ml-paper-writing

AI トップカンファレンス向け機械学習論文の執筆

NeurIPS、ICML、ICLR、ACL、AAAI、COLMを対象に、出版可能な品質の論文を執筆するための専門的なガイダンスです。トップ研究者（Nanda、Farquhar、Karpathy、Lipton、Steinhardt）の執筆哲学と、LaTeX テンプレート、引用検証 API、カンファレンスのチェックリストなどの実用ツールを組み合わせています。

デフォルトの作業順序

タスクの範囲が非常に限定的でない限り、次の順序でこのスキルを使用します。

1. references/OPERATING-MODES.md から作業モードを確定します。
2. リポジトリまたは草稿のコンテキストを把握します。
3. references/citation-workflow.md を引用に関する正式な基準として使用します。
4. 執筆の主要な流れが明確になってから、投稿先やテンプレートに固有の参考資料を読み込みます。

Google Scholar は手動で文献を探す際に引き続き役立ちますが、このスキルにおける引用検証の正式な基準ではありません。デフォルトの検証には、Semantic Scholar、CrossRef、arXiv などのプログラムによる情報源を使用してください。

主張台帳のゲート

プロジェクト計画、実験メモ、文献の要約を論文の文章にする前に、次のことを行います。

• その文を裏付ける主張候補またはエビデンスレコードを特定します。
• 許容される表現と、より強い表現として使用できないものを維持します。
• 実験成果物や検証済みの論文による裏付けがない限り、プロジェクト計画は仮説のままにします。
• 関連研究に関する動機づけを、論文独自の結果の根拠にしません。
• 裏付けのない主張には、文章を整える代わりに [CLAIM NEEDS EVIDENCE] と記します。

初稿を作成するのに十分なリポジトリのコンテキストがある場合も、貢献、結果、関連研究との対比、または査読への回答に関わる主張を述べる前に、必ずこのゲートを適用します。

中核となる理念：共同執筆

論文の執筆は共同作業ですが、Claude は積極的に草稿を作成するべきです。

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、完全な初稿を作成する
3. ウェブ検索と API を使って文献を調べ、関連する引用を見つける
4. 研究者からのフィードバックを受けて、複数回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限り、確認を求める

重要な原則：積極的に進めます。リポジトリと結果が明確であれば、全文の草稿を作成します。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。まず具体的な草稿を作成し、相手が意見を述べられるようにしてから、その反応をもとに改良します。

---

⚠️ 重大な注意：引用を絶対に捏造しない

AI の支援を受けて学術論文を書くうえで、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、誤った著者、間違った出版年、捏造された DOI などの架空の引用は、重大な学術上の不正行為であり、デスクリジェクトや論文撤回につながる可能性があります。

ルール

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

操作	✅ 正しい	❌ 誤り
引用の追加	検索 API → 検証 → BibTeX の取得	記憶を頼りに BibTeX を書く
論文の詳細が不確かな場合	[CITATION NEEDED] と記す	引用文献を推測する
該当する論文が見つからない場合	「プレースホルダー - 要確認」と記す	似た名前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、必ず次のようにします。

% 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：「確認が必要なプレースホルダーとして、[X] 件の引用に印を付けました。これらの論文が存在することを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

最適な論文検索体験を得るには、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 を使うと、次のような検索ができます。

• 「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 Transformer アーキテクチャの論文を検索する」
• 「解釈可能性に関するスパースオートエンコーダーの最近の研究を取得する」

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

---

ワークフロー 0：研究リポジトリから始める

論文の執筆を始めるときは、まずプロジェクトを理解してください。

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：リポジトリを調べる

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

次を確認してください。

• 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 ファイルや引用文献
• 草稿やメモがあればその内容

ステップ 2：既存の引用文献を特定する

コードベースですでに参照されている論文を確認してください。

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

これらは関連研究を調べる際の有力な出発点です。研究者がすでに関連性があると判断した論文だからです。

ステップ 3：貢献を明確にする

執筆する前に、研究者に明確に確認してください。

「リポジトリを確認した限り、主な貢献は [X] のようです。 主要な結果は [Y] を示しています。論文ではこのような位置づけにしますか、 それとも別の側面を強調しますか？」

ストーリーを決めつけないでください。必ず人間に確認してください。

ステップ 4：追加の文献を検索する

ウェブ検索を使って関連論文を探してください。

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

次に、以下の引用ワークフローを使って論文を検証し、BibTeX を取得してください。

ステップ 5：初稿を仕上げる

積極的に進めてください。各セクションについて許可を求めるのではなく、完成した初稿を提出してください。

リポジトリに明確な結果があり、貢献が明らかな場合：

1. 貢献と結果に関する主張について、主張台帳のゲートを確認する
2. 裏付けのある主張に限り、最初から最後まで初稿を書く
3. 裏付けのない主張や推測的な主張には、明示的に印を付ける
4. 完成した初稿を提示してフィードバックを求める
5. 研究者の回答に基づいて修正する

位置づけや主要な主張について、どうしても判断がつかない場合：

1. 自信を持って書ける範囲を草稿にする
2. 具体的な不確かな点を示す：「X を主な貢献として位置づけました。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、草稿を続ける

草稿と一緒に含める質問（草稿を作成する前ではなく、作成後に）：

• 「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。他に重要な結果があればお知らせください」
• 「関連研究のセクションには [papers] を含めています。漏れている論文があれば追加してください」

---

このスキルを使う場面

次の場合にこのスキルを使ってください。

• 研究リポジトリから始めて論文を執筆する
• 特定のセクションの草稿を作成または改訂する
• 文献レビューを実施し、関連研究を探す
• 研究分野の最近の論文を見つける
• 関連研究の引用文献を見つけて検証する
• 会議への投稿用に書式を整える
• 別の投稿先に再投稿する（書式を変換する）
• 研究者のフィードバックを受けて草稿を改訂する

常に覚えておいてください：初稿は議論の出発点であり、最終成果物ではありません。

---

ワークフロー：文献調査と論文の発見

文献レビューを実施したり、関連研究を探したり、最近の論文を見つけたりする際は、このワークフローを使って ML 論文を体系的に検索、評価、選定してください。

ワークフロー 5：論文の検索と評価

Literature Research Process:
- [ ] Step 1: Define search scope and keywords
- [ ] Step 2: Search arXiv and academic databases
- [ ] Step 3: Screen papers by title/abstract
- [ ] Step 4: Evaluate paper quality (5 dimensions)
- [ ] Step 5: Select top papers and extract citations
- [ ] Step 6: Verify citations programmatically

ステップ 1：検索範囲を定義する

具体的な研究分野、手法、または応用を特定します。

• 手法に着目：transformer architecture、graph neural networks、self-supervised learning
• 応用に着目：medical image analysis、reinforcement learning for robotics、language model alignment
• 課題に着目：out-of-distribution generalization、continual learning、fairness in ML

ステップ 2：arXiv を検索する

対象を絞ったキーワードを使用して arXiv を検索します。

URL Pattern:
https://arxiv.org/search/?searchtype=all&query=KEYWORDS&abstracts=show&order=-announced_date_first

Example Searches:
- https://arxiv.org/search/?searchtype=all&query=graph+neural+networks&abstracts=show&order=-announced_date_first
- https://arxiv.org/search/?cat:cs.LG+AND+all:transformer&abstracts=show&order=-announced_date_first

ヒント：

• キーワードを + で組み合わせると AND 検索になります
• カテゴリで絞り込みます：cs.LG、cs.AI、cs.CV、cs.CL
• 最近の論文を検索するには announced_date_first で並べ替えます
• 自動化には、利用可能な場合に Chrome MCP ツールを使用します

ステップ 3：論文を選別する

タイトルと概要を基に、すばやく選別します。

• 研究テーマとの関連性
• 貢献の新規性
• 掲載先／著者の評判
• コードの公開状況（GitHub のリンクを確認）

ステップ 4：品質を評価する

次の 5 つの評価基準を使用します。

評価基準	重み	評価の焦点
革新性	30%	新規性と独創性
手法の完全性	25%	明確さと再現性
実験の綿密さ	25%	検証の深さ
文章の質	10%	説明の明瞭さ
関連性と影響度	10%	分野における重要性

採点：各評価基準を 1～5 で採点し、加重合計を算出します

ステップ 5：選定して情報を抽出する

• 合計スコアで論文を順位付けします
• 詳細なレビューの対象として上位の論文を選びます
• メタデータを抽出します：タイトル、著者、arXiv ID、概要
• コードリポジトリへのリンクを記録します

ステップ 6：引用を検証する

選定した論文について、Semantic Scholar API を使用して引用を検証します。

• DOI を使って BibTeX をプログラムで取得します
• 未検証の引用には [CITATION NEEDED] と記します
• 検証状況とともに参考文献に保存します

文献調査を行うタイミング

次の場合に、このワークフローを使用します。

• 新しいプロジェクトを始めるとき：関連研究とベースラインを見つけます
• 関連研究のセクションを執筆するとき：自分の分野の最近の論文を探します
• 最新情報を把握するとき：自分の分野の最近の出版物を追跡します
• ベースラインを探すとき：比較対象となる最先端の手法を特定します
• 文献レビューを行うとき：研究分野を包括的に調査します

品質のしきい値

• 優秀：4.0 以上（必ず含めます）
• 良好：3.5～3.9（関連性があれば含めます）
• 標準：3.0～3.4（非常に関連性が高ければ含めます）
• 低評価：3.0 未満（不可欠でない限り除外します）

参考ファイル

文献調査の詳しいガイダンスについては、次を参照してください。

• references/literature-research/arxiv-search-guide.md - arXiv の検索戦略と URL の形式
• references/literature-research/paper-quality-criteria.md - 5 つの評価基準に関する詳細な評価基準

---

ナレッジベース：Paper-Miner にインストールされた執筆メモリ

このスキルは、Nature の執筆、推敲、回答、その他の学術執筆スキルと、paper-miner が管理する現在インストールされている執筆メモリを共有します。

• references/knowledge/paper-miner-writing-memory.md

このメモリは、ソースのチェックアウトコピーではなく、現在インストールされているスキルのホームに属します。

特定のリポジトリ内で作業中に paper-miner を呼び出した場合でも、抽出した執筆知識は現在インストールされているスキルのメモリにのみ書き込まれます。ユーザーが明示的に依頼しない限り、プロジェクト固有の執筆メモリは管理されません。

標準メモリ構造

維持されるメモリには、次のセクションが含まれます。

セクション	目的
Writing patterns mined	再利用可能な修辞パターンと主張・根拠のパターン
Structure signals	セクションの流れ、段落の展開、論文構成の手がかり
Reusable phrasing	接続表現、構成テンプレート、簡潔な言い回し
Venue-specific signals	投稿先に応じた文体や慣例の手がかり
How this helps our writing	今後の草稿、レポート、反論書作成に役立つ実践的なガイダンス
Source index	抽出した論文の出典情報

メモリの維持方法

paper-miner エージェントは論文を読み、再利用可能な執筆知識をこの1つのファイルに統合します。

You: "Learn writing patterns from this paper: path/to/paper.pdf"
↓
paper-miner analyzes the paper
↓
Extracts reusable writing signals
↓
Updates paper-miner-writing-memory.md
↓
Relevant academic writing skills reuse that memory later

このメモリを使うタイミング

次の内容が必要な場合は、インストール済みのアクティブな paper-miner メモリを使用してください。

• 序論、手法、結果、考察の構成に関するヒント
• 再利用可能な接続表現や構成テンプレート
• 投稿先を意識した執筆の手がかり
• 反論書の言い回しや回答構成のアイデア
• 優れた論文が主張をどのように裏付け、順序立てて提示しているかの例

標準の参照順序

ml-paper-writing を使って執筆または改訂する際、次の内容を扱う場合は、執筆前にこのメモリを読んでください。

• 序論の構成
• 関連研究の整理
• 手法の説明スタイル
• 結果の記述
• 考察の構成
• 投稿先を意識した仕上げ

次の順序で参照してください。

1. リポジトリ内の根拠資料と実験成果物
2. 関連する項目がある場合は、references/knowledge/paper-miner-writing-memory.md
3. 必要に応じて、引用論文またはメモ
4. 投稿先のテンプレートと書式上の制約

網羅的ではなく、必要な箇所に絞って読みます。

• まず How this helps our writing をざっと確認します。
• 次に Writing patterns mined と Structure signals を確認します。
• 具体的な表現の参考が必要な場合に限り、Reusable phrasing を確認します。
• 投稿先が決まっている場合は、Venue-specific signals を使用します。

貢献ルール

paper-miner が抽出する各論文の内容は、インストール済みの同じアクティブメモリに反映してください。

新たに抽出した知識を、複数の維持対象ファイルに分散させないでください。 プロジェクト固有の paper-miner メモリを作成しないでください。 同じ出典から得た、ほぼ同一のパターンを重複して記載しないでください。

詳細なナレッジベースの仕様については、references/knowledge/README.md を参照してください。

積極性と協調性のバランス

標準方針：積極的に進めます。草稿を提示してから、反復して改善します。

確信度	対応
高（リポジトリが明確で、貢献内容も明らか）	草稿をすべて書いて提示し、フィードバックを受けて改善する
中（多少の曖昧さがある）	不確かな点を明記して草稿を書き、そのまま進める
低（不明点が多い）	要点を絞った質問を1～2個してから、草稿を書く

先に草稿を書き、草稿と一緒に質問する（草稿を書く前には質問しない）。

セクション	自律的に草稿を書く	草稿と一緒に明記すること
Abstract	はい	「貢献を X として構成しました。必要に応じて調整してください」
Introduction	はい	「問題 Y を重視しました。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。不足があれば追加してください」
Experiments	はい	「結果 1、2、3 を強調しました。必要に応じて順序を変更してください」
Related Work	はい	「論文 X、Y、Z を引用しました。抜けているものがあれば追加してください」

次の場合に限り、入力を待ちます。

• 投稿先が不明確（ページ数の制限や構成に影響する）
• 相反する複数の構成が、いずれも同程度に妥当と思われる
• 結果が不完全または一貫していないように見える
• 続行する前に確認するよう明示的に求められている

次の場合は、入力を待たずに進めます。

• 言葉の選択
• セクションの順序
• どの具体的な結果を示すか（選択して、草稿内で明記する）
• 引用の網羅性（見つかった内容で草稿を作成し、不足があれば記す）

---

ナラティブの原則

最も重要な洞察: あなたの論文は実験の寄せ集めではなく、証拠に裏付けられた1つの明確な貢献を伴う物語です。

成功する ML 論文はすべて、Neel Nanda が「ナラティブ」と呼ぶものを中心としています。それは、読者が気にかける takeaways を伴う、短く、厳密で、証拠に基づいた技術的な物語です。

3つの柱（序論の終わりまでに極めて明確でなければならない）:

柱	説明	例
The What	一貫したテーマ内での1〜3の具体的な新規主張	「我々は X が条件 Z の下で Y を達成することを証明する」
The Why	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
The So What	なぜ読者が気にかけるべきか	認識されているコミュニティの問題との関連

貢献を1文で述べられないなら、まだ論文はありません。

---

論文構成ワークフロー

ワークフロー 1: 完全な論文を書く（反復的）

このチェックリストをコピーして進捗を追跡します。各ステップは、草稿 → フィードバック → 改訂を含みます:

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: 1文の貢献を定義する

このステップには科学者からの明示的な確認が必要です。

何かを書く前に、以下を明確に述べて検証します:

• あなたの論文が貢献する単一のものは何か？
• あなたの仕事の前には何が自明でなかった、あるいは存在しなかったか？

「私は貢献を次のように位置づけることを提案します:『[1文]』。これはあなたが 主な takeaways と見なすものを捉えていますか？強調点を調整すべきでしょうか？」

ステップ2: 図1を起草する

図1は特別な注意に値します。多くの読者は直接そこへ飛びます。

• 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
• ベクターグラフィックスを使用する（プロットには PDF/EPS）
• 本文なしで単独で成立するキャプションを書く
• 白黒でも読みやすさを確保する（男性の8%が色覚異常を持つ）

ステップ3: 要旨を書く（5文の公式）

Sebastian Farquhar（DeepMind）より:

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きた…」のような一般的な書き出しは削除します。

ステップ4: 序論を書く（最大1〜1.5ページ）

必ず含めるもの:

• 2〜4個の箇条書きの貢献リスト（2段組み形式で各最大1〜2行）
• 明確な問題設定
• 簡潔なアプローチの概要
• 手法は最大でも2〜3ページ目から始めるべき

ステップ5: 手法セクション

再実装を可能にします:

• 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提示する。アブレーションは実験に入れる

ステップ6: 実験セクション

各実験について、明示的に述べます:

• それがどの主張を支持するか
• それが主な貢献とどのように結びつくか
• 実験設定（詳細は付録に）
• 何を観察すべきか:「青い線は X を示しており、これは Y を実証している」

要件:

• 手法を伴うエラーバー（標準偏差か標準誤差か）
• ハイパーパラメータの探索範囲
• 計算インフラ（GPU の種類、総時間数）
• シード設定の方法

ステップ7: 関連研究

論文ごとではなく、方法論的に整理します:

良い: 「一連の研究は Floogledoodle の仮定を用いている[refs]のに対し、我々は Doobersnoddle の仮定を用いる。なぜなら…」

悪い: 「Snap らは X を導入し、一方 Crackle らは Y を導入した。」

惜しみなく引用します。査読者は関連論文の著者である可能性が高いです。

ステップ8: 限界セクション（必須）

すべての主要な会議がこれを要求します。直感に反しますが、誠実さは役立ちます:

• 査読者は誠実な限界の認識を罰しないよう指示されている
• 弱点を先に特定することで批判を先回りする
• 限界がなぜ中核的な主張を損なわないかを説明する

ステップ9: 論文チェックリスト

NeurIPS、ICML、ICLR はすべて論文チェックリストを要求します。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作成する

まずテンプレートディレクトリ全体をコピーしてから、その中で作業してください。

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ています。

• スタイルファイル（.sty）— コンパイルに必要です
• 参考文献スタイル（.bst）— 参考文献に必要です
• サンプルコンテンツ — 参考資料として役立ちます
• Makefile — 簡単にコンパイルできます

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、まずその問題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間違っている → TeX Live を使用します（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

論文を順序立てて作成します。

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、次の手順に従ってください。

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、自分の内容に置き換える
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

テンプレートでは便利なマクロが定義されていることがよくあります。プリアンブルで次の項目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：最後にのみ整理する

テンプレート由来のファイルや記述を削除するのは、論文がほぼ完成してからにしてください。

% 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 だけをコピーする	.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	学会の書式が崩れる	スタイルファイルは編集しない
むやみにパッケージを追加する	競合が発生し、テンプレートが壊れる	必要な場合にのみ追加する
テンプレートの内容を早く削除しすぎる	書式を確認するための参考資料が失われる	作業が終わるまでコメントとして残す
こまめ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	アルゴリズム用パッケージを含む
ICLR 2026	iclr2026_conference.tex	iclr2026_conference.sty	math_commands.tex あり
ACL	acl_latex.tex	acl.sty	書式の規定が厳格
AAAI 2026	aaai2026-unified-template.tex	aaai2026.sty	規定の遵守が非常に厳格
COLM 2025	colm2025_conference.tex	colm2025_conference.sty	ICLR と類似

---

学会への再投稿と書式変換

論文がある投稿先で却下または取り下げられ、別の投稿先に再投稿される場合は、書式変換が必要です。これは ML 研究でよくあるワークフローです。

ワークフロー 3：学会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
ICML → ICLR	8 → 9 ページ	実験を拡充し、LLM の開示を追加可能
NeurIPS → ACL	9 → 8 ページ	NLP の慣習に合わせて再構成し、Limitations を追加
ICLR → AAAI	9 → 7 ページ	大幅な削減が必要で、スタイルへの厳密な準拠が必要
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（テンプレートの統合ではありません）

LaTeX のプリアンブルをテンプレート間でコピーしないでください。 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動する
• 関連研究を簡潔にする（個々の論文ではなくサーベイを引用する）
• 類似する実験を統一した表にまとめる
• サブフィギュアを使って図を小さくする
• 文章を引き締める：重複をなくし、能動態を使う

ページ数を増やす場合（例：ICML 8 → ICLR 9）：

• 査読者から要望されたアブレーション研究を追加する
• 限界に関する議論を拡充する
• 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：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密な準拠（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：過去の査読への対応

不採択後に再投稿する場合：

• 行うこと：新しいバージョンで査読者の懸念に対応する
• 行うこと：査読者から要望され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）
• 行わないこと：前回の投稿や査読に言及する

よくあるフォーマット変換の落とし穴：

• ❌ \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{} のパスの更新を忘れる
• ❌ 学会ごとに必須のセクションを記載し忘れる
• ❌ フォーマット変更後にページ制限を超える

---

引用ワークフロー（ハルシネーションの防止）

⚠️ 重大な注意：AI が生成する引用は、高リスクな失敗要因です。BibTeX を記憶に頼って書かないでください。

正式な参照元

引用検証の標準的な参照元として references/citation-workflow.md を使用してください。

標準の検証手順は次のとおりです。

1. 適切な場合は、Semantic Scholar／CrossRef／arXiv／OpenAlex を使ってプログラムで検索します。
2. 重要な主張の場合は、2 つの情報源で実在を確認します。
3. DOI または信頼できる情報源から、BibTeX をプログラムで取得します。
4. 引用が特定の記述を裏付ける場合は、実際の論文の内容と照らし合わせて主張を検証します。
5. メタデータと主張を検証した後にのみ、引用を追加します。

黄金律

IF you cannot verify a citation programmatically:
    -> 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:
- [ ] Step 1: Search with Semantic Scholar / CrossRef / arXiv / OpenAlex as appropriate
- [ ] Step 2: Confirm title, authors, year, and venue
- [ ] Step 3: Retrieve BibTeX from DOI, arXiv, or another trusted export path
- [ ] Step 4: Verify that the claim being cited actually appears in the source
- [ ] Step 5: Add verified BibTeX to the bibliography
- [ ] Step 6: If any step fails -> mark as placeholder and report it explicitly

検索手段と正式な参照元

• プログラム用 API が、正式な検証手段です。
• 網羅性が不十分な場合、Google Scholar は手動での検索手段として引き続き使用できますが、主要な参照元にはしないでください。
• Google Scholar で見つかった文献が正式な API で見つからない場合は、明示的な検証が必要な手がかりとして扱ってください。

要約：引用ルール

状況	対応
メタデータ、BibTeX、主張のすべてが検証済み	✅ 引用を使用します
論文の存在は確認済みだが、主張は確認していない	⚠️ 一般的な出典の提示にのみ使用し、技術的な詳細を含む主張には使用しません
論文の存在を示唆する情報はあるが、メタデータの信頼性がまだ低い	⚠️ 手がかりとして保持し、最終的な引用には使用しません
プログラムで検証できない	❌ [CITATION NEEDED] と記し、研究者に伝えます

🚨 BibTeXを記憶から生成してはいけません。references/citation-workflow.md にあるプログラムを使用した手順に従ってください。🚨

引用手順の完全な例

シナリオ：Transformerの論文を引用する必要があります。

Step 1: Search programmatically
- Semantic Scholar query: "Attention is All You Need Vaswani 2017"
- Result: title, authors, year, and DOI align

Step 2: Verify existence
- CrossRef confirms DOI metadata
- Semantic Scholar record matches the same paper

Step 3: Retrieve BibTeX
- Fetch BibTeX from the DOI / trusted export path

Step 4: Verify the claim
- Read the abstract or paper section that supports the cited statement
- Confirm that the claim being cited is actually present

Step 5: Add to bibliography
- Paste verified BibTeX into the .bib file
- Cite with the verified key

Step 6: If any step fails
- mark the citation as [PLACEHOLDER - VERIFY]
- tell the scientist explicitly what remains unverified

---

よくある問題と解決策

問題：要約が抽象的すぎる

最初の文を他のどの機械学習論文の冒頭にも置ける場合は削除してください。独自の貢献から書き始めます。

問題：序論が1.5ページを超える

背景説明を関連研究に分割します。貢献を箇条書きで先に示します。方法の説明は2～3ページ目までに始めます。

問題：実験で主張が明確に示されていない

各実験の前に、次の文を追加します：「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

• 「このセクションでは、Xを示します」のように、内容の見通しを明示します
• 全体を通して用語を統一します
• 図だけで内容が伝わ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

必ず以下を含めてください：

• 誤差範囲（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的検定

---

査読者による評価基準

査読者は、以下の4つの観点から論文を評価します。

基準	査読者が注目する点
品質	技術的な妥当性、十分な裏付けのある主張
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：強く採択 — 画期的で、欠点がない
• 5：採択 — 技術的に堅実で、影響が大きい
• 4：採択寄り — 堅実だが、評価が限定的
• 3：不採択寄り — 堅実だが、弱点が上回る
• 2：不採択 — 技術的な欠陥がある
• 1：強く不採択 — 既知の結果、または倫理上の問題がある

査読者向けの詳細な指示については、references/reviewer-guidelines.md を参照してください。

---

表と図

論文掲載用の図表そのものを生成または再設計するタスクでは、publication-chart-skill を使用します。ml-paper-writing は、キャプションの品質、配置、ストーリー展開、論文への統合を担当します。

表

専門的な表を作成するには、LaTeXパッケージ booktabs を使用します。

\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：

• 各指標の最良値を太字にします
• 方向を示す記号を付けます（↑ 大きいほど良い、↓ 小さいほど良い）
• 数値列は右揃えにします
• 小数の桁数を統一します

図

• ベクターグラフィックス（PDF、EPS）をすべてのプロットと図に使用します
• ラスター画像（PNG、600 DPI）は写真のみに使用します
• 色覚多様性に配慮した配色（Okabe-ItoまたはPaul Tol）を使用します
• グレースケールでの読みやすさを確認します（男性の8％には色覚異常があります）
• 図の中にタイトルを入れないでください。タイトルの役割はキャプションが担います
• キャプションだけで内容が分かるようにします。読者が本文を読まなくても理解できるようにしてください

---

参考文献とリソース

参考ドキュメント（詳細）

ドキュメント	内容
writing-guide.md	Gopen & Swanの7つの原則、Ethan Perezのミクロなヒント、語句の選び方
citation-workflow.md	引用API、Pythonコード、BibTeXの管理
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	すべての情報源を網羅した参考文献一覧
文献調査：
arxiv-search-guide.md	arXivの検索戦略、URLパターン、Chrome MCPによる自動化
paper-quality-criteria.md	論文評価の5つの側面に関する基準（新規性、手法、実験、執筆、影響）

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 → 保存すると自動でコンパイル
• コマンドライン：latexmk -pdf main.tex、または pdflatex と bibtex を使ったワークフロー
• 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をご覧ください。

主な外部情報源

執筆の理念：

• Neel Nanda: How to Write ML Papers - 物語性、「何を／なぜ／それで何が変わるか」
• 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

学会： NeurIPS | ICML | ICLR | ACL