ml-paper-writing

トップAIカンファレンス向けのMLペーパー執筆

NeurIPS、ICML、ICLR、ACL、AAAI、COLMを対象とした、出版可能な論文を執筆するための専門家レベルのガイダンスです。このスキルは、著名な研究者（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、カンファレンスチェックリスト）を組み合わせたものです。

中核的な考え方：共同執筆

論文執筆は共同作業ですが、Claudeは草稿の提供に積極的であるべきです。

典型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る場合は完全な初稿を提供する
3. Web検索とAPIを使用して文献を検索し、関連する引用文献を見つける
4. 研究者からフィードバックを受けた場合は、フィードバックのサイクルを通じて改善する
5. 重要な判断について本当に不確かな場合にのみ確認を求める

重要な原則：積極的に行動してください。リポジトリと結果が明確であれば、完全な草稿を提供してください。研究者は多忙なので、各セクションのフィードバックを待ってブロックしないでください。研究者が反応できる具体的なものを作成し、その回答に基づいて反復してください。

---

⚠️ 重要：引用文献を捏造しないこと

これは、AI支援による学術執筆において最も重要なルールです。

問題点

AIが生成した引用文献の**誤り率は約40%**です。捏造された参考文献（実在しない論文、誤った著者、誤った年、偽造されたDOI）は重大な学術的不正行為であり、リジェクトや論文の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ないこと。必ずプログラムによって取得すること。

操作	✅ 正しい方法	❌ 誤った方法
引用を追加する	検索APIで検索 → 検証 → BibTeXを取得	記憶からBibTeXを書く
論文について確信がない	[CITATION NEEDED]とマークする	参考文献を推測する
正確な論文が見つからない	「プレースホルダー - 要検証」と記載する	似た名前の論文を創作する

引用を検証できない場合

プログラムによって引用文献を検証できない場合は、必ず次のとおりにしてください。

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

研究者に必ず伝えること：「[X]件の引用文献を、検証が必要なプレースホルダーとしてマークしました。これらの論文が実在することを確認できませんでした。」

推奨：論文検索のためのExa MCPのインストール

最良の論文検索体験を得るために、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設定に追加）：

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

Exa MCPでは、次のような検索が可能です。

• 「2023年以降に発表された、言語モデルのRLHFに関する論文を探す」
• 「Vaswaniによるトランスフォーマー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に関する最新の研究を取得する」

その後、Semantic Scholar APIで結果を検証し、DOI経由で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）

---

ナラティブの原則

最も重要な洞察はこれです：論文は実験の寄せ集めではなく、明確な一つの貢献を証拠で裏付けるストーリーです。

成功する ML 論文の中心にあるのは、Neel Nanda が「ナラティブ」と呼ぶものです。読者が関心を持つ結論を備えた、簡潔で厳密かつ証拠に基づく技術的なストーリーです。

3 つの柱（序論の終わりまでに明確に示す必要があります）：

柱	説明	例
何を	一貫したテーマのもとでの、1～3 個の具体的で新規性のある主張	「条件 Z のもとで 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、仮説を区別する実験
それで何が	読者が関心を持つべき理由	コミュニティで広く認識されている課題とのつながり

貢献を一文で述べられないなら、まだ論文とは言えません。

---

論文執筆ワークフロー

ワークフロー 1：論文を完成させる（反復）

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

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 1：一文で貢献を定義する

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、次の点を明確にして確認してください。

• 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、何が自明でなく、何が存在していませんでしたか？

「貢献を次のように捉えています。『［一文］』。これが主な結論だというご認識に合っていますか？ 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 の草稿を作成する

多くの読者が図 1 を先に見るため、特に注意を払う価値があります。

• 中心となるアイデア、アプローチ、または最も説得力のある結果を伝えます
• ベクター画像を使用します（プロットには PDF/EPS）
• 本文がなくても意味が伝わるキャプションを書きます
• 白黒でも読みやすいことを確認します（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 による定型：

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る……」のような一般的な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）

次の内容を含める必要があります。

• 貢献の箇条書きリスト 2～4 項目（2 段組み形式で各項目最大 1～2 行）
• 明確な問題提起
• アプローチの簡潔な概要
• 遅くとも 2～3 ページ目までに手法の説明を始めます

ステップ 5：手法のセクション

再実装できるようにします。

• 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を列挙
• 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示します。アブレーションは実験のセクションに記載します

ステップ 6：実験のセクション

各実験について、次の点を明示します。

• どの主張を裏付けるか
• 主な貢献とどうつながるか
• 実験設定（詳細は付録に記載）
• 注目すべき点：「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：

• エラーバーとその算出方法（標準偏差か標準誤差か）
• ハイパーパラメーターの探索範囲
• 計算インフラストラクチャ（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ます。

良い例：「ある研究の流れでは Floogledoodle の仮定を採用しています［参考文献］。一方、私たちは Doobersnoddle の仮定を採用しています。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。」

関連する論文の著者が査読者である可能性が高いため、十分に引用してください。

ステップ 8：制約事項のセクション（必須）

主要な会議ではすべてこれが必須です。意外に思われるかもしれませんが、率直に認めることは有益です。

• 査読者には、制約事項を率直に認めたことを理由に不利な評価をしないよう指示されています
• 先に弱点を特定することで、批判を未然に防ぎます
• 制約事項が中心的な主張を損なわない理由を説明します

ステップ 9：論文チェックリスト

NeurIPS、ICML、ICLR ではすべて論文チェックリストが必須です。references/checklists.md を参照してください。

---

トップ ML カンファレンスの執筆哲学

このセクションは、主要な ML 研究者による最も重要な執筆原則をまとめたものです。 これらは任意のスタイル提案ではなく、採択される論文と不採択になる論文を分けるものです。

"A paper is a short, rigorous, evidence-based technical story with a takeaway readers care about." — Neel Nanda

このガイダンスの出典

このスキルは、トップ会場で多数の論文を発表してきた研究者たちの執筆哲学をまとめたものです。

出典	主な貢献	リンク
Neel Nanda (Google DeepMind)	The Narrative Principle、What/Why/So What フレームワーク	How to Write ML Papers
Sebastian Farquhar (DeepMind)	5 文構成のアブストラクトの公式	How to Write ML Papers
Gopen & Swan	読者の期待に関する 7 つの原則	Science of Scientific Writing
Zachary Lipton	語の選択、ヘッジ表現の削減	Heuristics for Scientific Writing
Jacob Steinhardt (UC Berkeley)	精密さ、用語の一貫性	Writing Tips
Ethan Perez (Anthropic)	文レベルの明快さに関するヒント	Easy Paper Writing Tips
Andrej Karpathy	単一の貢献への集中	各種講義

これらのいずれかをより深く知りたい場合は、以下を参照してください:

• references/writing-guide.md - 例を含む詳細な解説
• references/sources.md - 完全な参考文献リスト

時間配分（Neel Nanda による）

以下のそれぞれに、おおよそ同程度の時間を割いてください:

1. アブストラクト
2. 導入
3. 図表
4. その他すべてを合わせた部分

なぜでしょうか？ ほとんどの査読者は、手法に到達する前に判断を下しています。読者が論文に接する順序は、タイトル → アブストラクト → 導入 → 図表 → 余力があればそれ以外です。

文章スタイルのガイドライン

文レベルの明快さ（Gopen & Swan の 7 原則）

これらの原則は、読者が実際に文章を処理する仕組みに基づいています。これに反すると、読者は内容ではなく構造に認知的な労力を費やすことになります。

原則	ルール	例
主語と動詞の近接	主語と動詞を近くに置く	❌ "The model, which was trained on..., achieves" → ✅ "The model achieves... after training on..."
強調位置	強調したい要素を文末に置く	❌ "Accuracy improves by 15% when using attention" → ✅ "When using attention, accuracy improves by 15%"
主題の位置	文脈を先に、新しい情報を後に置く	✅ "Given these constraints, we propose..."
旧情報から新情報へ	既知の情報から未知の情報へ進める	過去を参照してから新しい内容を導入する
1 単位 1 機能	各段落は 1 つの論点だけを示す	複数の論点を含む段落は分割する
動作は動詞で	名詞化された表現ではなく動詞を使う	❌ "We performed an analysis" → ✅ "We analyzed"
新情報の前に文脈	提示する前に舞台を整える	数式を示す前に説明する

7 原則の詳細な例: references/writing-guide.md を参照してください

マイクロレベルのコツ（Ethan Perez）

これらの小さな変更を積み重ねることで、文章は大幅に明確になります。

• 代名詞を最小限にする: ❌ "This shows..." → ✅ "This result shows..."
• 動詞を早めに置く: 動詞は文の冒頭近くに配置する
• アポストロフィを展開する: ❌ "X's Y" → ✅ "The Y of X"（不自然な場合）
• フィラー語を削除する: "actually," "a bit," "very," "really," "basically," "quite," "essentially"

例を含む完全なマイクロレベルのコツ: references/writing-guide.md を参照してください。

語の選択（Zachary Lipton）

• 具体的に書く: ❌ "performance" → ✅ "accuracy" または "latency"（意図を明確に述べる）
• ヘッジ表現をなくす: 本当に不確かな場合を除き、"may" や "can" を削除する
• 漸進的な語彙を避ける: ❌ "combine," "modify," "expand" → ✅ "develop," "propose," "introduce"
• 強調語を削除する: ❌ "provides very tight approximation" → ✅ "provides tight approximation"

簡潔さよりも精密さ（Jacob Steinhardt）

• 用語を一貫させる: 同じ概念に異なる用語を使うと混乱を招きます。一つを選び、それを使い続けてください。
• 仮定を形式的に明示する: 定理の前に、すべての仮定を明示的に列挙する
• 直感と厳密さを両立させる: 形式的な証明と並べて、直感的な説明を示す

レビュアーが実際に読む箇所

レビュアーの行動を理解すると、作業の優先順位を決めやすくなります。

論文のセクション	読むレビュアーの割合	示唆
Abstract	100%	完璧でなければならない
Introduction	90%以上（流し読み）	貢献を冒頭で示す
Figures	手法より先に確認される	Figure 1 が極めて重要
Methods	関心がある場合のみ	最も重要な点を埋もれさせない
Appendix	ほとんど読まれない	補足的な詳細のみを載せる

要点: アブストラクトと導入でレビュアーの関心を引けなければ、優れた手法のセクションは読まれないかもしれません。

---

会議の要件クイックリファレンス

会議	ページ制限	カメラレディ版での追加	主要な要件
NeurIPS 2025	9 ページ	+0	必須のチェックリスト、採択論文にはラymary サマリー
ICML 2026	8 ページ	+1	Broader Impact Statement が必須
ICLR 2026	9 ページ	+1	LLM の利用開示が必須、相互査読
ACL 2025	8 ページ（long）	会議により異なる	Limitations セクションが必須
AAAI 2026	7 ページ	+1	スタイルファイルへの厳格な準拠
COLM 2025	9 ページ	+1	言語モデルに焦点

共通要件:

• ダブルブラインド査読（投稿物を匿名化する）
• 参考文献はページ制限に含まれない
• 付録は無制限だが、レビュアーは読む義務がない
• すべての会議で LaTeX が必須

LaTeX テンプレート: すべての会議のテンプレートは templates/ ディレクトリを参照してください。

---

LaTeX テンプレートを正しく使う

ワークフロー 4: テンプレートから新しい論文を開始する

常に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。テンプレートには以下が含まれます:

• 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) - 参考文献の処理に必要
• サンプルコンテンツ - 参考用として有用
• Makefile - コンパイルを簡単に行うため

ステップ 2: 最初にテンプレートがコンパイルできることを確認する

何か変更を加える前に、テンプレートをそのままの状態でコンパイルしてください:

# 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、まずそれを修正してください。よくある問題は次のとおりです:

• TeX パッケージの不足 → tlmgr install <package> でインストール
• 不適切な TeX ディストリビューション → TeX Live の使用を推奨

ステップ 3: テンプレートの内容を参考として残す

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: セクションごとに内容を置き換える

論文を体系的に進めてください:

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. 使用されている特殊な書式やマクロをメモする
3. 同じパターンに従って自分の内容に置き換える
4. エラーを早期に発見するため、頻繁にコンパイルする

ステップ 5: テンプレートのマクロを活用する

テンプレートには便利なマクロがよく定義されています。プリアンブルで次の内容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: クリーンアップは最後に行う

論文がほぼ完成してから、テンプレートの残存物のみ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

避けるべきテンプレートの落とし穴

落とし穴	問題	解決策
main.tex のみをコピーする	.sty が不足し、コンパイルできない	ディレクトリ全体をコピーする
.sty ファイルを変更する	学会のフォーマットが崩れる	スタイルファイルは決して編集しない
無関係なパッケージを追加する	競合が起き、テンプレートが壊れる	必要な場合のみ追加する
テンプレートの内容を早すぎる段階で削除する	書式の参考を失う	完成するまでコメントとして残す
頻繁にコンパイルしない	エラーが蓄積する	セクションごとにコンパイルする

テンプレートのクイックリファレンス

学会	メインファイル	主要なスタイルファイル	備考
NeurIPS 2025	main.tex	neurips.sty	Makefile あり
ICML 2026	example_paper.tex	icml2026.sty	アルゴリズム系パッケージを含む
ICLR 2026	iclr2026_conference.tex	iclr2026_conference.sty	math_commands.tex あり
ACL	acl_latex.tex	acl.sty	書式が厳格
AAAI 2026	aaai2026-unified-template.tex	aaai2026.sty	非常に厳格な準拠が必要
COLM 2025	colm2025_conference.tex	colm2025_conference.sty	ICLR と類似

---

学会への再投稿とフォーマット変換

論文がある学会で不採録または取り下げとなり、別の学会に再投稿する場合、フォーマットの変換が必要になります。これは ML 研究における一般的なワークフローです。

ワークフロー 3：会議フォーマット間の変換

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：テンプレートの主な違い

変換元 → 変換先	ページ数の変化	主な調整事項
NeurIPS → ICML	9 → 8 ページ	1 ページ削減し、不足していれば Broader Impact を追加
ICML → ICLR	8 → 9 ページ	実験を拡張可能。LLM の利用に関する開示を追加
NeurIPS → ACL	9 → 8 ページ	NLP の慣例に合わせて構成を見直し、Limitations を追加
ICLR → AAAI	9 → 7 ページ	大幅な削減が必要。厳格なスタイル遵守
任意 → COLM	可変 → 9	言語モデルに焦点を当てて再構成

ステップ 2：内容の移行（テンプレートのマージではない）

LaTeX のプリアンブルをテンプレート間でコピーしないでください。 代わりに以下を行います。

# 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：ページ数制限への対応

ページ数を削減する場合（例：NeurIPS 9 → AAAI 7）：

• 詳細な証明は付録に移動する
• 関連研究を圧縮する（個別の論文ではなくサーベイを引用する）
• 類似の実験を統合した表にまとめる
• サブ図を用いて図のサイズを小さくする
• 文章を引き締める：冗長性を排除し、能動態を使用する

ページ数を拡張する場合（例：ICML 8 → ICLR 9）：

• 査読者から要望のあったアブレーションスタディを追加する
• Limitations の議論を拡充する
• 追加のベースラインを含める
• 定性的な例を追加する

ステップ 4：会議ごとの固有の調整

投稿先の会議	必要な追加事項
ICML	Broader Impact Statement（結論の後）
ICLR	LLM の利用に関する開示、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	ペーパーチェックリスト（付録）、採録時のレイに向けた要約

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：過去の査読への対応

却下後に再投稿する場合：

• 行うこと： 新しいバージョンで査読者の懸念に対応する
• 行うこと： 査読者が求めた実験や説明を追加する
• 行わないこと： 「前回の投稿からの変更点」セクションを含める（ブラインド査読のため）
• 行わないこと： 前回の投稿や査読結果を参照する

よくある変換時の落とし穴：

• ❌ \usepackage コマンドをコピーする（競合の原因になる）
• ❌ 旧会議のヘッダー／フッターのコマンドを残す
• ❌ \bibliography{} のパスの更新を忘れる
• ❌ 会議固有の必須セクションが欠けている
• ❌ フォーマット変更後にページ数制限を超える

---

引用ワークフロー（ハルシネーション防止）

⚠️ 重要：AI が生成した引用の誤り率は約 40% です。BibTeX を記憶に頼って書かないでください。

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、関連論文の検索に使用します：

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

その後、各結果を Semantic Scholar で検証し、DOI を使って BibTeX を取得します。

ステップ 1：Semantic Scholar で検索する

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：存在の確認

論文が少なくとも 2 つのソース（Semantic Scholar + 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：主張の検証

特定の主張のために引用する前に、論文にアクセスして、帰属させた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：失敗を明示的に扱う

いずれかのステップで引用を確認できない場合：

% 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：

「以下の引用は確認できなかったため、プレースホルダーとしてマークしました：

• Smith et al. 2023（報酬ハッキングに関するもの）― Semantic Scholar で見つからなかった
• Jones 2022（スケーリング則に関するもの）― 類似の論文は見つかったが著者が異なる 投稿前にこれらを検証してください。」

要約: 引用ルール

状況	対応
論文を見つけ、DOI を取得し、BibTeX を取得済み	✅ その引用を使用する
論文は見つかったが DOI がない	✅ arXiv の BibTeX を使うか、論文から手動で入力する
論文は存在するが BibTeX を取得できない	⚠️ プレースホルダーを記入し、研究者に知らせる
論文が存在するかどうか不確かである	❌ [CITATION NEEDED] と記入し、研究者に知らせる
「X についての論文があったと思う」	❌ 決して引用しない。まず検索するか、プレースホルダーを記入する

🚨 BibTeX を記憶から生成することは決してしないでください。必ずプログラムで取得してください。🚨

完全な API 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: 要旨が一般的すぎる

どの ML 論文の前にも付けられるような文は削除してください。具体的な貢献から書き始めてください。

問題: 導入が 1.5 ページを超える

背景は関連研究に分割してください。貢献の箇条書きを前面に出してください。手法は 2〜3 ページ目までに始めてください。

問題: 実験に明確な主張がない

各実験の前に次の文を追加してください: 「この実験は [特定の主張] かどうかを検証します…」

問題: 査読者が論文を読みにくいと感じる

• 明示的な道標を追加してください: 「本節では X を示します」
• 用語を全体で一貫して使用してください
• 単独で意味が通じる図のキャプションを含めてください

問題: 統計的有意性が欠けている

必ず以下を含めてください:

• 誤差線（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

---

査読評価基準

査読者は論文を四つの観点から評価します。

基準	査読者が見る点
品質	技術的な妥当性、十分に裏付けられた主張
明確さ	明快な文章、専門家が再現できること
重要性	コミュニティへの影響、理解の前進
独創性	新しい知見（新しい手法を必要としないもの）

採点（NeurIPS 6 段階評価）:

• 6: Strong Accept - 画期的で欠点のない研究
• 5: Accept - 技術的に確かで、影響力が大きい
• 4: Borderline Accept - 堅実だが、評価が限定的
• 3: Borderline Reject - 堅実だが、弱点が長所を上回る
• 2: Reject - 技術的な欠陥がある
• 1: Strong Reject - 既知の結果、または倫理上の問題がある

詳細な査読指針については 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
• 方向の記号を付ける（↑ は高いほど良い、↓ は低いほど良い）
• 数値の列は右揃えにする
• 小数点以下の桁数を揃える

図

• すべてのグラフと図にはベクター形式（PDF、EPS）を使用する
• ラスター形式（PNG 600 DPI）は写真にのみ使用する
• 色覚に配慮したパレット（Okabe-Ito または Paul Tol）を使用する
• グレースケールでの判読性を確認する（男性の 8% は色覚多様性がある）
• 図の内部にタイトルを入れない。キャプションがその役割を果たす
• 自己完結したキャプションにする。読者が本文を読まなくても理解できるようにする

---

参考文献とリソース

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 原則、Ethan Perez の執筆の小技、語句の選び方
citation-workflow.md	引用 API、Python コード、BibTeX の管理
checklists.md	NeurIPS 16 項目、ICML、ICLR、ACL の要件
reviewer-guidelines.md	評価基準、採点、反論（リバッタル）
sources.md	すべての出典の完全な文献一覧

LaTeX テンプレート

templates/ ディレクトリには、ICML 2026、ICLR 2026、NeurIPS 2025、ACL/EMNLP、AAAI 2026、COLM 2025 のテンプレートがあります。

PDF へのコンパイル:

• VS Code/Cursor: LaTeX Workshop 拡張機能と TeX Live をインストールし、保存時に自動コンパイルを有効にします
• コマンドライン: latexmk -pdf main.tex、または pdflatex と bibtex のワークフローを使用します
• オンライン: Overleaf にアップロードします

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

主要な外部情報源

執筆の指針:

• Neel Nanda: How to Write ML Papers - ストーリー性、「What/Why/So What」
• Farquhar: How to Write ML Papers - 5 文で構成される要旨
• 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 - 語の選び方
• Perez: Easy Paper Writing Tips - 文単位での明確さ

API: Semantic Scholar | CrossRef | arXiv

投稿先（会議・学会）: NeurIPS | ICML | ICLR | ACL