academic-humanizer

学术文本人性化处理

在保留学术写作所要求的严谨、以证据为依据的表达方式，并贴合作者自身风格的同时，提升 AI 辅助学术写作的清晰度与语气。它会保留所有数字、结果和引文，也不用于规避 AI 使用披露。

适用场景

编辑或审阅学术文本：论文各部分、摘要、答辩回复、相关工作和资助申请（NSF 项目摘要／说明、NIH Specific Aims、奖学金及基金会申请；见第 6 层）。不适用于博客、营销文案或个人随笔，且绝不在稿件中加入观点、幽默或第一人称“个性”。对于技术写作，中立、准确的表达就是人的声音。申请书有一点需要注意：其语体与论文不同，因为申请书需要以愿景和可行性说服读者，因此，论文中会删去的雄心勃勃的表述，在申请书中是合适的；对于愿景陈述，应采用第 6 层，而非论文各层更严格的删改标准。

核心原则

学术写作本来就有合适的人类表达方式：中立、准确、使用第三人称复数（“我们”），且每项主张都有证据支撑。任务是（1）去除 AI 的痕迹，同时不让语气变得随意；（2）落实一般文本人性化处理工具容易忽略的规范：每项主张都要有相应的数字、图表或引文支撑，动词的力度不得超过证据所能支持的程度。

流程

1. 阅读稿件和作者提供的写作样本；记下文档类型（论文或资助申请）以及目标发表平台或资助机构。对于申请书，还应采用第 6 层的要求，并保留适当的愿景表达。
2. 审查（暂不编辑）：列出每个检测到的模式及其位置和拟议的修改，并标明每项实证主张的证据情况。
3. 改写：保持结构和内容不变，保留所有主张和引文，去除痕迹，使过度主张与证据相符，并保留合理的审慎表述。
4. 报告：提供润色后的文本和简短的修改记录（删除了哪些模式、弱化了哪些主张或为其补充了哪些证据指引、语气说明）。覆盖原文涉及的所有内容：如果原文有五段，改写后也应有五段。

---

第 1 层：通用 AI 痕迹清单

扫描并修正以下通用模式，同时遵守第 3 层的学术写作例外：夸大重要性（“标志着一个关键时刻”）；用表面化的“-ing”尾句制造深度（“……，突出……”）；宣传式／比喻性语言（“丰富”“充满活力”“开创性”）；模糊归因（没有引文的“专家认为”）；AI 常用词（delve、underscore、intricate、tapestry、testament、landscape（抽象意义）、pivotal、showcase、foster、leverage（填充词）、realm、seamless）；回避系动词（“serves as”→“is”）；否定式平行结构（“不只是 X，而是 Y”）；凑数的三项并列；优雅变化（为同一指代对象轮换使用同义词）；填充语（“值得注意的是”“为了”）；过长且从句堆叠的句子（拆分；见 2.11）；以及破折号（彻底删除，改用逗号、冒号、括号或另起句子）。

修改前： 此外，该方法的价值经久不衰，体现在它能够深入探索复杂的依赖关系，展现出无缝集成，并凸显其关键作用。 修改后： 此外，该方法还能捕捉基线方法未能捕捉的高阶依赖关系（表 2）。

---

第 2 层：学术写作中的 AI 痕迹（删除或修正）

2.1 过度断言的动词

实证研究可以显示并提供证据，但不能证明或证实普遍真理。 注意： demonstrate、prove、establish、confirm、guarantee；没有检验或数字支撑的“significantly”。 修改前： 我们证明，我们的方法显著优于所有先前方法。 修改后： 与表现最好的先前方法相比，我们的方法使留出集准确率提高了 4--7 个百分点（表 3）；根据配对检验，这一提升在 p < 0.01 水平上具有统计学显著性。

2.2 夸大意义

留意： 为……铺平道路、迈向……的关键／决定性一步、有潜力彻底改变……、开辟新途径、揭示……、至关重要、弥合差距。 修改前： 这项工作为新范式铺平了道路，并揭示了一个至关重要的问题。 修改后： 这项工作解决了先前方法的一种失效模式：长时域 rollout 中的误差累积（第 4 节）。

2.3 空洞的程度修饰词

留意： 大量／全面／彻底的实验、广泛的、众多的、各种各样的。 修改前： 我们在广泛的数据集上开展了大量实验。 修改后： 我们在三个数据集（ImageNet、CIFAR-100 和 iNaturalist）上进行评估。

2.4 堆砌新颖性

留意： 每节中使用多次“新颖”；“据我们所知”；“首次”。 修改前： 我们提出了一个新颖的框架，据我们所知，我们是首批研究这一问题的。 修改后： 我们研究延迟标签下的在线校准问题，这是先前的校准工作（离线）未涉及的。

2.5 模板化开场白

留意： “近年来，X 越来越受关注”；“随着……的快速发展”；“尽管近期取得了进展，……”。 修改前： 近年来，表格深度学习越来越受关注。 修改后： 表格深度学习存在结构性局限：大多数模型会丢弃特征类型元数据，必须从数据中重新学习这些信息。

2.6 过度使用连接词

不要连续以此外／而且／此外／尤其是开头；让逻辑自然衔接。 修改前： 此外，该方法速度快。而且，它很简单。此外，它可扩展。 修改后： 该方法快速、简单，并可扩展至一百万行（第 5 节）。

2.7 贡献列表陈词滥调

每项贡献都要指出具体成果，而不是复述摘要。 修改前： 我们的贡献包括：（1）一种新颖的方法；（2）大量实验；（3）出色的结果。 修改后： 我们（1）提出了一种感知元数据的编码器，其 AUROC 达到 0.91，高于最强基线的 0.86；（2）表明在 20% 标签噪声下，该编码器的性能降幅不超过 2 个百分点，而基线下降了 9 个百分点；（3）发布了基准测试。

2.8 罗列引用

引用一两篇重要的工作，并说明其意义，不要只罗列方括号中的编号。 修改前： 已有许多方法 [3, 7, 9, 12, 15]。 修改后： 最接近的先前方法是 TabNet [7]，它联合编码所有特征；而我们根据特征类型元数据进行条件化。

2.9 用模糊措辞表达保留态度

留意： 有些、相对、还算、在某种程度上、相当。要么量化，要么删去。 修改前： 性能有所提升，而且相对稳健。 修改后： 准确率提高了 3 个百分点，并且在 5 个随机种子间的波动小于 1 个百分点。

2.10 套话式强调

留意： “值得注意的是”“应该强调的是”“显著的是”“重要的是”。 如果某件事很重要，句子本身就会体现出来。 修改前： 值得注意的是，重要的是，这一提升在各种场景下都成立。 修改后： 这一提升在全部三个场景中都成立（表 4）。

2.11 句子过长、从句堆叠

AI 倾向于写很长的句子，用逗号以及“这／那”“而”“同时”等连接三个或四个从句。把它们拆开：每句表达一个观点，并删去无关紧要的从句。留意： 超过约 30 个单词的句子，或含有 3 个以上从句的句子。 修改前： 现有方法虽然前景可期，但基本上仍是经验性的，其行为背后的原理并不清楚，这限制了它们的可靠性和进一步发展。 修改后： 现有方法仍停留在经验层面。其原理尚不明确，这限制了可靠性和发展。

第 3 层：保留这些内容（不要过度修正）

通用的人性化改写会抹平合理的学术表达。请保留这些内容。

• 与证据相符的谨慎措辞是正确且必要的。 当结论确实不确定时，请保留“提示”“与……一致”“我们假设”“可能表明”“似乎”等措辞。 错误的改法： 将 “结果提示 X” 改成 “结果证明 X”：这会凭空夸大结论。请保留与证据相符的动词。
• 被动语态在施事者无关紧要时完全可以使用：“样本按总蛋白量进行了归一化。”
• **第一人称复数“我们”**是标准用法；不要为了避开它而改写。
• 分号和偶尔出现的三项并列适度使用没有问题。破折号是例外：应彻底删除（第 1 层），改用逗号、冒号、括号或另起句子。
• 正式定义、命名方法／指标、技术术语、公式和符号保持原样。
• 绝不能编造、删去或改动任何数字、公式或引文。 内容保持不变；保留每个引文键。

---

第 4 层：主张与证据相符

对于每个实证主张，请检查：（a）文本中是否有数字、图、表或引文作为依据；（b）动词的力度是否与证据强度相符？

• 主张缺乏依据 -> 补充证据出处或弱化表述。 修改前： 我们的方法更加稳健。 修改后： 在分布偏移下，我们的方法准确率下降 2 个百分点，而基线下降 11 个百分点（图 3）。
• 动词的力度超过证据 -> 降低表述强度。 修改前： 这证明我们的方法在所有情况下都优于其他方法。 修改后： 在这三个数据集上，我们的方法与最强基线表现持平或更优（表 2）。
• 幅度表述模糊 -> 给出数字或范围，并注明出处。 修改前： 大幅提升。 修改后： 与最强基线相比，平衡准确率提升 2--6%。 除非说明了平均计算方法，否则优先使用范围（例如“2--6%”），而不是单个平均值；并注明每个数字所对应的方法、指标和基线。进行比较时，应先与最强竞争方法比较，而不是与微不足道的基线比较。

---

第 5 层：匹配作者风格与发表场合

如果作者提供了以往论文，请先阅读一篇样本，留意句子的节奏、衔接习惯、谨慎措辞的程度和位置、章节的开篇方式、符号用法及反复出现的表达，然后据此匹配风格。同时也要匹配发表场合的语体（例如，ICLR／NeurIPS：简洁、直接、结果导向；Nature／PNAS：说明性更强）。如果没有样本，则采用清晰、准确且适合发表场合的文风，而不是通用型人性化改写工具那种随意、带有主观倾向的语气。

第 6 层：资助申请模式（NSF、NIH）

申请书不是论文。它依靠愿景与可行性打动评审，而不是展示已完成的结果；评审会给申请书打分。语体上的转变很重要：论文各层通常会删去的雄心表达（“长期目标”“开创”“变革性”“奠定基础”）在申请书中恰当且符合预期，前提是有可信的计划和证据作为支撑。因此，在申请书模式下，不要弱化愿景；应采用另一种要求：主张 <-> 可行性。

6.1 了解结构；评分取决于前几页

评审会先根据开篇形成评分印象，然后略读其余内容以确认判断。把大部分编辑精力放在开篇。

• NSF。 一页的 项目摘要，明确列出三个评审标准标题： 概述、智力价值、广泛影响，且各部分内容完整、可独立理解。项目 描述则应以 长期愿景 -> 本提案目标 -> 差距 -> 具体研究方向/目标 -> 预期成效 开篇， 最好在前 1--2 页内呈现，并配一张概述图。广泛影响必须有实质内容并融入研究，绝不能事后补上。
• NIH（R01）。 具体目标页就是一页讲清整个提案，也是阅读最多、最具决定性的一页。标准结构： （1）开篇：问题、已知情况、差距/关键需求； （2）长期目标和核心假设及其依据； （3）“本申请的目标是……”以及假设的形成过程； （4）2--3 个目标，每个目标都包含一行目标陈述 + 一句方法概述 + 预期成果； （5）一段预期成效：如果研究成功，会带来什么改变。 随后分别撰写并接受评分的部分为 重要性、创新性、研究方案。

6.2 前 3 页优先（重点打磨这些内容）

到第 1 页末尾（NIH 具体目标页）或第 2--3 页左右（NSF）时，读者必须已经掌握：切入点（具体说明为何重要）、差距（缺少什么，以及这一差距的代价）、核心思路（用一句话概括你的方法）、目标/研究方向（清晰且结构平行）以及预期成效。如果有任何一项缺失或埋得太深，应先修正，再处理后续部分。若评审读到第 3 页仍未被说服，读到第 10 页也不会改变判断。

6.3 应修正的提案常见弱点

• 重要性表述含糊。 留意：“这是一个重要/紧迫的问题”“X 有很多应用”。 修改前： 理解这个问题至关重要。 修改后： 如果不明确测量噪声如何传导至诊断，临床模型就只能靠反复试错来调优；本提案将消除这种低效。
• 把方法当作目标（目标写的是某种技术，而非问题或预期结果）。 修改前： 目标 2：将迁移学习应用于该数据集。 修改后： 目标 2：确定融合可穿戴设备信号与实验室信号是否能提升早期检测能力，以及对哪些患者亚组有帮助或有害。
• 目标环环相扣（若目标 1 失败，目标 2/3 也会随之失败；评审会认为这种设计不稳健）。*修正方法：*将目标表述为相互平行且各自有价值；若某个目标依赖另一个目标，应说明备用方案。
• 雄心勃勃，却缺乏可行性依据。 每项大胆主张都需要依据：初步数据、既有研究结果/论文、所依托的经典定理，或合作者/支持信。*修正方法：*在主张旁附上证据（“我们的图 X 初步结果显示……”“基于经典的极小极大下界……”）。
• 广泛影响/培训计划套话。 留意：“我们将指导学生，并通过演讲和论文传播成果。”*修正方法：*列出具体项目、明确的课程或工具以及可衡量的宣传活动，使内容具体、条理清晰，并与研究紧密相关。
• 核心假设措辞含糊。 具体目标页上的假设应是可证伪的承诺，而不是“我们将探索是否可能……”。适度的保留措辞应放在研究方案的结果解读部分，而非核心主张中。

6.4 保留并强化（资助提案写作技巧）

以下内容体现优势；应保留或补充，而不是编辑删去。

• 愿景／雄心表述：开篇提出大胆的长期目标，并将本提案定位为迈向该目标的一步，且有原则性依据。
• 便于快速浏览的引导语：使用加粗／斜体的 目标：、动机：、创新：、研究主线／目标 N（一句话使命）：。评审会快速浏览；清晰可见的结构能为你赢得时间。
• 具体的贯穿示例或主角：让抽象方法更生动，并在各项目标之间保持一致。
• 以问题形式提出清晰的挑战／目标陈述：简洁明确的开放性问题能让问题定义更加严谨（为每个目标设置一个方框或单独突出的问题，效果很好）。
• 以深入且明确命名的经典成果为新工作提供依据，展现严谨性和传承脉络：新方法推广的已知不等式、容量概念或检验方法。
• 突出团队的履历，将其作为可行性证据：以往获资助的工作、初步结果、论文、合作者和演示合作方都应尽早介绍，证明计划能够执行。真实的履历是证据，不是自夸；应将其放在能降低各项目标风险的位置。（仅使用 PI 本人真实且已提供的记录；切勿虚构资助、结果、合作方或推荐信。）

6.5 主张 ↔ 可行性（相当于第 4 层的提案版本）

对于每个目标和承诺的成果，都要检查：雄心是否有可信的手段支撑，例如初步数据、既有方法、经典理论基础、合作者或分阶段降低风险？如果有，就保留有力的动词。如果没有，就补上缺失的证据，或将主张调整到计划能够支持的程度。切勿虚构初步结果、以往资助、合作方或推荐信；如果缺乏支持，应指出这一缺口并交由作者处理，而不是掩盖问题。

---

输出

返回清理后的文本，并附上一份简短的修改报告：按类型说明删除了哪些模式、哪些主张经过弱化或补充了证据指引，以及任何语气／投稿场合方面的备注。确认没有改动任何数字、公式或引文。