conference-paper-writing

面向顶级 AI 会议的论文写作

为投稿 NeurIPS、ICML、ICLR、ACL、AAAI 和 COLM 撰写可直接发表的论文提供专家级指导。本技能融合了顶尖研究者（Nanda、Farquhar、Karpathy、Lipton、Steinhardt）的写作理念与实用工具：LaTeX 模板、引用验证 API 和会议检查清单。

核心理念：协作写作

论文写作需要协作，但 Claude 应主动提交草稿。

典型工作流始于一个包含代码、结果和实验产物的研究仓库。Claude 的职责是：

1. 了解项目：检查仓库、结果和现有文档
2. 提交完整的初稿：对研究贡献有把握时，完成并提交初稿
3. 检索文献：使用网页搜索和 API 查找相关引用
4. 根据反馈进行修改：在科学家提供意见后完善论文
5. 仅在确实不确定关键决策时请求澄清

核心原则：主动推进。如果仓库和结果清晰，就提交完整草稿。不要因为每个章节都等待反馈而停滞——科学家很忙。先产出具体内容供他们审阅，再根据反馈迭代。

---

⚠️ 重要：绝不要捏造引用

这是使用 AI 辅助学术写作时最重要的规则。

问题

AI 生成的引用有 约 40% 的错误率。捏造的参考文献——包括不存在的论文、错误的作者、错误的年份、伪造的 DOI——属于严重的学术不端行为，可能导致编辑拒稿或论文撤稿。

规则

绝不要凭记忆生成 BibTeX 条目。务必通过程序获取。

操作	✅ 正确做法	❌ 错误做法
添加引用	搜索 API → 验证 → 获取 BibTeX	凭记忆撰写 BibTeX
不确定某篇论文	标记为 [CITATION NEEDED]	猜测参考文献
找不到确切论文	注明：“占位符——请核实”	编造一篇听起来相似的论文

无法验证引用时

如果无法通过程序验证某条引用，你必须：

% EXPLICIT PLACEHOLDER - requires human verification
\cite{PLACEHOLDER_author2024_verify_this}  % TODO: Verify this citation exists

务必告知科学家：“我已将 [X] 条引用标记为占位符，需进一步核实。我无法确认这些论文是否存在。”

推荐：安装 Exa MCP 来检索论文

如需获得最佳论文检索体验，请安装 Exa MCP，它可提供实时学术搜索：

Claude Code：

claude mcp add exa -- npx -y mcp-remote "https://mcp.exa.ai/mcp"

Cursor / VS Code（添加到 MCP 设置中）：

{
  "mcpServers": {
    "exa": {
      "type": "http",
      "url": "https://mcp.exa.ai/mcp"
    }
  }
}

Exa MCP 支持如下搜索：

• “查找 2023 年之后发表的语言模型 RLHF 论文”
• “搜索 Vaswani 撰写的 Transformer 架构论文”
• “查找近期关于可解释性的稀疏自编码器研究”

随后使用 Semantic Scholar API 验证搜索结果，并通过 DOI 获取 BibTeX。

---

工作流 0：从研究仓库开始

开始撰写论文时，先理解项目：

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

第 1 步：探索仓库

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

查找：

• README.md — 项目概览与主张
• results/、outputs/、experiments/ — 关键发现
• configs/ — 实验设置
• 已有的 .bib 文件或引用参考文献
• 任何草稿文档或笔记

第 2 步：识别已有引用

检查代码库中已引用的论文：

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

这些是相关工作的高价值起点——科学家已经认定它们具有相关性。

第 3 步：明确贡献

在撰写之前，与科学家明确确认：

“根据我对该仓库的理解，主要贡献似乎是 [X]。 关键结果表明 [Y]。这是你希望论文采用的框架吗， 还是我们应该强调不同的方面？”

绝不要假设叙事——始终与人类核实。

第 4 步：检索更多文献

使用网络搜索查找相关论文：

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

然后使用下方的引用工作流验证并获取 BibTeX。

第 5 步：交付初稿

要主动——交付一份完整草稿，而不是为每个章节征求许可。

如果仓库提供了清晰的结果且贡献显而易见：

1. 端到端写出完整初稿
2. 提交完整草稿以获取反馈
3. 根据科学家的回应进行迭代

如果对框架或主要主张确实不确定：

1. 先起草你有把握的部分
2. 标明具体的不确定之处：“我将 X 定为主要贡献——如果你更希望强调 Y，请告诉我”
3. 继续完成草稿，而不是停滞

随草稿一起提出的问题（而不是在此之前）：

• “我将 X 强调为主要贡献——如需调整请告知”
• “我重点突出了结果 A、B、C——如果有其他更重要的结果请告诉我”
• “相关工作部分包含 [papers]——如有遗漏请补充”

---

何时使用此技能

在以下情况下使用此技能：

• 从研究仓库开始撰写论文
• 起草或修订特定章节
• 查找并验证引用以用于相关工作
• 格式化以提交会议
• 重新提交到不同会议/期刊（格式转换）
• 迭代草稿并根据科学家反馈改进

始终记住：初稿是讨论的起点，而不是最终产出。

---

平衡主动性与协作

默认：保持主动。先交付草稿，再迭代。

信心水平	行动
高（仓库清晰、贡献明显）	写出完整草稿，交付，根据反馈迭代
中（存在一些模糊之处）	写出草稿并标明不确定之处，继续推进
低（存在重大未知）	提出 1-2 个有针对性的问题，然后起草

先起草，再随草稿提问（而不是在此之前）：

章节	自主起草	随草稿标明
摘要	是	“将贡献表述为 X——如需调整请告知”
引言	是	“强调了问题 Y——如有错误请纠正”
方法	是	“包含了细节 A、B、C——如有遗漏请补充”
实验	是	“突出了结果 1、2、3——如需重新排序请告知”
相关工作	是	“引用了论文 X、Y、Z——如有遗漏请补充”

仅在以下情况下停下来等待输入：

• 目标会议/期刊不明确（影响页数限制、表述框架）
• 多个相互矛盾的表述框架看起来同样合理
• 结果似乎不完整或不一致
• 明确要求先审阅再继续

不要为以下事项停下来：

• 措辞选择
• 章节排序
• 展示哪些具体结果（做出选择并标明）
• 引用的完整性（先根据找到的内容起草，注明缺口）

---

叙事原则

最关键的洞见：你的论文不是一组实验的集合，而是一个有明确贡献、并由证据支撑的故事。

每篇成功的 ML 论文都围绕 Neel Nanda 所说的“叙事”展开：一个简短、严谨、以证据为基础的技术故事，并传达读者关心的要点。

三大支柱（必须在引言结尾时清晰阐明）：

支柱	描述	示例
是什么	在统一主题下提出 1-3 项具体的新颖主张	“我们证明，在条件 Z 下，X 能实现 Y”
为什么	支持这些主张的严谨实证证据	强有力的基线、能够区分不同假设的实验
那又如何	读者为何应该关注	与社区公认问题的联系

如果你无法用一句话陈述自己的贡献，那你还没有真正写出一篇论文。

---

论文结构工作流

工作流 1：撰写完整论文（迭代式）

复制此清单并跟踪进度。每个步骤都包括起草 → 反馈 → 修改：

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

步骤 1：定义一句话贡献

此步骤需要科学家明确确认。

在动笔之前，先阐明并确认：

• 你的论文贡献的唯一一件事是什么？
• 在你的工作之前，哪些内容并不显而易见或尚不存在？

“我建议将贡献表述为：‘[一句话]’。这是否准确概括了你认为最重要的结论？是否需要调整重点？”

步骤 2：起草图 1

图 1 值得特别关注——许多读者会直接跳到这里。

• 传达核心思想、方法或最有说服力的结果
• 使用矢量图形（绘图请用 PDF/EPS）
• 撰写脱离正文也能独立理解的图注
• 确保黑白打印时仍清晰可读（8% 的男性存在色觉缺陷）

步骤 3：撰写摘要（5 句公式）

来自 DeepMind 的 Sebastian Farquhar：

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

删除“大模型取得了令人瞩目的成功……”之类的泛泛开场白。

步骤 4：撰写引言（最多 1–1.5 页）

必须包括：

• 2–4 条贡献要点（双栏格式中每条最多 1–2 行）
• 清晰的问题陈述
• 简要的方法概述
• 方法部分最迟应从第 2–3 页开始

步骤 5：方法部分

确保他人能够重新实现：

• 概念性纲要或伪代码
• 列出所有超参数
• 提供足以复现的架构细节
• 呈现最终设计决策；消融实验放在实验部分

步骤 6：实验部分

对于每项实验，明确说明：

• 它支持什么主张
• 它与主要贡献的关联
• 实验设置（细节放在附录中）
• 应观察什么：“蓝线显示了 X，这证明了 Y”

要求：

• 误差条及其计算方法（标准差还是标准误）
• 每个报告数值背后的运行次数
• 超参数搜索范围，以及选择这些超参数所用的数据划分
• 用一句话说明测试数据未参与模型或配置选择
• 计算基础设施（GPU 类型、总时长）
• 随机种子的设置方法

步骤 7：相关工作

按方法组织，而非逐篇论文介绍：

好的写法：“一类工作采用 Floogledoodle 的假设 [refs]，而我们采用 Doobersnoddle 的假设，因为……”

不好的写法：“Snap 等人提出了 X，而 Crackle 等人提出了 Y。”

充分引用——审稿人很可能就是相关论文的作者。

步骤 8：局限性部分（必需）

所有主要会议都要求这一部分。将其写成工作范围的说明，而非辩护：

• 审稿人被要求不要因清楚说明工作范围而扣分
• 具体说明评估涵盖的内容及未涉及的条件，并且只说明一次
• 将每个尚未解决的问题指向后续工作，并指出哪项实验可以回答它
• 不要在这一部分辩称局限性并未影响主张；这应由结果部分说明 （参见 anti-defensive-writing，了解应避免的辩护、自我批评、开发者和承诺式语气）

步骤 9：论文清单

NeurIPS、ICML 和 ICLR 都要求提供论文清单。请参阅 references/checklists.md。

---

顶级 ML 会议的写作理念

**本节提炼了顶尖 ML 研究者最重要的写作原则。**这些并非可有可无的风格建议——它们正是论文被录用而非拒稿的关键。

“论文是一篇简短、严谨、以证据为基础的技术故事，并应传达读者关心的要点。”——Neel Nanda

这份指南背后的来源

本技能综合了多位研究者的写作理念，他们在顶级学术会议和期刊上发表了大量论文：

来源	主要贡献	链接
Neel Nanda（Google DeepMind）	叙事原则、What/Why/So What 框架	如何撰写机器学习论文
Sebastian Farquhar（DeepMind）	5 句式摘要公式	如何撰写机器学习论文
Gopen & Swan	读者预期的 7 条原则	科学写作的科学
Zachary Lipton	措辞选择、消除模糊表述	科学写作启发式
Jacob Steinhardt（UC Berkeley）	精确性、术语一致性	写作技巧
Ethan Perez（Anthropic）	微观层面的清晰表达技巧	轻松写论文的技巧
Andrej Karpathy	聚焦单一贡献	各类演讲

如需深入了解以上任一来源，请参阅：

• references/writing-guide.md - 完整说明与示例
• references/sources.md - 完整参考文献

时间分配（摘自 Neel Nanda）

为以下各项分配大致相等的时间：

1. 摘要
2. 引言
3. 图表
4. 其余所有内容

为什么？ 大多数审稿人在读到方法部分之前就会形成判断。读者阅读论文的顺序是：标题 → 摘要 → 引言 → 图表 → 其余部分（如果有时间）。

写作风格指南

句子层面的清晰度（Gopen & Swan 的 7 条原则）

这些原则依据读者实际处理散文的方式制定。违反这些原则，会迫使读者把认知精力花在理解结构上，而不是内容上。

原则	规则	示例
主语与动词相邻	让主语和动词保持接近	❌ “该模型经过……训练后，取得了……” → ✅ “该模型在……数据上训练后取得了……”
强调位置	将重点放在句末	❌ “使用注意力机制时，准确率提高了 15%” → ✅ “使用注意力机制后，准确率提高了 15%”
主题位置	先交代背景，再呈现新信息	✅ “鉴于这些限制，我们提出……”
先旧后新	从熟悉的信息过渡到陌生的信息	承接前文，再引入新内容
一个段落，一个功能	每段只表达一个要点	将包含多个要点的段落拆开
用动词表达行动	使用动词，而非名词化表达	❌ “我们进行了分析” → ✅ “我们分析了”
新信息之前先交代背景	先铺垫，再呈现内容	先解释，再展示公式

**完整的 7 条原则及详细示例：**参见 references/writing-guide.md

微观层面的技巧（Ethan Perez）

这些细微改动累积起来，能显著提升文字的清晰度：

• 尽量少用代词：❌ “这表明……” → ✅ “这一结果表明……”
• 尽早使用动词：将动词放在句子前部
• 展开所有格表达：❌ “X 的 Y” → ✅ “属于 X 的 Y”（在原表达显得别扭时）
• 删除填充词：“实际上”“有点”“非常”“真的”“基本上”“相当”“本质上”

**完整的微观技巧与示例：**参见 references/writing-guide.md

用词选择（Zachary Lipton）

• 具体明确：❌ “性能” → ✅ “准确率”或“延迟”（说清楚你的意思）
• 消除模糊措辞：除非确实存在不确定性，否则删掉“可能”和“可以”
• 避免渐进式词汇：❌ “结合”“修改”“扩展” → ✅ “开发”“提出”“引入”
• 删掉程度副词：❌ “提供非常紧密的近似” → ✅ “提供紧密的近似”

精确胜于简洁（Jacob Steinhardt）

• 术语一致：同一概念使用不同术语会造成困惑。选定一个术语并始终使用。
• 正式陈述假设：在定理之前，明确列出所有假设
• 直觉 + 严谨性：在给出形式化证明的同时提供直观解释

审稿人实际会读什么

了解审稿人的阅读习惯有助于你合理分配精力：

论文部分	阅读该部分的审稿人比例	启示
摘要	100%	必须做到尽善尽美
引言	90%+（略读）	尽早呈现贡献
图表	在方法之前审阅	图 1 至关重要
方法	仅在感兴趣时阅读	不要把重点埋得太深
附录	很少阅读	只放补充细节

简而言之：如果摘要和引言无法吸引审稿人，他们可能永远不会读到你出色的方法部分。

---

会议要求速查

会议	页数限制	终稿额外页数	关键要求
NeurIPS 2025	9 页	+0	必须填写清单；录用论文需提供通俗摘要
ICML 2026	8 页	+1	必须提交更广泛影响声明
ICLR 2026	9 页	+1	必须披露 LLM 使用情况，并参与互惠审稿
ACL 2025	8 页（长文）	不定	必须包含局限性章节
AAAI 2026	7 页	+1	严格遵守格式文件要求
COLM 2025	9 页	+1	聚焦语言模型

通用要求：

• 双盲评审（匿名提交）
• 参考文献不计入页数限制
• 附录页数不限，但审稿人没有义务阅读
• 所有会议均要求使用 LaTeX

LaTeX 模板： 所有会议模板请参见 templates/ 目录。

---

正确使用 LaTeX 模板

工作流 4：从模板开始撰写新论文

务必先复制整个模板目录，然后在其中撰写。

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

步骤 1：复制完整模板

# 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：请复制整个目录，而不只是 main.tex。模板包含：

• 样式文件（.sty）——编译所必需
• 参考文献样式文件（.bst）——处理参考文献所必需
• 示例内容——可供参考
• Makefile——便于编译

步骤 2：先确认模板能够编译

在进行任何更改之前，先按原样编译模板：

# Using latexmk (recommended)
latexmk -pdf main.tex

# Or manual compilation
pdflatex main.tex
bibtex main
pdflatex main.tex
pdflatex main.tex

如果未修改的模板无法编译，请先修复。常见问题：

• 缺少 TeX 宏包 → 通过 tlmgr install <package> 安装
• TeX 发行版不正确 → 使用 TeX Live（推荐）

步骤 3：保留模板内容供参考

不要立即删除所有示例内容，而应：

% 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}

步骤 4：逐节替换内容

系统地完成论文：

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

对于每个章节：

1. 阅读模板中的示例内容
2. 留意其中使用的特殊格式或宏
3. 遵循相同模式替换为你的内容
4. 经常编译，以便及早发现错误

步骤 5：使用模板宏

模板通常会定义实用的宏。检查导言区中的：

% 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}

步骤 6：最后再清理

仅在论文接近完成时移除模板遗留内容：

% 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

应避免的模板陷阱

陷阱	问题	解决方案
只复制 main.tex	缺少 .sty，无法编译	复制整个目录
修改 .sty 文件	破坏会议格式	绝不编辑样式文件
随意添加宏包	产生冲突，破坏模板	仅在必要时添加
过早删除模板内容	失去格式参考	完成前将其保留为注释
编译频率太低	错误会不断累积	每完成一个部分就编译一次

模板速查

会议	主文件	主要样式文件	备注
NeurIPS 2025	main.tex	neurips.sty	提供 Makefile
ICML 2026	example_paper.tex	icml2026.sty	包含算法宏包
ICLR 2026	iclr2026_conference.tex	iclr2026_conference.sty	提供 math_commands.tex
ACL	acl_latex.tex	acl.sty	格式要求严格
AAAI 2026	aaai2026-unified-template.tex	aaai2026.sty	合规要求非常严格
COLM 2025	colm2025_conference.tex	colm2025_conference.sty	与 ICLR 类似

---

会议重投稿与格式转换

如果论文被某个会议拒稿或撤稿后改投另一个会议，就需要转换格式。这是机器学习研究中的常见工作流。

工作流 3：在不同会议格式间转换

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

步骤 1：了解模板的主要差异

从 → 到	页数变化	主要调整
NeurIPS → ICML	9 → 8 页	缩减 1 页；如缺少 Broad Impact 部分，则添加该部分
ICML → ICLR	8 → 9 页	可扩充实验，并添加 LLM 使用披露
NeurIPS → ACL	9 → 8 页	按照 NLP 惯例重组内容，并添加局限性部分
ICLR → AAAI	9 → 7 页	需要大幅精简，并严格遵循样式要求
任意会议 → COLM	不定 → 9	调整论文定位，突出语言模型方向

步骤 2：迁移内容（不要合并模板）

**绝不要在不同模板间复制 LaTeX 前导部分。**应当：

# 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

步骤 3：调整页数限制

需要缩减页数时（例如，从 NeurIPS 的 9 页缩至 AAAI 的 7 页）：

• 将详细证明移至附录
• 精简相关工作（引用综述，而非逐一引用单篇论文）
• 将相似实验合并到统一的表格中
• 使用较小的图，并通过子图展示
• 精简行文：删除重复内容，使用主动语态

需要增加页数时（例如，从 ICML 的 8 页扩至 ICLR 的 9 页）：

• 添加审稿人要求的消融研究
• 利用新增篇幅进一步明确研究范围
• 纳入更多基线方法
• 添加定性示例

步骤 4：进行会议特定的调整

目标会议	必须添加的内容
ICML	Broader Impact 声明（结论之后）
ICLR	LLM 使用披露、相互审稿协议
ACL/EMNLP	局限性部分（必需）、伦理声明
AAAI	严格遵循样式文件（不得修改）
NeurIPS	论文检查清单（附录），录用后提供通俗易懂的摘要

步骤 5：更新参考文献

% 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

步骤 6：处理先前的审稿意见

拒稿后重新投稿时：

• 应当在新版本中回应审稿人的关切
• 应当补充审稿人要求的实验或说明
• 不要加入“与先前投稿相比的修改”部分（因为是匿名评审）
• 不要提及先前的投稿或审稿意见

常见的格式转换陷阱：

• ❌ 复制 \usepackage 命令（会导致冲突）
• ❌ 保留旧会议的页眉或页脚命令
• ❌ 忘记更新 \bibliography{} 路径
• ❌ 遗漏会议特定的必需章节
• ❌ 格式变更后超出页数限制

---

引用工作流（防止幻觉）

⚠️ 重要警告：AI 生成的引用错误率约为 40%。绝不要凭记忆编写 BibTeX。

黄金法则

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

工作流 2：添加引用

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

步骤 0：使用 Exa MCP 进行初步搜索（推荐）

如果已安装 Exa MCP，请使用它查找相关论文：

Search: "RLHF language model alignment 2023"
Search: "sparse autoencoders interpretability"
Search: "attention mechanism transformers Vaswani"

然后使用 Semantic Scholar 验证每条结果，并通过 DOI 获取 BibTeX。

步骤 1：搜索 Semantic Scholar

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')}")

步骤 2：验证论文是否存在

确认论文至少出现在两个来源中（Semantic Scholar + CrossRef/arXiv）。

步骤 3：通过 DOI 获取 BibTeX

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)

步骤 4：验证论述

在为特定论述添加引用之前，请访问论文并确认其中确实包含所归属的论述。

步骤 5：明确处理失败情况

如果在任何步骤都无法验证引用：

% 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].

务必告知科学家：

“我无法验证以下引用，并已将其标记为占位内容：

• Smith 等人 2023 年关于奖励作弊的论文——在 Semantic Scholar 中未找到
• Jones 2022 年关于缩放定律的论文——找到了一篇类似论文，但作者不同 请在提交前核实这些引用。”

总结：引用规则

情况	操作
找到论文、获取了 DOI 并取得 BibTeX	✅ 使用该引用
找到论文，但没有 DOI	✅ 使用 arXiv BibTeX 或根据论文手动填写
论文存在，但无法获取 BibTeX	⚠️ 标记为占位内容，并告知科学家
不确定论文是否存在	❌ 标记为 [CITATION NEEDED]，并告知科学家
“我觉得有一篇关于 X 的论文”	❌ 绝不引用——先搜索，或标记为占位内容

🚨 绝不要凭记忆生成 BibTeX——务必通过程序获取。🚨

完整的 API 文档请参见 references/citation-workflow.md。

---

常见问题及解决方案

问题：摘要过于笼统

如果第一句话可以放在任何一篇机器学习论文的开头，就删掉它。请从你的具体贡献开始。

问题：引言超过 1.5 页

将背景内容拆分到相关工作部分。把贡献要点放在前面。方法部分应在第 2–3 页开始。

问题：实验缺少明确论述

在每个实验前添加一句话：“此实验用于检验 [具体论述] 是否成立……”

问题：审稿人觉得论文难以理解

• 添加明确的引导语：“本节将展示 X”
• 全文使用一致的术语
• 添加独立成篇的图注

问题：缺少统计显著性

务必包含：

• 误差线（注明：标准差或标准误）
• 运行次数
• 比较不同方法时使用的统计检验

---

审稿人会检查什么，以及哪些内容不应放入论文

从审稿人的角度决定论文应包含哪些内容。就实验记录而言，机器学习审稿人会检查三点：

1. 测试数据是否影响了模型选择？ 用一句直白的话说明，选择模型、超参数或配置时完全没有使用测试数据。审稿人会留意这一点。期刊风格的措辞审查可能会认为这显得过于辩解。在这里保留一次，放在评估协议的说明中。
2. 结果能否复现？ 数据划分、超参数、随机种子和代码。在附录中用一句话说明如何构建数据划分即可（“通过对基因名称进行哈希来分配数据划分，因此可以重新生成”）。无需说明所用的哈希函数。随机种子值放在超参数表中，自助法设置在统计附录中说明一次即可。
3. 结论有多稳定？ 说明每个数值汇总了多少次运行，以及结果的波动程度。只训练过一次的组件会受到质疑。将此作为缺陷告知作者，不要用措辞回避。

以下内容不应纳入论文，或应改用其他形式：

内容	在机器学习会议上
预注册、预先指定、锁定、冻结	在机器学习领域很少见。无法核实的“预注册”会引起怀疑。可以写成“在开发集上选择配置，并在评估集上保持不变地应用”。
判定式句子（“如果 CI 不包含 0，则结果得到支持”“未满足标准”）	这是临床试验风格。报告均值或中位数及区间，让读者自行判断
根据后来用于评估的数据选择配置	贴上标签也无法弥补这一点。并列报告默认配置和选定配置的结果
“没有训练任何参数”或类似说法	这很有用，因为审稿人会问方法是否增加了参数。说明一次即可
内部治理信息、台账、文件路径	不应放入论文
“代码将在发表后发布”、匿名仓库链接	双盲评审的惯例。按会议指南中的措辞保留
可复现性声明、LLM 使用披露	大多数会议要求或期望提供。流程细节应放在此处，并遵循当年的指南

上传 arXiv 前，请记住 LaTeX 源文件会公开，包括其中的注释。使用 arxiv_latex_cleaner 或等效步骤清除注释、内部路径和备注，并检查清理后的源文件仍可编译。只提交 PDF 不会暴露这些内容，但作为补充材料上传的源文件或代码会暴露。

anti-defensive-writing 在处理会议论文时也遵循相同规则（其章节“会议决定哪些内容是关键”）。

---

审稿人评估标准

审稿人会从四个维度评估论文：

标准	审稿人关注点
质量	技术可靠性、论点有充分依据
清晰度	表述清晰，专家能够复现
重要性	对社区的影响、推动理解
原创性	新见解（不要求提出新方法）

评分（NeurIPS 6 分制）：

• 6：强烈接收 - 开创性、无瑕疵
• 5：接收 - 技术扎实、影响力大
• 4：边缘接收 - 整体扎实、评估有限
• 3：边缘拒绝 - 整体扎实，但缺点更多
• 2：拒绝 - 存在技术缺陷
• 1：强烈拒绝 - 已知结果或伦理问题

详细的审稿说明见 references/reviewer-guidelines.md。

---

表格和图表

表格

使用 booktabs LaTeX 软件包制作专业表格：

\usepackage{booktabs}
\begin{tabular}{lcc}
\toprule
Method & Accuracy ↑ & Latency ↓ \\
\midrule
Baseline & 85.2 & 45ms \\
\textbf{Ours} & \textbf{92.1} & 38ms \\
\bottomrule
\end{tabular}

规则：

• 每项指标的最佳值加粗
• 包含方向符号（↑ 越高越好，↓ 越低越好）
• 数值列右对齐
• 小数精度保持一致

图表

• 所有绘图和示意图均使用 矢量图形（PDF、EPS）
• 仅照片使用 栅格图像（PNG，600 DPI）
• 使用 色盲友好型调色板（Okabe-Ito 或 Paul Tol）
• 确认 灰度下仍清晰易读（8% 的男性有色觉缺陷）
• 图中不放标题——图注承担此功能
• 图注需独立完整——读者无需阅读正文即可理解

---

参考资料与资源

参考文档（深入探讨）

文档	内容
writing-guide.md	Gopen 和 Swan 的 7 项原则、Ethan Perez 的微观技巧、用词选择
citation-workflow.md	引用 API、Python 代码、BibTeX 管理
checklists.md	NeurIPS 的 16 项要求、ICML、ICLR、ACL 要求
reviewer-guidelines.md	评估标准、评分、答辩
sources.md	所有来源的完整参考书目

LaTeX 模板

templates/ 目录中的模板：ICML 2026、ICLR 2026、NeurIPS 2025、ACL/EMNLP、AAAI 2026、COLM 2025。

编译为 PDF：

• VS Code/Cursor：安装 LaTeX Workshop 扩展和 TeX Live → 保存即可自动编译
• 命令行：使用 latexmk -pdf main.tex，或采用 pdflatex + bibtex 工作流
• 在线：上传至 Overleaf

详细设置说明请参阅 templates/README.md。

主要外部来源

写作理念：

• Neel Nanda：如何撰写 ML 论文 - 叙事、“是什么／为什么／有何意义”
• Farquhar：如何撰写 ML 论文 - 五句话摘要
• Gopen 和 Swan：科学写作的科学 - 7 项读者预期原则
• Lipton：科学写作的启发式方法 - 用词选择
• Perez：轻松撰写论文的技巧 - 微观层面的清晰表达

API： Semantic Scholar | CrossRef | arXiv

会议： NeurIPS | ICML | ICLR | ACL