文のチェックリストが必須です。references/checklists.md を参照してください。

---

主要な ML 学会向けの執筆理念

**このセクションでは、第一線の ML 研究者による、最も重要な執筆原則をまとめています。**これらは任意のスタイル上の提案ではありません。採択される論文と不採択になる論文を分ける要素です。

「論文とは、読者が重要だと感じる要点を伝える、簡潔で厳密な、証拠に基づいた技術的なストーリーです。」— Neel Nanda

この指針の出典

このスキルでは、主要な学会で数多くの論文を発表している研究者の執筆哲学を統合しています。

出典	主な貢献	リンク
Neel Nanda（Google DeepMind）	ナラティブの原則、What／Why／So What のフレームワーク	ML 論文の書き方
Sebastian Farquhar（DeepMind）	5 文構成のアブストラクトの公式	ML 論文の書き方
Gopen & Swan	読者の期待に関する 7 つの原則	科学論文の執筆術
Zachary Lipton	語句の選択、曖昧な表現の排除	科学技術論文の執筆に関するヒューリスティック
Jacob Steinhardt（UC Berkeley）	精密さ、一貫した用語法	執筆のヒント
Ethan Perez（Anthropic）	ミクロレベルの明瞭さに関するヒント	論文を簡単に書くためのヒント
Andrej Karpathy	貢献点を一つに絞る	各種講義

詳しく知りたい方は、以下をご覧ください。

• references/writing-guide.md - 例を交えた詳しい解説
• references/sources.md - 完全な参考文献一覧

時間配分（Neel Nanda による）

次の各項目にほぼ均等に時間をかけます。

1. アブストラクト
2. 序論
3. 図
4. それ以外のすべて

なぜでしょうか？ 多くの査読者は、手法にたどり着く前に評価を固めます。読者が論文を読む順序は、タイトル → アブストラクト → 序論 → 図 → 残りは読むかもしれない、となります。

執筆スタイルのガイドライン

文レベルの明瞭さ（Gopen & Swan の 7 原則）

これらの原則は、読者が実際に文章をどのように読み解くかに基づいています。原則に反すると、読者は内容ではなく構成を理解するために認知的労力を費やすことになります。

原則	ルール	例
主語と動詞を近づける	主語と動詞を近くに置く	❌「モデルは、…で学習され、性能を達成する」→ ✅「モデルは、…で学習した後に性能を達成する」
強調位置	文末に強調したい情報を置く	❌「注意機構を使うと精度が 15% 向上する」→ ✅「注意機構を使うと、精度が 15% 向上する」
話題の位置	最初に文脈を示し、その後に新しい情報を置く	✅「これらの制約を踏まえ、私たちは…を提案する」
既知から未知へ	馴染みのある情報 → 馴染みのない情報	前の内容につなげてから、新しい内容を紹介する
一つのまとまりに一つの機能	各段落で一つの論点を述べる	複数の論点を含む段落は分割する
動詞で動作を示す	名詞化を避け、動詞を使う	❌「分析を実施した」→ ✅「分析した」
新情報の前に文脈を示す	情報を提示する前に準備する	数式を示す前に説明する

7 原則の詳しい例については、references/writing-guide.md をご覧ください。

ミクロレベルのヒント（Ethan Perez）

こうした小さな変更を積み重ねることで、文章は大幅に明瞭になります。

• 代名詞を減らす：❌「これは…を示す」→ ✅「この結果は…を示す」
• 動詞を早めに置く：文の早い位置に動詞を置く
• 所有格を言い換える：❌「X の Y」→ ✅「X における Y」（不自然な場合）
• 埋め草の言葉を削除する：「実際には」「少し」「非常に」「本当に」「基本的に」「かなり」「本質的に」

ミクロレベルのヒントと例については、references/writing-guide.md をご覧ください。

語句の選択（Zachary Lipton）

• 具体的に述べる：❌ 「性能」→ ✅ 「精度」または「レイテンシ」（意図を明確に述べます）
• 曖昧な表現をなくす：「may」や「can」は、本当に不確かな場合を除いて削除します
• 漸進的な語彙を避ける：❌ 「組み合わせる」「変更する」「拡張する」→ ✅ 「開発する」「提案する」「導入する」
• 強調表現を削除する：❌ 「非常に高精度な近似を提供する」→ ✅ 「高精度な近似を提供する」

簡潔さより正確さ（Jacob Steinhardt）

• 用語を統一する：同じ概念に異なる用語を使うと混乱を招きます。用語を一つ選び、一貫して使います。
• 前提を形式的に述べる：定理の前に、すべての前提を明示的に列挙します
• 直感と厳密さを両立する：形式的な証明とともに、直感的な説明も提示します

査読者が実際に読む箇所

査読者の行動を理解すると、労力の優先順位を決めやすくなります。

論文のセクション	読む査読者の割合	意味すること
要旨	100%	完璧に仕上げる必要があります
序論	90%超（流し読み）	貢献を冒頭で示します
図	手法より先に確認される	図1が重要です
手法	関心がある場合のみ	要点を後回しにしないでください
付録	ほとんど読まれない	補足情報のみを記載します

要点：要旨と序論で査読者の関心を引けなければ、優れた手法のセクションが読まれない可能性があります。

---

会議の要件クイックリファレンス

会議	ページ数の上限	カメラレディ版の追加ページ数	主な要件
NeurIPS 2025	9ページ	+0	チェックリスト必須、採択論文は一般向け要約が必要
ICML 2026	8ページ	+1	広範な影響に関する声明が必要
ICLR 2026	9ページ	+1	LLM の開示が必要、相互査読
ACL 2025	8ページ（長編）	変動	制限事項のセクションが必須
AAAI 2026	7ページ	+1	スタイルファイルの厳守
COLM 2025	9ページ	+1	言語モデルに重点

共通要件：

• ダブルブラインド査読（投稿原稿を匿名化）
• 参考文献はページ数の上限に含まれません
• 付録のページ数に上限はありませんが、査読者に読む義務はありません
• すべての会議で LaTeX が必須です

LaTeX テンプレート： 各会議のテンプレートについては、templates/ ディレクトリを参照してください。

---

LaTeX テンプレートを適切に使用する

ワークフロー 4：テンプレートから新しい論文を始める

まずテンプレートディレクトリ全体をコピーし、その中で執筆してください。

Template Setup Checklist:
- [ ] Step 1: Copy entire template directory to new project
- [ ] Step 2: Verify template compiles as-is (before any changes)
- [ ] Step 3: Read the template's example content to understand structure
- [ ] Step 4: Replace example content section by section
- [ ] Step 5: Keep template comments/examples as reference until done
- [ ] Step 6: Clean up template artifacts only at the end

ステップ 1：テンプレート全体をコピーする

# Create your paper directory with the complete template
cp -r templates/neurips2025/ ~/papers/my-new-paper/
cd ~/papers/my-new-paper/

# Verify structure is complete
ls -la
# Should see: main.tex, neurips.sty, Makefile, etc.

⚠️ 重要：main.tex だけでなく、ディレクトリ全体をコピーしてください。テンプレートには次のものが含まれます。

• スタイルファイル（.sty）- コンパイルに必要
• 参考文献スタイル（.bst）- 参考文献に必要
• サンプルコンテンツ - 参考資料として便利
• Makefile - 簡単にコンパイルするためのもの

ステップ 2：まずテンプレートがコンパイルできることを確認する

変更を加える前に、テンプレートをそのままコンパイルします。

# Using latexmk (recommended)
latexmk -pdf main.tex

# Or manual compilation
pdflatex main.tex
bibtex main
pdflatex main.tex
pdflatex main.tex

変更していないテンプレートがコンパイルできない場合は、まずその問題を修正してください。よくある問題：

• TeX パッケージが不足している → tlmgr install <package> でインストールします
• TeX ディストリビューションが適切でない → TeX Live を使用します（推奨）

ステップ 3：テンプレートのコンテンツを参考資料として残す

サンプルコンテンツをすぐにすべて削除しないでください。代わりに、次のようにします。

% KEEP template examples commented out as you write
% This shows you the expected format

% Template example (keep for reference):
% \begin{figure}[t]
%   \centering
%   \includegraphics[width=0.8\linewidth]{example-image}
%   \caption{Template shows caption style}
% \end{figure}

% Your actual figure:
\begin{figure}[t]
  \centering
  \includegraphics[width=0.8\linewidth]{your-figure.pdf}
  \caption{Your caption following the same style.}
\end{figure}

ステップ 4：セクションごとにコンテンツを置き換える

論文を順序立てて進めます。

Replacement Order:
1. Title and authors (anonymize for submission)
2. Abstract
3. Introduction
4. Methods
5. Experiments
6. Related Work
7. Conclusion
8. References (your .bib file)
9. Appendix

各セクションについて：

1. テンプレートのサンプルコンテンツを読む
2. 特別な書式や使用されているマクロを確認する
3. 同じパターンに従って自分のコンテンツに置き換える
4. こまめにコンパイルして、早い段階でエラーを見つける

ステップ 5：テンプレートのマクロを使用する

テンプレートには、便利なマクロが定義されていることがよくあります。プリアンブルで次を確認してください。

% Common template macros to use:
\newcommand{\method}{YourMethodName}  % Consistent method naming
\newcommand{\eg}{e.g.,\xspace}        % Proper abbreviations
\newcommand{\ie}{i.e.,\xspace}
\newcommand{\etal}{\textit{et al.}\xspace}

ステップ 6：最後に整理する

論文がほぼ完成してから、テンプレート由来の要素を削除してください。

% BEFORE SUBMISSION - remove these:
% - Commented-out template examples
% - Unused packages
% - Template's example figures/tables
% - Lorem ipsum or placeholder text

% KEEP these:
% - All style files (.sty)
% - Bibliography style (.bst)
% - Required packages from template
% - Any custom macros you're using

テンプレートで避けるべき落とし穴

落とし穴	問題	解決策
main.tex だけをコピーする	.sty が不足し、コンパイルできません	ディレクトリ全体をコピーします
.sty ファイルを変更する	学会の書式が崩れます	スタイルファイルは編集しません
無作為にパッケージを追加する	競合が起き、テンプレートが壊れます	必要な場合にのみ追加します
テンプレートの内容を早く削除しすぎる	書式を参照できなくなります	作業が終わるまではコメントとして残します
こまめにコンパイルしない	エラーが蓄積します	各セクションの作成後にコンパイルします

テンプレート早見表

学会	メインファイル	主なスタイルファイル	備考
NeurIPS 2025	main.tex	neurips.sty	Makefile があります
ICML 2026	example_paper.tex	icml2026.sty	アルゴリズム用パッケージを含みます
ICLR 2026	iclr2026_conference.tex	iclr2026_conference.sty	math_commands.tex があります
ACL	acl_latex.tex	acl.sty	書式が厳格です
AAAI 2026	aaai2026-unified-template.tex	aaai2026.sty	非常に厳格な準拠が求められます
COLM 2025	colm2025_conference.tex	colm2025_conference.sty	ICLR に類似しています

---

学会への再投稿と書式変換

論文がある投稿先で不採択または取り下げとなり、別の投稿先に再投稿する場合は、書式変換が必要です。これは ML 研究で一般的なワークフローです。

ワークフロー 3：学会間の書式変換

Format Conversion Checklist:
- [ ] Step 1: Identify source and target template differences
- [ ] Step 2: Create new project with target template
- [ ] Step 3: Copy content sections (not preamble)
- [ ] Step 4: Adjust page limits and content
- [ ] Step 5: Update conference-specific requirements
- [ ] Step 6: Verify compilation and formatting

ステップ 1：テンプレート間の主な違い

変換元 → 変換先	ページ数の変更	主な調整
NeurIPS → ICML	9 → 8 ページ	1 ページ削減し、未記載の場合は Broader Impact を追加します
ICML → ICLR	8 → 9 ページ	実験を拡充し、LLM の使用開示を追加できます
NeurIPS → ACL	9 → 8 ページ	NLP の慣例に合わせて再構成し、Limitations を追加します
ICLR → AAAI	9 → 7 ページ	大幅な削減が必要で、スタイルへの厳格な準拠が求められます
任意 → COLM	変動 → 9	言語モデルに焦点を当てて再構成します

ステップ 2：内容の移行（テンプレートの結合ではありません）

LaTeX のプリアンブルをテンプレート間でコピーしてはいけません。 代わりに：

# 1. Start fresh with target template
cp -r templates/icml2026/ new_submission/

# 2. Copy ONLY content sections from old paper
# - Abstract text
# - Section content (between \section{} commands)
# - Figures and tables
# - Bibliography entries

# 3. Paste into target template structure

ステップ 3：ページ数制限に合わせた調整

ページ数を削減する場合（例：NeurIPS 9 → AAAI 7）：

• 詳細な証明を付録に移します
• 関連研究を簡潔にまとめます（個々の論文ではなくサーベイを引用します）
• 類似した実験を統合した表にまとめます
• 図のサイズを小さくし、サブ図を使用します
• 文章を引き締めます：重複をなくし、能動態を使用します

ページ数を増やす場合（例：ICML 8 → ICLR 9）：

• 査読者から求められたアブレーション研究を追加します
• 新たに使えるスペースを活用して、スコープの説明を明確にします
• ベースラインを追加します
• 定性的な例を追加します

ステップ 4：学会ごとの調整

投稿先	必須の追加項目
ICML	Broader Impact Statement（結論の後）
ICLR	LLM 使用の開示、相互査読への同意
ACL/EMNLP	Limitations セクション（必須）、Ethics Statement
AAAI	スタイルファイルへの厳格な準拠（変更不可）
NeurIPS	論文チェックリスト（付録）、採択された場合は一般向け要約

ステップ 5：参考文献の更新

% Remove self-citations that reveal identity (for blind review)
% Update any "under review" citations to published versions
% Add new relevant work published since last submission

ステップ 6：以前の査読への対応

不採択後に再投稿する場合：

• 行うこと：新しい原稿で査読者の懸念に対応します
• 行うこと：査読者から求められた実験や説明を追加します
• 行わないこと： 「前回の投稿からの変更点」セクションを含めないでください（二重盲検査読のため）
• 行わないこと：以前の投稿や査読に言及しないでください

よくある書式変換の落とし穴：

• ❌ \usepackage コマンドをコピーする（競合の原因になります）
• ❌ 古い学会のヘッダー／フッター用コマンドを残す
• ❌ \bibliography{} のパスを更新し忘れる
• ❌ 学会固有の必須セクションが不足する
• ❌ 書式変更後にページ数制限を超える

---

引用ワークフロー（ハルシネーションの防止）

⚠️ 重要：AI が生成する引用には約 40% の誤りがあります。記憶を頼りに BibTeX を作成してはいけません。

黄金律

IF you cannot programmatically fetch a citation:
    → Mark it as [CITATION NEEDED] or [PLACEHOLDER - VERIFY]
    → Tell the scientist explicitly
    → NEVER invent a plausible-sounding reference

ワークフロー 2：引用の追加

Citation Verification (MANDATORY for every citation):
- [ ] Step 1: Search using Exa MCP or Semantic Scholar API
- [ ] Step 2: Verify paper exists in 2+ sources (Semantic Scholar + arXiv/CrossRef)
- [ ] Step 3: Retrieve BibTeX via DOI (programmatically, not from memory)
- [ ] Step 4: Verify the claim you're citing actually appears in the paper
- [ ] Step 5: Add verified BibTeX to bibliography
- [ ] Step 6: If ANY step fails → mark as placeholder, inform scientist

ステップ 0：初期検索に Exa MCP を使用する（推奨）

Exa MCP がインストールされている場合は、関連する論文を見つけるために使用します。

Search: "RLHF language model alignment 2023"
Search: "sparse autoencoders interpretability"
Search: "attention mechanism transformers Vaswani"

次に、Semantic Scholar で各検索結果を検証し、DOI を使って BibTeX を取得します。

ステップ 1：Semantic Scholar を検索する

from semanticscholar import SemanticScholar

sch = SemanticScholar()
results = sch.search_paper("attention mechanism transformers", limit=5)
for paper in results:
    print(f"{paper.title} - {paper.paperId}")
    print(f"  DOI: {paper.externalIds.get('DOI', 'N/A')}")

ステップ 2：存在を確認する

論文が少なくとも 2 つの情報源（Semantic Scholar と CrossRef/arXiv）に掲載されていることを確認します。

ステップ 3：DOI を使って BibTeX を取得する

import requests

def doi_to_bibtex(doi: str) -> str:
    """Get verified BibTeX from DOI via CrossRef."""
    response = requests.get(
        f"https://doi.org/{doi}",
        headers={"Accept": "application/x-bibtex"}
    )
    response.raise_for_status()
    return response.text

# Example
bibtex = doi_to_bibtex("10.48550/arXiv.1706.03762")
print(bibtex)

ステップ 4：主張を検証する

特定の主張の引用に使う前に、論文にアクセスし、引用する主張が実際に記載されていることを確認します。

ステップ 5：取得に失敗した場合は明示する

いずれかのステップで引用を検証できない場合は、次のようにします。

% Option 1: Explicit placeholder
\cite{PLACEHOLDER_smith2023_verify}  % TODO: Could not verify - scientist must confirm

% Option 2: Note in text
... as shown in prior work [CITATION NEEDED - could not verify Smith et al. 2023].

必ず研究者に伝えてください：

「以下の引用を検証できなかったため、プレースホルダーとして記載しました。

• 報酬ハッキングに関する Smith et al. 2023：Semantic Scholar で見つかりませんでした
• スケーリング則に関する Jones 2022：類似の論文は見つかりましたが、著者が異なります 投稿前にこれらを確認してください。」

要約：引用のルール

状況	対応
論文が見つかり、DOI を取得し、BibTeX を取得した	✅ 引用を使用する
論文は見つかったが、DOI がない	✅ arXiv の BibTeX または論文に基づく手動入力を使用する
論文は存在するが、BibTeX を取得できない	⚠️ プレースホルダーとして記載し、研究者に伝える
論文が存在するか不確か	❌ [CITATION NEEDED] と記載し、研究者に伝える
「X に関する論文があったと思う」	❌ 絶対に引用しない — まず検索するか、プレースホルダーとして記載する

🚨 BibTeX を記憶から生成してはいけません。必ずプログラムで取得してください。🚨

API の完全なドキュメントについては、references/citation-workflow.md を参照してください。

---

よくある問題と解決策

問題：要旨が抽象的すぎる

機械学習の論文ならどれにでも付け加えられるような冒頭の文は削除します。独自の貢献から始めます。

問題：序論が 1.5 ページを超える

背景説明を関連研究に移します。貢献の箇条書きを前半に配置します。方法は 2～3 ページ目までに始めます。

問題：実験で主張が明示されていない

各実験の前に、次のような文を追加します。「この実験では、[具体的な主張] かどうかを検証します……」

問題：査読者が論文を理解しにくいと感じる

• 明示的な道しるべを加えます。「このセクションでは、X を示します」
• 全体を通して用語を統一します
• 図だけを見ても内容がわかるキャプションを付けます

問題：統計的有意性が示されていない

必ず次の項目を記載します。

• エラーバー（標準偏差か標準誤差かを明記）
• 実行回数
• 手法を比較する場合は統計検定

---

レビュアーが確認することと、論文に含めないこと

レビュー担当者の視点から、論文に何を含めるかを判断します。実験記録について、ML のレビュアーは次の 3 点を確認します。

1. テストデータがモデル選択に影響していないか？ テストデータはモデル、そのハイパーパラメーター、構成の選択に一切使われていないことを、簡潔な一文で明記してください。レビュアーはこの記述を探します。ジャーナル論文のような文体に整える過程では、防御的に見える場合がありますが、ここでは評価プロトコルを説明する箇所に一度だけ記載します。
2. 結果を再現できるか？ データ分割、ハイパーパラメーター、シード、コードです。データ分割の作成方法は、付録に一文記載すれば十分です（「遺伝子名をハッシュ化して分割を割り当てるため、再生成できます」）。ハッシュ関数の選択を記載する必要はありません。シード値はハイパーパラメーターの表に記載し、ブートストラップの設定は統計に関する付録に一度だけ記載します。
3. 結論はどの程度安定しているか？ 各数値が何回の実行結果を集計したものか、また値がどの程度ばらつくかを明記してください。一度だけ学習したコンポーネントについては疑問を持たれます。これを不備として著者に伝えてください。言い回しでごまかしてはいけません。

論文に含めないこと、または記載方法を変えること：

内容	ML の投稿先では
事前登録済み、事前指定済み、ロック済み、凍結済み	ML ではまれです。検証不能な「事前登録済み」という記述は疑念を招きます。「構成は開発用分割で選択し、評価用分割には変更せず適用した」と記載してください。
判定文（「CI が 0 を除外すれば支持される」「基準を満たさない」）	臨床試験のような書き方です。平均値または中央値と区間を報告し、判断は読者に委ねてください
後に評価に使うデータに基づいて選択した構成	ラベルを付けても問題は解決しません。選択した構成の結果と並べて、デフォルト構成の結果も報告してください
「学習されるパラメーターはありません」など	レビュアーは手法がパラメーターを追加するかを確認するため、有用です。一度だけ明記してください
内部のガバナンス、台帳、ファイルパス	論文には含めません
「出版時にコードを公開します」、匿名化したリポジトリへのリンク	ダブルブラインド査読での慣例です。投稿先のガイドに記載された表現をそのまま使ってください
再現性に関する声明、LLM の使用に関する開示	多くの投稿先で必須、または推奨されています。手順の詳細は、その年の最新のガイドに従ってここに記載します

arXiv にアップロードする前に、LaTeX ソースはコメントも含めて公開されることを忘れないでください。arxiv_latex_cleaner などの同等の手順でコメント、内部パス、メモを削除し、クリーンアップ後のソースが引き続きコンパイルできることを確認してください。PDF だけを提出する場合は公開されませんが、補足資料としてアップロードしたソースやコードからは公開されます。

anti-defensive-writing をカンファレンス論文に対して実行する場合も、同じルールが適用されます（セクション「何が重要かを決めるのは投稿先」）。

---

レビュアーの評価基準

レビュアーは、論文を次の 4 つの観点から評価します。

基準	レビュアーが確認する点
品質	技術的な妥当性、十分に裏付けられた主張
明瞭さ	明確な文章、専門家が再現できること
重要性	コミュニティへの影響、理解の進展
独創性	新たな知見（新しい手法は必須ではありません）

スコア（NeurIPS の 6 段階評価）：

• 6：強い採択 - 画期的で、欠点がない
• 5：採択 - 技術的に確かで、影響が大きい
• 4：採択寄りの境界 - 妥当だが、評価が限定的
• 3：不採択寄りの境界 - 妥当だが、弱点が長所を上回る
• 2：不採択 - 技術的な欠陥がある
• 1：強い不採択 - 既知の結果、または倫理上の問題がある

レビュアー向けの詳しい指示については、references/reviewer-guidelines.md を参照してください。

---

表と図

表

専門的な表には booktabs LaTeX パッケージを使用してください。

\usepackage{booktabs}
\begin{tabular}{lcc}
\toprule
Method & Accuracy ↑ & Latency ↓ \\
\midrule
Baseline & 85.2 & 45ms \\
\textbf{Ours} & \textbf{92.1} & 38ms \\
\bottomrule
\end{tabular}

ルール：

• 指標ごとに最良の値を太字にする
• 方向を示す記号（↑ 高いほど良い、↓ 低いほど良い）を含める
• 数値列は右揃えにする
• 小数点以下の桁数を統一する

図

• すべてのプロットや図にはベクターグラフィックス（PDF、EPS）を使用してください
• ラスター画像（PNG、600 DPI）は写真のみに使用してください
• 色覚多様性に配慮したパレット（Okabe-Ito または Paul Tol）を使用してください
• グレースケールでの読みやすさを確認してください（男性の8％に色覚特性があります）
• 図の中にタイトルを入れないでください—キャプションがその役割を果たします
• 自己完結したキャプションにしてください—本文を読まなくても内容が分かるようにします

---

参考資料とリソース

参考ドキュメント（詳細解説）

ドキュメント	内容
writing-guide.md	Gopen & Swanの7つの原則、Ethan Perezの細かなヒント、語句の選び方
citation-workflow.md	引用API、Pythonコード、BibTeX管理
checklists.md	NeurIPSの16項目、ICML、ICLR、ACLの要件
reviewer-guidelines.md	評価基準、採点、反論
sources.md	すべての情報源の完全な参考文献一覧

LaTeXテンプレート

templates/ディレクトリにあるテンプレート：ICML 2026、ICLR 2026、NeurIPS 2025、ACL/EMNLP、AAAI 2026、COLM 2025。

PDFへのコンパイル：

• VS Code/Cursor：LaTeX Workshop拡張機能とTeX Liveをインストール → 保存すると自動コンパイルされます
• コマンドライン：latexmk -pdf main.tex、またはpdflatexとbibtexを使うワークフロー
• オンライン：Overleafにアップロード

詳しいセットアップ手順はtemplates/README.mdを参照してください。

主な外部情報源

執筆の考え方：

• Neel Nanda: How to Write ML Papers - 論述、「何を／なぜ／それがなぜ重要か」
• Farquhar: How to Write ML Papers - 5文の要旨
• Gopen & Swan: Science of Scientific Writing - 読者の期待に関する7つの原則
• Lipton: Heuristics for Scientific Writing - 語句の選び方
• Perez: Easy Paper Writing Tips - 細かなレベルでの明瞭さ

API： Semantic Scholar | CrossRef | arXiv

投稿先： NeurIPS | ICML | ICLR | ACL