mcpField
C
conference-writing-adapter

conference-writing-adapter

github.com/a-green-hand-jack文档处理47 次安装
代码仓库

关于 conference-writing-adapter

面向 ML/AI 研究者的会议写作技能,可依据目标会议的写作惯例诊断并改写现有论文,同时保持论点与证据一致。它强调学习会议范例和审稿视角,不代替实验或投稿合规检查。

主要功能

  1. 01诊断论文结构与类型
  2. 02制定会议定制改写计划
  3. 03改写论文各章节
  4. 04分析会议论文范例
  5. 05维护可复用的会议写作知识

适用场景

  1. 01投稿前规划论文结构
  2. 02按目标会议重写摘要和引言
  3. 03借鉴已录用论文的写作模式
  4. 04识别论点缺少证据之处

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/a-green-hand-jack/ml-research-skills --skill conference-writing-adapter

安装后在 Claude Code 中输入/conference-writing-adapter确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

references/
conference-profiles.md
exemplar-analysis.md
memory-model.md
paper-archetypes.md
paragraph-protocol.md
quality-gates.md

详细介绍

会议论文写作适配器

根据目标机器学习/AI 会议的写作惯例、审稿人预期和论文类型,调整现有研究论文。目标是让合适的审稿人更容易理解、信任并支持论文,同时不编造缺乏依据的主张或新的实验结果。

在以下场景中使用此技能:

  • 投稿前诊断论文结构
  • 制定会议专属的改写计划
  • 改写摘要、引言、方法、实验、局限性和相关工作
  • 根据投稿会议调整图表叙事、视觉风格和结果呈现
  • 为现有初稿制定段落级大纲
  • 借鉴目标会议上已录用、口头报告、Spotlight、最佳论文或讨论度较高的论文
  • 积累关于会议偏好和成功论文模式的可复用知识

不要用此技能代替开展实验、证明主张或检查最终投稿是否合规。请将其与 submit-paper 搭配使用,进行最终就绪检查;如果论文存在证据缺口,则与实验技能搭配使用。如果主要问题在于图表的主张支撑、风格、图注或视觉编码是否达到论文要求,请使用 figure-results-review。

如果改写会改变论文主张、章节结构、图表作用、写作风险或实验行动,请将此技能与 research-project-memory 搭配使用。

技能目录结构

<installed-skill-dir>/
├── SKILL.md
└── references/
    ├── conference-profiles.md
    ├── exemplar-analysis.md
    ├── memory-model.md
    ├── paper-archetypes.md
    ├── quality-gates.md
    └── paragraph-protocol.md

渐进式加载

  • 始终阅读 references/paper-archetypes.md 和 references/paragraph-protocol.md。
  • 用户指定目标会议或要求比较不同会议时,阅读 references/conference-profiles.md。
  • 任务涉及借鉴目标会议已录用、口头报告、Spotlight、最佳论文或其他优秀论文时,阅读 references/exemplar-analysis.md。
  • 最终确定改写计划或改写章节之前,阅读 references/quality-gates.md。
  • 借鉴已录用论文、保存会议知识或复用既有知识时,阅读 references/memory-model.md。
  • 如果目标会议的规则可能影响写作或格式,请在会议官网核实当前的官方说明。对于页数限制、核对清单要求、匿名要求、补充材料规则或伦理/影响要求,不要只依赖记忆。

核心原则

  • 优化审稿人的理解,而不是追求华丽文风。好的论文能让人轻松评估其贡献、证据和局限性。
  • 改写前先确定论文类型。方法论文、基准论文、理论论文、数据集论文、系统论文和实证研究需要不同的叙事框架。
  • 借鉴会议范例。对于目标会议,在条件允许时查看已录用、口头报告、Spotlight 和最佳论文范例,并提炼可复用的写作模式,而不是照抄文本。
  • 确保每个段落各司其职。每段都应有一项面向审稿人的任务:说明动机、指出空白、陈述见解、定义方法组件、支持主张、预先回应疑虑、解读证据或界定范围。
  • 不得编造证据。如果论文需要开展尚未完成的实验、消融研究、定理证明、用户研究或分析,应将其标记为写作阻碍,并建议如何表述当前局限。
  • 保留用户的科学意图。在不超出现有证据的前提下,改善论文定位、结构和清晰度,不改变其底层主张。

步骤 1 - 定义改编任务

确认:

  • 目标会议和年份(如已知)
  • 投稿赛道(如适用)
  • 当前论文格式:LaTeX 源文件、PDF、Markdown 草稿、大纲或笔记
  • 期望输出:诊断、改写计划、段落蓝图、改写某一节、通篇修改,或会议信息说明
  • 论文阶段:构思、早期草稿、完整草稿、rebuttal 修改、最终定稿
  • 是否可以访问互联网,或是否提供了示例论文

如果用户只提到会议名称并提供了草稿,默认执行以下任务:

  1. 诊断论文类型
  2. 将论文与目标会议的预期进行比较
  3. 制定章节级和段落级改写计划
  4. 如果草稿包含足够的依据,则改写摘要和引言

步骤 2 - 收集论文证据

优先查阅论文草稿文件和笔记,而不是依赖记忆。

查找:

  • main.tex、paper.tex、sections/*.tex、*.bib、README.md、docs/、notes/
  • 标题、摘要、引言、贡献列表
  • 图和表,尤其是主要结果图
  • 现有视觉风格选择:配色、标记、符号、字体大小、线宽、图尺寸和表格惯例
  • 方法主张、假设、定理陈述或系统设计
  • 实验设置、基线、消融实验、数据集、指标、定性示例
  • 局限性、更广泛影响、伦理、检查清单和附录

将论文整理成以下工作摘要:

## Paper Snapshot
- Current title:
- Target venue:
- Claimed contribution:
- Core technical idea:
- Primary evidence:
- Strongest result:
- Most likely reviewer concern:
- Missing or weak evidence:
- Current structure:

如果草稿尚不完整,不足以进行改写,则应提供结构计划和缺失证据清单,而不是假装论文已准备就绪。

步骤 3 - 了解目标会议的偏好

阅读 references/conference-profiles.md,再结合当前证据进行完善。 如果要参考多篇示例论文,请阅读 references/exemplar-analysis.md,并在建议改写策略前制作简明的风格矩阵。

优先使用以下来源:

  • 会议官方征稿启事和作者指南
  • 已接收、口头报告、spotlight、最佳论文名单
  • OpenReview 页面;如果可见页面由客户端渲染,则使用 API、导出的数据或用户提供的 PDF
  • 论文集页面和官方 PDF
  • 审稿指南、检查清单要求和领域说明

使用 OpenReview 时:

  • 群组页面可能会在客户端加载评审记录,而静态 HTML 中只显示 “Loading”。
  • 如果无法直接获取页面内容,请使用 OpenReview API 端点、会议官方接收论文导出文件、搜索结果,或用户提供的链接/PDF。
  • 优先关注状态为口头报告、spotlight、知名论文、获奖论文或评审关注度较高的论文,但也要纳入不同类型的论文,而不只是最知名的论文。

从示例论文中提炼以下模式:

  • 论文类型
  • 标题风格
  • 摘要结构
  • 引言的展开顺序
  • 核心主张出现的位置
  • 贡献的列举方式
  • 方法阐述的详略程度
  • 实验叙述顺序
  • 图表作用
  • 视觉风格:配色、排版、符号惯例、图表密度、图注风格和表格紧凑程度
  • 局限性的处理方式
  • 对审稿人疑虑的预先回应

不要照搬示例论文的措辞,而应提炼其中的模式。

步骤 4 - 诊断论文类型

阅读 references/paper-archetypes.md,并对用户的草稿进行分类。

选择一个主要类型,也可以选择次要类型:

  • method:新算法、架构、目标函数、训练方案、推理流程或理论方法
  • empirical-study:关于模型、数据、规模扩展、评估或失效模式的系统性发现
  • benchmark-dataset:新数据集、任务、基准、协议或评估套件
  • theory:以定理为主导,包含形式化假设、保证或不可能性结果的论文
  • systems:基础设施、服务部署、训练、工具、编译器、数据流水线或大规模工程方面的贡献
  • analysis:可解释性、诊断、因果或机制分析
  • application:在要求严格的场景中,凭借机器学习适配和相关证据取得显著领域成果的论文

然后判断当前投稿场所是否偏好此类型,以及最适合采用哪种风格变体。

步骤 5 - 构建面向审稿人的叙事

重写前先撰写叙事诊断:

## Venue Fit Diagnosis
- Target venue:
- Paper archetype:
- Best-fit style:
- Reviewer promise:
- Main tension:
- What must be obvious by the end of page 1:
- What must be proven by experiments/theory:
- Main figure/table role and visual style:
- What should move to appendix:
- Writing risks:

“审稿人承诺”是审稿人读完引言后应当能够说出的一句话:

这篇论文很重要,因为[问题];它值得被接收,因为[具体贡献]得到了[具体证据]的支持。

步骤 6 - 制定分节重写计划

对于标准的机器学习会议论文,规划以下部分:

  • 标题
  • 摘要
  • 引言
  • 背景或问题设置
  • 方法 / 方案 / 理论 / 基准设计
  • 实验 / 评估
  • 分析 / 消融实验 / 讨论
  • 相关工作
  • 局限性 / 伦理 / 更广泛的影响
  • 附录 / 补充材料

对于每个部分,说明:

  • 部分任务
  • 目标篇幅或页数预算
  • 必要论点
  • 必要证据
  • 应包含的段落
  • 应删减或移至其他位置的材料
  • 针对投稿场所的注意事项
  • 当该部分依赖视觉证据时,图表的作用和视觉风格限制

如果涉及官方页数限制,请核实最新规则并注明来源。

步骤 7 - 制定段落级蓝图

阅读 references/paragraph-protocol.md。

对于每个重要段落,输出:

### [Section] P[N]
- Function:
- Reader question answered:
- Claim:
- Evidence or support:
- Opening move:
- Closing move:
- Keep:
- Cut or move:
- Risk if weak:

摘要、引言、方法概述、主要实验设置和结果解读尤其要达到这一详细程度。

步骤 8 - 重写文本

重写时,保留内容的可追溯性:

  • 仅重写证据充分的部分。
  • 论点的强度不得超过论文证据所能支持的程度。
  • 对缺失事实使用明确的占位符,例如 [INSERT MAIN RESULT: metric, baseline, dataset]。
  • 使用具体的名词和动词,避免夸大。
  • 以“论点加证据”的方式陈述贡献,避免空泛地宣称新颖性。
  • 添加面向审稿人的过渡语,说明下一节为何必要。

对于 LaTeX 项目,只编辑最相关的文件。除非用户要求,否则不要重组整个源代码树。

步骤 9 - 执行质量关卡

在敲定计划或重写部分前,阅读 references/quality-gates.md。

至少检查以下方面:

  • 投稿场所契合度:结构和语气应符合目标投稿场所,而非采用通用的机器学习写作风格
  • 论文类型契合度:所选论文结构应与实际贡献相符
  • 论点与证据的一致性:每个主要论点都有证据支持,或明确标记为待补充
  • 段落功能:每个重要段落都应承担一个面向审稿人的任务
  • 答辩准备度:在正文中预先回应明显的质疑,或明确标出
  • 可复现性和假设:明确列出规则、假设和对附录内容的承诺

若未通过某项关卡,请在返回结果前修改一次。若因缺少证据仍未通过,请报告阻碍因素,而不要掩盖问题。

步骤 10 - 更新写作记忆

阅读 references/memory-model.md。

当任务涉及研究目标会议的范例,或用户明确希望知识得以留存时:

  1. 在 .agent/conference-writing/ 下创建或更新项目本地记忆
  2. 将会议观察记录添加到 .agent/conference-writing/venues/<venue>.md
  3. 将范例笔记添加到 .agent/conference-writing/exemplars/<venue>-<year>.md
  4. 将可复用的决策添加到 .agent/conference-writing/project-style.md

记忆条目必须区分:

  • 从具体论文中观察到的模式
  • 对会议偏好的推断
  • 当前论文的决策
  • 尚未解决的问题

除简短标题、书目信息和简要转述的笔记外,不要存储受版权保护的论文文本。

如果项目使用 research-project-memory,还要更新:

  • memory/claim-board.md:修订后的论点措辞、论文位置,以及应删除或弱化的无依据论点
  • memory/evidence-board.md:图表的作用,以及改写章节引用的证据条目
  • memory/risk-board.md:写作、定位、会议契合度和证据缺口方面的风险
  • memory/action-board.md:写作过程中发现的缺失实验、引文核查、章节改写或图表更新事项
  • paper/.agent/paper-status.md:章节映射、段落级决策,以及过时的图表
  • paper/.agent/visual-style.md 或 .agent/conference-writing/project-style.md:面向会议的图表风格决策,包括配色、符号、排版和表格规范

记忆中的论点不得超出论文现有证据所能支持的范围。

输出格式

仅诊断
# Conference Writing Diagnosis
## Paper Snapshot
## Venue Fit Diagnosis
## Archetype Classification
## Main Reviewer Risks
## Recommended Rewrite Strategy
改写计划
# [Venue] Rewrite Plan
## Paper Snapshot
## Venue Pattern Summary
## Narrative Strategy
## Section-Level Plan
## Paragraph-Level Blueprint
## Evidence Gaps
## Appendix / Page-Budget Plan
## Memory Updates
改写后的章节
# Rewritten [Section Name]
## Before/After Intent
## Draft Text
## Remaining Placeholders
## Why This Fits [Venue]

最终检查

定稿前:

  • 明确写出目标会议和年份
  • 如果页数限制或强制章节要求很重要,核实当前会议规则
  • 对范例归纳出的观察应以转述形式呈现,并标明大致出处
  • 写明用户论文的类型
  • 蓝图中的每个段落都有明确的、面向审稿人的作用
  • 已执行质量检查,并报告未通过的检查项
  • 将无依据的论点标记为缺口
  • 如有记忆更新,确认已写入项目本地文件

评论

支持 Markdown