academic-writing-cs

计算机科学学术写作

概述

此技能为撰写高质量的计算机科学研究论文提供端到端支持。它侧重于构建清晰、有说服力的技术叙事，同时遵循领域特定的惯例。

核心理念：

• 学术论文是叙事弧线（问题 → 解决方案 → 证据 → 启示），而不是填充模板
• 清晰性源于结构：先呈现读者熟悉的信息，再呈现新信息
• 每个设计选择都必须有理有据；每项主张都必须有证据支持

适用范围：

• 会议论文（6-12 页，竞争激烈的会议）
• 期刊文章（15-30 页，内容全面）
• 论文各章节（长度灵活，深入覆盖）
• 所有计算机科学子领域：AI/ML、系统、理论、HCI、安全等

---

何时使用此技能

在以下情况下调用此技能：

• 规划论文结构和叙事流程
• 起草任何章节（摘要、引言、方法、结果、讨论、结论）
• 修改论文，使其更清晰、更连贯，或符合会议要求
• 检查句子层面的写作清晰度问题
• 查找计算机科学特定惯例（符号、图表、引用）
• 使用逐章节质量检查清单检查完整性
• 回复审稿意见

---

工作流决策树

阶段 1：规划与结构

开始撰写新论文或进行重大修改时：

1. 明确叙事弧线

   • 该研究解决什么问题？为什么重要？（1-2 句话）
   • 最主要的贡献是什么？（1 句话）
   • 支持这项贡献的 3 个关键结果是什么？
   • 主要局限是什么？

   参考： references/narrative_framework.md —— 阅读“核心原则”和“章节层面的叙事结构”部分，了解如何组织论文的故事。

2. 确定目标会议和限制条件

   • 会议还是期刊？
   • 页数限制、格式要求、匿名规则？
   • 子领域惯例（ML、系统还是理论）？

   参考： references/cs_conventions.md（第 8 节：会议特定指南，第 5 节：子领域特定惯例）

3. 逐章节列出大纲

   • 对每个主要章节，明确：
     • 本章节的目的是什么？
     • 要传达的 2-3 个关键要点是什么？
     • 哪些图表或表格可以提供支持？

   工具： 使用 assets/section_checklists.md（起草前快速规划清单），确保动笔前已回答所有关键问题。

---

阶段 2：起草

按照以下流程撰写每个章节：

摘要

1. 使用四句结构：背景 → 缺口 → 贡献 → 影响
2. 根据 assets/section_checklists.md（摘要检查清单）进行检查
3. 确保内容自成一体，且符合字数限制（150-250 词）

常见错误：

• 贡献表述模糊：“我们改进了 X” → 应具体说明：“我们的准确率提高了 15%”
• 没有具体结果：务必包含数字或指标

---

引言

1. 遵循漏斗结构：宽泛 → 收窄 → 具体

   • 第 1 段：问题领域及其重要性
   • 第 2-3 段：具体问题、研究动机，以及现有工作的不足之处
   • 第 4 段：阐明研究缺口（“然而，现有方法缺少……”）
   • 第 5 段：概述贡献（本文提供了什么）
   • 第 6 段：总结结果（2-3 项具体发现）
   • 第 7 段：论文结构安排（可选）

2. 关键要求： 到第 4-5 段结束时，读者必须清楚理解本文的贡献。

3. 对于 ML/系统论文，至少包含一个图（架构图或关键结果图）。

4. 根据 assets/section_checklists.md（引言检查清单）进行检查

参考： references/narrative_framework.md（引言部分），了解详细指南和示例。

---

相关工作

1. 按主题组织（而非按时间顺序）：分为 3-5 个类别

2. 对于每个类别：

   • 描述总体方法
   • 引用 3-5 项代表性工作，并用 1 句话介绍
   • 指出与本文贡献相关的局限性

3. 以定位段落结尾：“与 [X] 不同，我们的方法……”

   • 清晰阐述差异与优势

4. 对照 assets/section_checklists.md（相关工作清单）进行检查

常见错误：

• 罗列引文，却缺乏综合分析
• 未能说明本文与先前工作的关系
• 轻视先前工作（应尊重先前工作，同时凸显差异）

---

方法论

1. 双重目标：

   • 可复现性：提供足够细节，以便重新实现
   • 直观性：解释方法为何有效

2. 结构因论文类型而异：

   • ML/AI 论文：问题定义 → 概述 + 图示 → 详细设计 → 实现 → 复杂度
   • 系统论文：架构概述 → 组件设计 → 关键机制 → 实现
   • 理论论文：形式化定义 → 主要结果（定理）→ 证明概要

3. 始终包括：

   • 清晰的符号说明（首次使用时定义所有符号）
   • 深入细节之前先给出高层概述
   • 说明设计选择的理由（或留待消融实验中讨论）

4. 对照 assets/section_checklists.md（方法论清单）进行检查

参考： references/narrative_framework.md（方法论部分）和 references/cs_conventions.md（第 1 节：符号与数学写作）

---

实验/结果

1. 实验设置（小节）：

   • 数据集：规模、划分、预处理
   • 基线：比较对象（附引文）
   • 指标：测量内容及原因
   • 硬件/软件：基础设施和版本
   • 超参数：选择方式

2. 主要结果（小节）：

   • 用表格/图示展示主要对比
   • 正文：“表 1 显示，我们的方法优于……”
   • 用具体数字突出关键发现
   • 报告统计显著性（置信区间、p 值或标准差）

3. 消融研究（小节，至关重要）：

   • 展示各组件的必要性
   • 表格：移除/修改组件的影响

4. 分析（小节）：

   • 方法在哪些方面表现出色？在哪些方面失效？
   • 定性分析、错误分析、失败案例

5. 计算成本（如相关）：

   • 训练时间、推理时间、内存用量
   • 与基线的比较

6. 对照 assets/section_checklists.md（实验/结果清单）进行检查

参考： references/narrative_framework.md（实验/结果部分）

---

讨论

1. 总结发现（1 段）：重述关键结果

2. 解读结果（1-2 段）：方法为何有效？有哪些启示？

3. 承认局限性（0.5-1 段）：如实说明适用范围和失败案例

4. 更广泛的影响（0.5-1 段）：对领域的影响、应用和未来方向

5. 对照 assets/section_checklists.md（讨论清单）进行检查

语气： 平衡——自信，但不过度夸大。承认局限性有助于提升可信度。

---

结论

1. 重述贡献（1 段）：回顾问题、解决方案和关键发现

2. 更广泛的影响（0.5 段）：意义和应用

3. 未来工作（0.5 段）：开放问题和拓展方向

   • 将其表述为机遇：“一个有趣的方向是……”（而非“未来工作中，我们将……”）

4. 对照 assets/section_checklists.md（结论清单）进行检查

不要： 引入新观点、复制粘贴摘要，或写得含糊不清。

---

阶段 3：修改以提升清晰度

完成初稿后，应用句子层面的清晰度原则：

三条黄金法则（Gopen 与 Swan）

1. 先旧后新：句子以熟悉的信息开头，以新信息结尾

   • 这样可以形成连贯的行文，让每个句子都在前文基础上展开

2. 主谓相邻：让动词靠近主语

   • 主语与动词之间间隔太长，会增加理解难度

3. 句末强调：把最重要的信息放在句末

   • 读者会记住并着重关注句末的内容

系统地应用这些规则：

• 检查每个段落中的句子是否衔接流畅（由旧到新）
• 检查每个句子是否符合以下要求：
  • 话题位置（句首）包含熟悉的信息
  • 强调位置（句末）包含重要的新信息
  • 动词紧跟在主语之后

参考： references/sentence_clarity.md — 完整阅读本文档，了解详细原则、示例和常见反模式。

实用检查清单：

• 熟悉的信息位于句首（话题位置）
• 重要的新信息位于句末（强调位置）
• 动词靠近主语
• 使用主动语态（除非被动语态更合适）
• 表达并列观点时使用平行结构

需要修正的常见反模式：

• “动词埋没”综合征：将动词转换为名词（名词化）
  • ❌ “这些方法的比较结果见……”
  • ✅ “表 1 比较了这些方法……”
• “清嗓式开头”：使用“值得注意的是……”等无力的开头
  • ❌ “值得注意的是，我们的方法提高了准确率。”
  • ✅ “我们的方法提高了准确率。”
• “强调悬空”：以无力的内容结束句子
  • ❌ “如 [23] 所示，这种方法显著提升了性能。”
  • ✅ “如 [23] 所示，这种方法显著提升了性能。”

---

阶段 4：润色与合规

语言与措辞

撰写或修改特定学术功能的内容时，请查阅 references/phrasebank.md：

• 介绍研究工作：确立研究领域、指出空白、阐述贡献
• 引用来源：区分整合式引用与非整合式引用
• 描述方法：按顺序说明操作、条件逻辑、实现细节
• 报告结果：呈现发现、比较基线、解读结果
• 讨论发现：解释成功之处、承认局限、阐述影响
• 撰写结论：总结内容、说明更广泛的影响、展望未来工作

一般语言功能：

• 谨慎表达（限定语）：“可能”“似乎”“很可能”
• 批判性表达：指出弱点、质疑有效性
• 比较与对照：相似之处、差异
• 描述趋势：上升、下降、稳定
• 解释因果关系：原因、结果、条件

用法： 根据具体语境调整模板；不要照抄。变换表达方式，以保持行文自然。

---

CS 特定惯例

确保符合领域规范：

1. 符号规范：

   • 首次使用时定义所有符号
   • 使用一致的约定（向量用粗体，标量用斜体等）
   • 将公式融入句子，并使用标点

2. 图和表：

   • 在图表出现之前，先在正文中引用所有图表
   • 标题应能独立说明内容
   • 使用高分辨率、易读的字体（≥8pt）
   • 使用适合色盲人士的配色方案

3. 引用：

   • 遵循会议或期刊的引用格式（作者－年份制或编号制）
   • 引用所有作为基础或用于比较的先前工作
   • 参考文献完整且准确

4. 代码与可复现性：

   • 说明代码的可用性
   • 提供充分的实现细节
   • 报告超参数、随机种子和运行次数

5. 子领域特定差异：

   • ML/AI：着重关注消融实验、统计显著性和计算成本
   • 系统：架构图、吞吐量／延迟、可扩展性
   • 理论：形式化定义、定理、证明、复杂度界
   • HCI：用户研究、定性反馈、界面截图
   • 安全：威胁模型、攻击场景、防御机制

参考： references/cs_conventions.md — 涵盖符号、图表、引用、代码、子领域规范和会议或期刊要求的综合指南。

---

质量保证

提交前，请使用 assets/section_checklists.md：

1. 逐节审查：

   • 逐一检查每个章节的清单
   • 确保所有必需内容均已包含
   • 检查常见问题

2. 提交前清单：

   • 内容完整性（所有章节、图表和引用）
   • 格式（会议或期刊模板、页数限制、页边距）
   • 匿名化（如采用双盲评审）
   • 可复现性（细节充分、代码可用）
   • 最终质量检查（拼写检查、语法检查、合作者审阅）

3. 紧急清单（如果截止日期临近）：

   • 优先处理：摘要、引言中的贡献说明、主要结果表、至少一项消融实验、易读的图表、正确的参考文献

---

阶段 5：回复评审意见

收到评审意见后：

1. 系统地分析意见：

   • 分类：主要问题（实验、清晰度、论断）与次要问题（拼写错误、格式）
   • 排定优先级：先处理主要问题

2. 规划修改：

   • 列出所有待进行的修改
   • 如果要求补充实验，请仔细规划
   • 如果需要澄清，请确定要修改的章节

3. 修改并回复：

   • 逐条回应所有意见（在答辩或修订稿中）
   • 使用尊重、专业的语气
   • 清晰标注修改内容（如会议或期刊要求）

4. 检查修订稿：

   • 确保所有修改均已纳入
   • 重新运行 assets/section_checklists.md 中的相关清单（修订清单）
   • 确认仍符合页数限制

参考： assets/section_checklists.md（修订清单）

---

关键资源汇总

叙事与结构

• references/narrative_framework.md：论文核心结构（摘要、引言、相关工作、方法、结果、讨论、结论）。用于理解叙事脉络并获取各章节的具体指导。

句子层面的清晰度

• references/sentence_clarity.md：Gopen 和 Swan 原则（主题位置、重音位置、新旧信息流）。用于修改单个句子和段落，以最大限度地提升清晰度。

学术表达

• references/phrasebank.md：常见学术写作功能的模板（介绍工作、引用来源、报告结果、讨论发现）。可在起草内容或寻求不同表达方式时使用。

CS 惯例

• references/cs_conventions.md：领域特定规范（符号、图表、引用、代码、子领域差异、会议或期刊要求）。用于确保符合 CS 写作标准。

质量检查清单

• assets/section_checklists.md：涵盖每个章节的全面检查清单，以及提交前、修订和紧急检查清单。用于规划、审阅和最终质量保证。

---

示例工作流

工作流 1：从头开始

用户：“我需要为我的新半监督学习方法撰写一篇会议论文。”

流程：

1. 规划（阶段 1）：

   • 定义叙事脉络：问题（标注数据成本高）→ 解决方案（我们的半监督方法）→ 证据（在 3 个数据集上进行实验）→ 影响（降低标注成本）
   • 阅读 references/narrative_framework.md（核心原则）
   • 使用 assets/section_checklists.md（快速草稿前规划检查清单）

2. 起草（阶段 2）：

   • 摘要：4 句结构（背景：深度学习需要数据；差距：标注成本高；贡献：我们的 STCR 方法；影响：仅使用 10% 的标签就达到 82% 的准确率）
   • 引言：漏斗结构（宽泛：深度学习的成功 → 聚焦：标注成本 → 差距：现有半监督方法缺少 X → 贡献：STCR 利用一致性 → 结果：提升 7%）
   • 根据 assets/section_checklists.md 检查每个章节

3. 修订（阶段 3）：

   • 将 references/sentence_clarity.md 中的原则应用于每个段落
   • 确保从旧信息到新信息的衔接，并使用强调位置

4. 润色（阶段 4）：

   • 使用 references/phrasebank.md 丰富措辞
   • 确保符合 references/cs_conventions.md（机器学习/AI 惯例）
   • 使用 assets/section_checklists.md 中的提交前检查清单

---

工作流 2：修订以提升清晰度

用户：“我的引言令人困惑。审稿人说他们无法理解论文的贡献。”

流程：

1. 诊断问题：

   • 根据 assets/section_checklists.md（引言检查清单）进行检查
   • 是否在第 4–5 段之前清晰地阐述了贡献？
   • 是否遵循漏斗结构（宽泛 → 聚焦）？

2. 必要时重组：

   • 阅读 references/narrative_framework.md（引言部分）
   • 确保结构为：开篇 → 背景 → 差距 → 贡献 → 结果 → 组织结构
   • 明确写出：“本文提出了 [X]，通过 [Z] 解决了 [Y]。”

3. 在句子层面修订：

   • 应用 references/sentence_clarity.md 中的原则
   • 检查每个句子是否与前一句衔接（从旧信息到新信息）
   • 在关键句末尾放置重要信息（强调位置）

---

工作流 3：起草结果章节

用户：“我应该如何呈现实验结果？”

流程：

1. 结构：

   • 阅读 references/narrative_framework.md（实验/结果部分）
   • 遵循：设置 → 主要结果 → 消融实验 → 分析 → 成本

2. 创建表格/图示：

   • 主要结果表：方法（行）与指标（列）
   • 将最佳结果加粗；包含标准差
   • 查看 references/cs_conventions.md（图示和表格部分）

3. 撰写配套文本：

   • “表 1 显示，我们的方法达到了 X，比最强的基线高出 Y%。”
   • 使用 references/phrasebank.md（第 4 节：报告结果）中的措辞

4. 质量检查：

   • 按照 assets/section_checklists.md（实验/结果检查清单）逐项检查
   • 确保包含：统计显著性、消融实验和分析

工作流 4：确保符合 CS 规范

用户：“我的符号和引用格式符合 ICML 的要求吗？”

流程：

1. 检查会议要求：

   • 阅读 references/cs_conventions.md（第 8 节：会议特定指南）
   • ICML 使用数字编号引用 [1]、双盲评审和 LaTeX 模板

2. 符号：

   • 阅读 references/cs_conventions.md（第 1 节：符号与数学写作）
   • 确保：向量使用粗体，标量使用斜体，所有符号均有定义

3. 引用：

   • 阅读 references/cs_conventions.md（第 3 节：引用与参考文献）
   • 使用数字编号格式：“方法 X [1] 实现了……”
   • 双盲评审期间，对自引进行匿名化处理

4. 最终检查：

   • assets/section_checklists.md（投稿前检查清单 → 合规性部分）

---

常见问题及避免方法

问题 1：贡献表述含糊

问题：“我们提升了 X 上的性能。” **解决方案：**具体说明。“在 ImageNet 上，我们的准确率比最强基线高 15%。”

问题 2：缺少消融实验

**问题：**声称设计选择很重要，却没有证据。 **解决方案：**加入消融研究。移除每个组件，并测量性能下降幅度。

问题 3：信息流不畅

**问题：**句子之间衔接生硬，读者容易迷失。 **解决方案：**采用由旧到新的信息流。每个句子都应以承接上句的信息开头。 参考：references/sentence_clarity.md

问题 4：句末重点不突出

**问题：**句子以引用或次要细节收尾。 示例：❌ “如 [23] 所示，这种方法显著提升了性能。” 解决方案：✅ “如 [23] 所示，这种方法显著提升了性能。”

问题 5：忽视局限性

**问题：**过度夸大成果，却不承认适用范围或失败案例。 **解决方案：**在讨论部分用一段文字坦诚说明局限性。这会提升可信度。

问题 6：符号不一致

**问题：**一节中用 x 表示输入，另一节中却用 X。 **解决方案：**预先定义所有符号。必要时创建符号表（附录）。 参考：references/cs_conventions.md（第 1 节）

---

高效写作建议

1. 快速起草，认真修改：

   • 初稿不必追求完美
   • 先写下想法，再完善结构和表达

2. 不按顺序撰写各部分：

   • 从方法和结果开始（内容最具体）
   • 然后写引言和相关工作
   • 最后写摘要和结论

3. 尽早使用图表：

   • 写作前先制作关键图表（架构、主要结果）
   • 图表能理清思路，并引导叙述

4. 尽早征求反馈：

   • 与合著者和同事分享草稿
   • 模拟评审能在投稿前发现问题

5. 反复调整结构：

   • 如果某一部分读起来不顺，就重新审视叙述脉络
   • 确保每一部分都推动“问题 → 解决方案 → 证据 → 影响”的展开

6. 主动使用检查清单：

   • 起草某一部分前，先阅读检查清单，了解应包含的内容
   • 起草后，使用检查清单核实内容是否完整

---

进阶：处理特殊情况

面向顶级会议撰写论文

• 对新颖性和严谨性的要求更高：确保贡献意义重大，而非渐进式改进
• 使用强基线：与最先进的方法比较，而非只与简单方法比较
• 进行全面评估：使用多个数据集，开展广泛的消融实验和敏感性分析
• 打磨呈现效果：制作高质量图表，确保行文清晰、符号一致

撰写答辩回复

• 回应所有疑虑：即使不同意，也要尊重地回应
• 提供证据：如果评审者质疑某项主张，就补充结果或引用
• 言简意赅：答辩回复有严格的字数限制，应优先处理主要问题
• 指出所做修改：“我们新增了一项实验（表 3），结果表明……”

撰写论文各章节

• 内容更全面：更深入的背景介绍、更广泛的相关工作、经验教训
• 叙事连贯：确保章节之间衔接顺畅（例如，第 3 章在第 2 章的基础上展开）
• 范围更广：可以纳入负面结果和未能取得进展的探索
• 使用 assets/section_checklists.md（长篇论文检查清单）

---

总结：黄金工作流

1. 规划叙事：问题 → 解决方案 → 证据 → 启示
2. 逐节起草：使用 references/narrative_framework.md 中的结构指南
3. 修改以提高清晰度：运用 references/sentence_clarity.md 中的原则
4. 润色并确保合规：使用 references/phrasebank.md 和 references/cs_conventions.md
5. 质量检查：逐项检查 assets/section_checklists.md

请记住：

• 论文是故事，不是模板
• 清晰度源自结构（从旧到新、主题位置与强调位置）
• 每项主张都需要证据；每项设计选择都需要论证
• 坦诚说明局限性有助于提升可信度

如有疑问，请自问：

• “这能推动叙事发展吗？”
• “读者能复现这些内容吗？”
• “这项主张有依据吗？”
• “这是表达该内容最简单、最清晰的方式吗？”

---

开始使用

对于新论文：

1. 阅读 references/narrative_framework.md（核心原则）
2. 使用 assets/section_checklists.md（起草前快速规划检查清单）
3. 用 4 句话概述论文的叙事脉络（问题、解决方案、证据、启示）
4. 逐节起草，并在过程中核对检查清单

对于修改已有草稿：

1. 找出问题所在（结构、清晰度、合规性）
2. 查阅相关参考文件
3. 系统地进行修改
4. 使用相应的检查清单重新检查

对于句子层面的问题：

1. 阅读 references/sentence_clarity.md（三条黄金法则）
2. 将这些法则应用于每个有问题的段落
3. 检查：从旧到新的衔接、强调位置的运用、主谓距离

准备好动笔了吗？让我们一起写出清晰而引人入胜的论文。