ml-paper-writing

トップ AI カンファレンス向け機械学習論文の執筆

NeurIPS、ICML、ICLR、ACL、AAAI、COLM を対象とした、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。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、カンファレンスのチェックリスト）を組み合わせています。

システム系カンファレンス（OSDI、NSDI、ASPLOS、SOSP） については、システム系カンファレンス向けの段落単位の構成設計図、執筆パターン、会場別チェックリスト、LaTeX テンプレートを提供する systems-paper-writing スキルを使用してください。

基本理念：共同執筆

論文執筆は共同作業ですが、Claude は積極的にドラフトを作成してください。

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、完成した初稿を作成する
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. 研究者からの意見を受けて、フィードバック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：積極的に取り組んでください。リポジトリと結果が明確であれば、論文全体のドラフトを作成してください。すべてのセクションについてフィードバックを待ち、作業を止めてはいけません。研究者は多忙です。まず具体的なものを作成して反応を得て、その後、返答に基づいて改善してください。

---

⚠️ 重要：引用を決して捏造しない

AI の支援を受けて学術論文を執筆するうえで、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、著者の誤り、年の誤り、DOI の捏造など、捏造された参考文献は重大な学術的不正行為であり、デスクリジェクトや撤回につながる可能性があります。

ルール

記憶に頼って BibTeX エントリを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 を取得	記憶に頼って BibTeX を記述
論文について確信がない	[CITATION NEEDED] と記す	参考文献を推測する
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、必ず次の対応を行ってください。

% 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：「検証が必要なプレースホルダーとして、[X] 件の引用を記しました。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：論文検索用に Exa MCP をインストールする

最適な論文検索環境を利用するには、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 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 に関する論文を検索」
• 「Vaswani による Transformer アーキテクチャの論文を検索」
• 「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」

その後、Semantic Scholar API で検索結果を検証し、DOI から 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

マイクロレベルのヒント（Ethan Perez）

こうした小さな変更を積み重ねると、文章が格段に明確になります。

• 代名詞を最小限にする：❌ "This shows..." → ✅ "This result shows..."
• 動詞を前に置く：文の冒頭近くに動詞を配置します
• 所有格を展開する：❌ "X's Y" → ✅ "The Y of X"（不自然な場合）
• つなぎ言葉を削除する："actually," "a bit," "very," "really," "basically," "quite," "essentially"

例を含むマイクロヒントの全項目： references/writing-guide.mdを参照してください

言葉選び（Zachary Lipton）

• 具体的にする：❌ "performance" → ✅ "accuracy" または "latency"（意図する内容を明確にします）
• 曖昧な表現を排除する：本当に不確かな場合を除き、"may" と "can" を削除します
• 段階的な変化を表す語彙を避ける：❌ "combine," "modify," "expand" → ✅ "develop," "propose," "introduce"
• 強調語を削除する：❌ "provides very tight approximation" → ✅ "provides tight approximation"

簡潔さより正確さを優先する（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。
• 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、直感的な説明も示します

査読者が実際に読む箇所

査読者の読み方を理解すると、労力をかける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%以上（流し読み）	貢献を冒頭で示します
図	手法より先に確認	図1が重要です
手法	関心がある場合のみ	重要な点を埋もれさせないでください
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を読んでもらえない可能性があります。

---

学会要件クイックリファレンス

ML／AI 学会

学会	ページ数制限	カメラレディ版での追加ページ数	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 の使用開示が必要、相互査読制
ACL 2025	8ページ（長編）	変動	限界に関するセクションが必須
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

システム系学会（OSDI、NSDI、ASPLOS、SOSP）：ページ数制限、テンプレート、締切、投稿規則については、systems-paper-writingスキルを参照してください。

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制限に含まれません
• 付録の長さに制限はありませんが、査読者に読む義務はありません
• すべての投稿先で LaTeX が必須です

LaTeX テンプレート： すべての学会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
• サンプルの内容 — 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、先に問題を解決してください。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：テンプレートの内容を参考資料として残す

サンプルの内容をすぐにすべて削除しないでください。代わりに：

% 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

論文を順序立てて執筆してください。

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内容を読む
2. 特殊な書式やマクロの使用箇所を確認する
3. 同じパターンに従って、自分の内容に置き換える
4. 頻繁にコンパイルして、早めにエラーを見つける

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。プリアンブルで以下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：最後にのみ不要なものを整理する

テンプレート由来のファイルや内容を削除するのは、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 がなく、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	競合が起き、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
頻繁にコンパイルしない	エラーが蓄積する	各セクションの後にコンパイルする

テンプレート早見表

ML／AI 学会

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	書式規定が厳格
AAAI 2026	aaai2026-unified-template.tex	aaai2026.sty	規定への準拠が非常に厳格
COLM 2025	colm2025_conference.tex	colm2025_conference.sty	ICLR と類似

システム系学会のテンプレート（OSDI、NSDI、ASPLOS、SOSP）：systems-paper-writing スキルを参照してください。

---

学会への再投稿と書式変換

論文がある投稿先で不採択になった場合や取り下げた場合に、別の投稿先へ再投稿するに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：学会間で書式を変換する

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

ML/AI の変換

From → To	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
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求められます
Any → COLM	変動 → 9	言語モデルを中心とした内容に再構成

ML → システム分野への変換：OSDI、NSDI、ASPLOS、または SOSP に変換する場合は、フォーマット変換のガイダンス、テンプレート、構造上の違いについて、systems-paper-writing スキルを参照してください。

ステップ 2：コンテンツの移行（テンプレートの統合ではありません）

テンプレート間で LaTeX のプリアンブルを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 の 9 ページから AAAI の 7 ページへ）：

• 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（個別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
• サブフィギュアを使って図を小さくします
• 文章を引き締めます。重複をなくし、能動態を使います

ページ数を増やす場合（例：ICML の 8 ページから ICLR の 9 ページへ）：

• 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
• 限界についての議論を拡充します
• 追加のベースラインを含めます
• 定性的な例を追加します

ステップ 4：学会固有の調整

ML/AI の投稿先

投稿先	必須の追加項目
ICML	Broader Impact Statement（結論の後）
ICLR	LLM の使用に関する開示、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

システム分野の投稿先（OSDI、NSDI、ASPLOS、SOSP）：投稿先固有の要件、チェックリスト、査読者向けガイドラインについては、systems-paper-writing スキルを参照してください。

ステップ 5：参考文献を更新する

% 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：

• すること：新しい版で査読者の懸念に対応します
• すること：査読者が求めた実験や説明を追加します
• しないこと：「前回の投稿からの変更点」セクションを含めません（ブラインド査読のため）
• しないこと：前回の投稿や査読に言及しません

よくある変換時の落とし穴：

• ❌ \usepackage コマンドをコピーする（競合の原因になります）
• ❌ 以前の学会のヘッダー／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
• ❌ 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 を書いてはいけません。

基本ルール

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 を使う（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、各検索結果を Semantic Scholar で検証し、DOI 経由で 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：存在を検証する

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 経由で 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

特定の主張の根拠として引用する前に、論文にアクセスし、帰属させ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：検証できない場合は明示する

いずれかのステップで引用を検証できない場合：

% 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 ら（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）：類似した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：引用ルール

状況	対応
論文を見つけ、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 BibTeXまたは論文から手動で記入する
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付け、研究者に知らせる
論文が存在するか確信が持てない	❌ [CITATION NEEDED] を付け、研究者に知らせる
「Xに関する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付ける

🚨 BibTeXを記憶から生成しないでください。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：要旨が抽象的すぎる

どのML論文にも付け足せるような最初の文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移します。貢献を箇条書きで冒頭に示します。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

• 「このセクションではXを示します」のように、内容を明示する案内を追加します
• 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：統計的有意性の記載がない

必ず次の情報を含めます：

• エラーバー（標準偏差または標準誤差を明記）
• 実行回数
• 手法を比較する場合は統計検定

---

査読者の評価基準

査読者は、論文を次の4つの観点から評価します：

基準	査読者が重視する点
品質	技術的な妥当性、十分な裏付けのある主張
明瞭さ	明確な文章、専門家が再現可能であること
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（新しい手法である必要はありません）

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 — 技術的に堅実で、影響が大きい
• 4：採択寄りのボーダーライン — 堅実だが、評価が限定的
• 3：不採択寄りのボーダーライン — 堅実だが、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

詳細な査読者向けの指示については、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：

• 各指標で最良の値を太字にする
• 方向を示す記号を含める（↑ 大きいほど良い、↓ 小さいほど良い）
• 数値列を右揃えにする
• 小数点以下の桁数を統一する

図

• すべてのプロットと図にはベクター画像（PDF、EPS）を使用する
• ラスター画像（PNG 600 DPI）は写真に限って使用する
• 色覚多様性に配慮したカラーパレット（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%に色覚障害があります）
• 図の中にタイトルを入れない — キャプションがその役割を果たします
• 単独で理解できるキャプションにする — 読者が本文を読まなくても内容を理解できるようにします

---

AI Research Skillsの引用

このライブラリが研究に役立った場合は、トレーニングパイプライン、評価、論文執筆、その他のスキルを問わず、謝辞または参考文献での引用をご検討ください：

@software{ai_research_skills,
  title     = {AI Research Skills Library},
  author    = {{Orchestra Research}},
  year      = {2025},
  url       = {https://github.com/orchestra-research/AI-research-SKILLs},
  note      = {Open-source skills library enabling AI agents to autonomously conduct AI research}
}

謝辞セクションで簡単に触れていただく形でも歓迎します：

\section*{Acknowledgments}
We used the AI Research Skills Library~\cite{ai_research_skills} for [experiment orchestration / evaluation / ...].

---

参考文献とリソース

参考資料（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、語句の選択
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、スコアリング、反論書
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/ ディレクトリ内のテンプレート：

• ML/AI：ICML 2026、ICLR 2026、NeurIPS 2025、ACL/EMNLP、AAAI 2026、COLM 2025
• システム（OSDI、NSDI、ASPLOS、SOSP）：systems-paper-writing スキルを参照してください

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 + bibtex のワークフロー
• 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。

主な外部資料

執筆の考え方：

• Neel Nanda: How to Write ML Papers - 物語、「何を／なぜ／それで何が言えるのか」
• Farquhar: How to Write ML Papers - 5 文のアブストラクト
• 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 - 細部を明確にする方法

API： Semantic Scholar | CrossRef | arXiv

ML/AI の投稿先： NeurIPS | ICML | ICLR | ACL

システム分野の投稿先： OSDI、NSDI、ASPLOS、SOSP のリンクとガイドについては、systems-paper-writing スキルを参照してください