ml-paper-writing

面向顶级 AI 会议的机器学习论文写作

为投稿 NeurIPS、ICML、ICLR、ACL、AAAI、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。

对于系统领域会议（OSDI、NSDI、ASPLOS、SOSP），请使用 systems-paper-writing 技能。该技能提供段落级结构蓝图、写作模式、针对特定会议的检查清单，以及系统领域会议的 LaTeX 模板。

核心理念：协作写作

论文写作需要协作，但 Claude 应主动提供草稿。

典型工作流从一个包含代码、结果和实验材料的研究代码仓库开始。Claude 的职责是：

1. 了解项目：浏览代码仓库、结果和现有文档
2. 提交完整的初稿：对研究贡献有把握时，提供完整初稿
3. 检索文献：使用网页搜索和 API 查找相关引用
4. 根据反馈迭代完善：在科学家提供意见后进行修改
5. 仅在确实无法确定关键决策时请求澄清

关键原则：主动推进。如果代码仓库和结果都很清楚，就提交完整初稿。不要因为每个章节都等待反馈而停滞——科学家很忙。先提供具体内容供他们审阅，再根据反馈迭代。

---

⚠️ 重要：绝不捏造引用

这是 AI 辅助学术写作中最重要的规则。

问题所在

AI 生成的引用有 约 40% 的错误率。捏造的参考文献——例如不存在的论文、错误的作者、错误的年份或伪造的 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	凭记忆编写 BibTeX
不确定某篇论文	标记为 [CITATION NEEDED]	猜测参考文献
找不到确切的论文	注明：“占位符——需验证”	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，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，需进一步验证。我无法确认这些论文确实存在。”

推荐：安装 Exa MCP 以搜索论文

若要获得最佳的论文搜索体验，请安装 Exa MCP，它支持实时学术搜索：

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 年后发表的语言模型 RLHF 相关论文”
• “搜索 Vaswani 撰写的 Transformer 架构论文”
• “获取近期关于可解释性稀疏自编码器的研究”

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

---

工作流 0：从研究代码仓库开始

当用户提供的是代码仓库（结果、配置、日志），而不是论文草稿时，请按照 references/from-research-repo.md 中的代码仓库探索工作流，在写作前提取研究贡献、结果和现有引用。

何时使用此技能

在以下情况下使用此技能：

• 从研究代码仓库开始撰写论文
• 起草或修改特定章节
• 为相关工作查找并验证引用
• 为会议投稿排版
• 向不同会议重新投稿（格式转换）
• 根据科学家的反馈迭代修改草稿

请始终牢记：初稿是讨论的起点，而非最终成果。

主动性与协作之间的平衡

默认做法：主动推进。先交付草稿，再迭代。

信心程度	行动
高（仓库情况清晰，贡献显而易见）	撰写完整草稿，交付后根据反馈迭代
中（存在一些模糊之处）	撰写草稿并标出不确定之处，继续推进
低（存在重大未知因素）	提出 1-2 个有针对性的问题，然后撰写草稿

先写草稿，再连同草稿一起提问（而不是事先提问）：

部分	自主撰写草稿	随草稿标注
摘要	是	“将贡献概括为 X——如有需要，请调整”
引言	是	“着重强调了问题 Y——如有错误，请指正”
方法	是	“纳入了细节 A、B、C——请补充遗漏之处”
实验	是	“突出展示了结果 1、2、3——如有需要，请调整顺序”
相关工作	是	“引用了论文 X、Y、Z——请补充我遗漏的论文”

仅在以下情况暂停并请求输入：

• 目标投稿 venue 不明确（会影响页数限制和论述角度）
• 多种相互矛盾的论述角度看起来同样合理
• 结果似乎不完整或不一致
• 明确要求继续前先进行审阅

以下情况不要暂停：

• 措辞选择
• 章节顺序
• 展示哪些具体结果（做出选择，并标注）
• 引用是否完整（先根据已有信息撰写草稿，并注明缺漏）

---

叙事原则

最重要的核心见解：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、以证据为依据的技术故事，并得出读者关心的结论。

三大支柱（到引言结尾时必须清晰明确）：

支柱	描述	示例
是什么	在统一主题下提出 1-3 个具体的新颖主张	“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、用于区分不同假设的实验
那又如何	读者为何应该关注	与社区公认问题的关联

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）

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：用一句话明确贡献

此步骤需要科学家明确确认。

动笔前，请清晰阐述并确认：

• 论文的唯一贡献是什么？
• 你的工作带来了哪些此前不明显或不存在的内容？

“我建议将贡献概括为：‘[一句话]’。这是否抓住了你认为最重要的要点？是否需要调整侧重点？”

步骤 2：绘制图 1

图 1 值得特别关注——许多读者会直接跳到这里。

• 传达核心观点、方法或最有说服力的结果
• 使用矢量图形（绘图请使用 PDF/EPS）
• 编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% 的男性有色觉缺陷）

步骤 3：撰写摘要（五句公式）

摘自 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

删掉“大语言模型取得了巨大成功……”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 条贡献列表（双栏格式下每条最多 1–2 行）
• 清晰的问题陈述
• 简要的方法概述
• 方法部分最晚应从第 2–3 页开始

步骤 5：方法部分

确保他人能够复现：

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

步骤 6：实验部分

对每项实验，明确说明：

• 它支持什么主张
• 它与主要贡献有何关联
• 实验设置（细节见附录）
• 应观察什么：“蓝线显示了 X，这证明了 Y”

要求：

• 误差棒及其计算方法（标准差还是标准误）
• 超参数搜索范围
• 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

按方法分类，而非逐篇介绍：

良好示例：“一类工作采用 Floogledoodle 的假设 [refs]，而我们采用 Doobersnoddle 的假设，因为……”

不佳示例：“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提供此部分。反直觉的是，坦诚有助于论文：

• 审稿人收到的指示是，不应因坦诚承认局限性而扣分
• 先指出弱点，以预先回应批评
• 解释为何这些局限性不会削弱核心主张

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。

---

顶级机器学习会议的写作理念

references/writing-philosophy.md 介绍了句子层面的清晰度、用词、时间分配以及审稿人实际会阅读的内容。润色文字前请先阅读。

会议要求速查

ML/AI 会议

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	必须提供广泛影响声明
ICLR 2026	9 页	+1	必须披露 LLM 使用情况，需参与互惠评审
ACL 2025	8 页（长文）	不定	必须包含局限性章节
AAAI 2026	7 页	+1	严格遵循样式文件
COLM 2025	9 页	+1	聚焦语言模型

系统会议（OSDI、NSDI、ASPLOS、SOSP）：页数限制、模板、截止日期和投稿规则，请参阅 systems-paper-writing 技能。

通用要求：

• 双盲评审（投稿时需匿名）
• 参考文献不计入页数限制
• 附录页数不限，但评审者没有义务阅读
• 所有投稿场合均需使用 LaTeX

**LaTeX 模板：**所有会议模板请参阅 templates/ 目录。

---

使用 LaTeX 模板及在不同投稿场合之间转换

从捆绑模板开始撰写论文（工作流 4）、编译、模板常见陷阱，以及被拒稿后转换投稿场合（工作流 3）的内容，详见 references/latex-templates-and-conversion.md。请始终从 templates/ 复制完整的模板目录，而不要凭记忆编写 LaTeX 导言区。

引用工作流（防止幻觉）

⚠️ 关键提示：AI 生成的引用错误率约为 40%。切勿凭记忆编写 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 核实每条结果，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：核实论文是否存在

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：核实论述

若要为某个具体论述添加引用，请先查阅论文，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

如果在任何步骤中都无法核实引用：

% 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].

务必告知研究人员：

“我无法核实以下引用，因此已将它们标记为占位项：

• Smith 等人，2023 年，关于奖励黑客——在 Semantic Scholar 中找不到
• Jones，2022 年，关于缩放定律——找到了一篇类似论文，但作者不同 请在投稿前核实这些引用。”

总结：引用规则

情况	操作
找到论文、获取 DOI 并取得 BibTeX	✅ 使用该引用
找到论文，但没有 DOI	✅ 使用 arXiv BibTeX，或根据论文手动录入
论文存在，但无法获取 BibTeX	⚠️ 标记为占位项，并告知研究人员
不确定论文是否存在	❌ 标记为 [CITATION NEEDED]，并告知研究人员
“我记得有篇关于 X 的论文”	❌ 切勿引用——先搜索，或标记为占位项

🚨 切勿凭记忆生成 BibTeX——务必通过程序获取。🚨

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

---

故障排查、评审标准与图表

常见写作问题的故障排查、评审者评分标准，以及表格和图表规范，详见 references/issues-reviewers-figures.md。

参考资料与资源

参考文档（深入阅读）

文档	内容
writing-guide.md	Gopen 与 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 16 项清单、ICML、ICLR、ACL 要求
reviewer-guidelines.md	评估标准、评分、答辩回复
sources.md	所有来源的完整参考书目
from-research-repo.md	工作流 0：将代码仓库转化为论文
writing-philosophy.md	时间分配、清晰度、用词选择、审稿人会读什么
latex-templates-and-conversion.md	模板设置、编译、常见问题、会议格式转换
issues-reviewers-figures.md	常见问题、审稿标准、表格和图

LaTeX 模板

templates/ 目录中的模板：

• ML/AI：ICML 2026、ICLR 2026、NeurIPS 2025、ACL/EMNLP、AAAI 2026、COLM 2025
• 系统（OSDI、NSDI、ASPLOS、SOSP）：请参阅 systems-paper-writing 技能

编译为 PDF：

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

详细设置说明请参阅 templates/README.md。

重要外部来源

写作理念：

• Neel Nanda：如何撰写 ML 论文 - 叙事、“是什么／为什么／所以呢”
• Farquhar：如何撰写 ML 论文 - 五句摘要
• Gopen 与 Swan：科学写作之道 - 读者预期的 7 项原则
• Lipton：科学写作启发式方法 - 用词选择
• Perez：轻松撰写论文的小技巧 - 微观层面的清晰度

API： Semantic Scholar | CrossRef | arXiv

ML/AI 会议： NeurIPS | ICML | ICLR | ACL

系统会议： 有关 OSDI、NSDI、ASPLOS、SOSP 的链接和指南，请参阅 systems-paper-writing 技能

相关技能

• systems-paper-writing：为面向 OSDI、SOSP、ASPLOS、NSDI 和 EuroSys 的 10-12 页系统论文提供段落级结构蓝图。
• rebuttal-and-response-to-reviewers：规划并撰写同行评审回复，包括修改后重投时的期刊“审稿意见回复”信函，以及会议答辩回复 un…
• reproducibility-statement：准备论文中的可复现性、透明度和开放科学部分，包括数据与代码可用性声明、可复现性…