nature-writing

Nature スタイルの科学論文執筆

既存の文章を単に磨くのではなく、原稿の文章の作成や再構成をユーザーが必要としている場合に、このスキルを使用します。

基本姿勢

• 著者のエビデンスを最優先します。結果、メカニズム、参考文献、手法、新規性、サンプルサイズ、統計、限界を捏造してはいけません。
• 文を書く前に、論旨を組み立てます。
• 論文を評価しやすくします。関連性、新規性、信頼性、再利用性、意義を明確にします。
• 意欲的でありながら、主張の範囲を逸脱しないようにします。
• 不可欠なエビデンスが不足している場合は、空欄を埋めるのではなく、プレースホルダーを記載するか、不足情報を尋ねます。

抽出した執筆ナレッジ

学術的な文章の執筆や再構成に着手する前に、現在のクライアントのスキルホームにある、インストール済みの skills/ml-paper-writing/references/knowledge/paper-miner-writing-memory.md を確認します。この論文のセクション、論文の種類、投稿先に関連する項目だけを読みます。抽出したパターンは構成や表現の参考にしつつ、すべての主張を著者のエビデンスと投稿先ジャーナルの要件に基づかせます。元の表現をコピーしてはいけません。ナレッジファイルが存在しない場合、または関連項目がない場合は、このスキルの参考資料を使用してください。

追加ファイルを開く場合

ファイル	開く場合
references/article-architecture.md	セクション単位の構成、論旨の順序、または掲載済み論文の執筆パターンが必要な場合
references/abstract.md	要旨を作成または改訂する場合。特に、課題と貢献、または課題・洞察・貢献の形式を扱う場合
references/introduction.md	序論、課題の位置づけ、技術的課題、貢献の位置づけ、またはティーザー／パイプラインの論理を作成または改訂する場合
references/related-work.md	関連研究を論文ごとの列挙ではなく、トピックごとに統合して再構成する場合
references/method.md	手法のセクション、パイプラインのモジュール、モジュールの動機、技術的な利点、または実装の詳細を書く場合
references/experiments.md	ベースライン、アブレーション、指標、表、図、主張の裏付けを中心に、実験や結果を計画または記述する場合
references/conclusion.md	貢献、エビデンス、影響、限界、今後の方向性を含む、範囲を明確にした結論を書く場合
references/paragraph-flow.md	段落の流れ、論理性、明瞭さについて尋ねられた場合。逆向きアウトラインと段落のメッセージ確認を使用します
references/paper-review.md	原稿の最終的な自己レビュー、却下リスクの監査、主張とエビデンスの整合性確認、または査読者の視点からの批評を行う場合
references/chinese-author-workflow.md	ユーザーのメモが中国語または中国語と英語の混在である場合、あるいは原稿の文章ではなく研究室のメモとして整理されている場合
references/examples/index.md	関連ガイドを選んだ後、要旨、序論、または手法の具体例が必要な場合

事前確認

執筆に着手する前に、以下を確認します。

• 原稿のセクション：タイトル、要旨、序論、結果、考察、結論、意義を述べる段落、または全体のアウトライン
• 論文の種類：メカニズム、手法、リソース、デバイス、モデル、臨床、材料、計算、または学際的研究
• 中心的な主張：論文が実際に示していること
• エビデンス：図、測定値、比較、データセット、統計、または事例
• 主張の範囲：主張がどこまで及ぶか
• 指定がある場合は、投稿先ジャーナルまたは語数制限

中心的な主張、エビデンス、主張の範囲 のいずれかが欠けている場合は、執筆前にその不足を明らかにします。明示的なプレースホルダーを含むたたき台を作成することは可能です。

執筆ワークフロー

1. 1 文で論旨を組み立てます：[システム／問題]において、[アプローチ]を用い、[根拠]に裏付けられた[進展]を示し、[境界条件]を明確にします。
2. references/article-architecture.mdからセクション構成を選びます。
3. 各段落の役割を 1 つに定めます：背景、課題、アプローチ、結果、比較、メカニズム、示唆、または限界。
4. 根拠から組み立てます。主張は、それを裏付けるデータの近くに置きます。
5. 動詞の強さを調整します：show、demonstrate、suggest、indicate、enable、may、could。
6. 根拠のない新規性の主張や普遍的な主張を取り除きます。
7. 段落の流れを確認します：1 段落につき 1 つのメッセージとし、明確な冒頭文と、文と文の関係を明示します。
8. 本文と、前提や不足している入力に関する簡潔な注記を返します。

セクションの標準構成

要旨

Nature 形式の標準パターン：

背景／問題 -> ギャップ -> アプローチ -> 主な結果 -> 示唆 -> 境界条件

技術系 AI、ML、CV、または手法中心の原稿では、references/abstract.mdを開き、次のいずれかを選びます：

• 課題 -> 貢献
• 課題 -> 洞察 -> 貢献
• 複数の貢献

簡潔にまとめます。ユーザーから定量的または比較の詳細が提供されている場合は、それを含めます。一般的な重要性ではなく、この研究によって可能になることを述べて締めくくります。

序論

次の構成を使います：

分野の規模 -> ボトルネック -> 先行研究の試み -> 未解決のギャップ -> 本研究

手法中心の論文では、references/introduction.mdを開き、技術的課題と貢献から逆算して考えてから、順に文章を組み立てます。

結果のすべてを要約しないでください。最終段落では、この論文が何を行い、ギャップにどう対処するのかを述べます。

結果の記述

根拠を段階的に示します：

システム／ワークフロー -> 検証 -> 主な結果 -> ベースラインとの比較 -> メカニズム／診断分析 -> 応用または一般化

各小節は主張を先に述べて始め、その後にデータで裏付けます。

ML／会議論文形式の実験セクションでは、references/experiments.mdを開き、各主要な主張が比較、アブレーション、またはストレステストの根拠によって裏付けられていることを確認します。

関連研究

次の構成を使います：

トピックの範囲 -> 代表的な手法 -> 本論文に関係する限界 -> 相違点

先行研究は発表年ではなく、技術的なトピックやメカニズムごとにまとめます。

考察

次の構成を使います：

中心的な進展 -> 根拠の意味 -> 先行研究との関係 -> 制約 -> 今後の活用

解釈と限界を述べるのはここです。結果セクションを図ごとに繰り返さないでください。

結論

次の構成を使います：

貢献 -> 決定的な根拠 -> 示唆 -> 境界条件

新たなデータは加えません。根拠のない約束もしません。

タイトル

次の要素を組み合わせた、具体的なタイトルを優先します：

システム／対象 + 動作／機能 + 応用または結果

スローガンのようなタイトル、助成金申請書風の目的、分野全体に及ぶ広範な主張は避けます。

出力形式

標準の出力：

1. Draft:に、依頼された本文を記載します。
2. タスクがセクション全体に関わる場合は、Section outline:に簡潔な箇条書きを3-7個記載します。
3. Assumptions or missing inputs:には、重要な事項のみ記載します。
4. 主な主張について、Claim-evidence map:に次の形式で記載します：Claim: ... | Evidence: ... | Status: supported/needs evidence。
5. Why this structure:に、簡潔な説明を2-4個の箇条書きで記載します。

中国語の著者向け注記には、まず洗練された英語を示し、その後、主な構成上の選択について簡潔な中国語の注記を添えます。