ml-paper-writing

面向顶级 AI 会议的机器学习论文写作

为面向 NeurIPS、ICML、ICLR、ACL、AAAI、COLM 投稿的论文提供专家级指导，助你写出可发表的论文。这项技能融合了顶尖研究人员（Nanda、Farquhar、Karpathy、Lipton、Steinhardt）的写作理念与实用工具：LaTeX 模板、引文核验 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，其中提供了段落级结构蓝图、写作模式、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。

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

1. 了解项目：浏览仓库、结果和现有文档
2. 交付完整的初稿：对贡献有把握时，提供完整草稿
3. 检索文献：使用网页搜索和 API 查找相关引文
4. 根据反馈迭代完善：科学家提供意见后进行修改
5. 仅在确实不确定关键决策时请求澄清

核心原则：积极主动。如果仓库和结果都很明确，就提交完整草稿。不要每个部分都等反馈才继续——科学家很忙。先产出具体内容供他们审阅，再根据回应迭代。

---

⚠️ 关键：绝不要捏造引文

这是使用 AI 辅助学术写作时最重要的规则。

问题

AI 生成的引文约有 40% 的错误率。捏造的参考文献——不存在的论文、错误的作者、不正确的年份、伪造的 DOI——属于严重的学术不端行为，可能导致论文被编辑拒稿或撤稿。

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
添加引文	搜索 API → 核验 → 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
找不到确切论文	注明：“占位内容——请核验”	编造一篇听起来相似的论文

无法核验引文时

如果无法通过程序核验引文，则必须：

% 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] 处引文标记为需要核验的占位内容。我无法确认这些论文是否存在。”

推荐：安装 Exa MCP 以搜索论文

为获得最佳论文搜索体验，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 支持以下搜索：

• “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”
• “查找近期有关可解释性稀疏自编码器的研究”

然后使用 Semantic Scholar API 核验结果，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

最关键的一点：你的论文不是实验的集合——而是一个故事，有且仅有一个明确的贡献，并由证据支撑。

每一篇成功的机器学习论文都围绕 Neel Nanda 所说的“叙事”展开：一个简短、严谨、基于证据的技术故事，并带有读者关心的核心结论。

三大支柱（必须在引言结束时清晰明了）：

支柱	描述	示例
是什么	在一个连贯主题下的 1-3 个具体新颖主张	“我们证明了 X 在条件 Z 下实现 Y”
为什么	支持主张的严谨经验证据	强基线、区分假设的实验
那又如何	为什么读者应该关心	与公认社区问题的联系

如果你无法用一句话陈述你的贡献，那你还算不上有一篇论文。

---

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。每一步都涉及起草 → 反馈 → 修订：

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。

在写任何内容之前，阐明并核实：

• 你的论文贡献的唯一一件事是什么？
• 在你的工作之前，什么是不明显或不存在的？

“我提议将贡献框定为：‘[一句话]’。这能捕捉到你所认为的主要结论吗？我们是否应该调整重点？”

步骤 2：起草图 1

图 1 值得特别关注——许多读者会直接跳到它。

• 传达核心思想、方法或最引人注目的结果
• 使用矢量图形（图表用 PDF/EPS）
• 编写独立于正文即可理解的图注
• 确保黑白可读性（8% 的男性有颜色视觉缺陷）

步骤 3：撰写摘要（5 句式公式）

来自 Sebastian Farquhar（DeepMind）：

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

删除诸如“大模型已取得显著成功……”之类的泛泛开头。

步骤 4：撰写引言（最多 1-1.5 页）

必须包含：

• 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
• 方法应最迟从第 2-3 页开始

步骤 5：方法部分

使重新实现成为可能：

• 概念大纲或伪代码
• 列出所有超参数
• 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

对于每个实验，明确说明：

• 它支持什么主张
• 它如何与主要贡献相关联
• 实验设置（细节放在附录）
• 要观察什么：“蓝线显示 X，这证明了 Y”

要求：

• 带有方法论的误差棒（标准差 vs 标准误）
• 超参数搜索范围
• 计算基础设施（GPU 类型、总小时数）
• 随机种子设置方法

步骤 7：相关工作

按方法论组织，而非逐篇论文：

好：“一条工作线使用 Floogledoodle 的假设 [refs]，而我们使用 Doobersnoddle 的假设，因为……”

差：“Snap 等人引入了 X，而 Crackle 等人引入了 Y。”

慷慨引用——审稿人很可能撰写了相关论文。

步骤 8：局限性部分（必需）

所有主要会议都要求此部分。反直觉的是，诚实有帮助：

• 审稿人被指示不要因诚实承认局限性而扣分
• 通过首先识别弱点来预防批评
• 解释为什么局限性不会削弱核心主张

步骤 9：论文清单

NeurIPS、ICML 和 ICLR 都要求论文清单。参见 references/checklists.md。

---

顶级 ML 会议的写作哲学

本节提炼了来自顶尖 ML 研究者最重要的写作原则。 这些并非可选的风格建议——它们正是被录用的论文与被拒稿的论文之间的区别所在。

“一篇论文是一个简短、严谨、基于证据的技术故事，并带有读者关心的要点。” —— Neel Nanda

本指南背后的来源

本技能综合了在顶级会议上发表大量论文的研究者的写作哲学：

来源	关键贡献	链接
Neel Nanda（Google DeepMind）	叙事原则、What/Why/So What 框架	How to Write ML Papers
Sebastian Farquhar（DeepMind）	5 句话摘要公式	How to Write ML Papers
Gopen & Swan	读者预期的 7 条原则	Science of Scientific Writing
Zachary Lipton	用词选择、消除模糊措辞	Heuristics for Scientific Writing
Jacob Steinhardt（UC Berkeley）	精确性、术语一致性	Writing Tips
Ethan Perez（Anthropic）	微观层面的清晰性技巧	Easy Paper Writing Tips
Andrej Karpathy	聚焦单一贡献	各类讲座

如需深入了解其中任何一项，请参见：

• references/writing-guide.md - 完整解释与示例
• references/sources.md - 完整参考书目

时间分配（来自 Neel Nanda）

在以下每一项上花费大致相等的时间：

1. 摘要
2. 引言
3. 图表
4. 其余所有内容合计

为什么？ 大多数审稿人在读到你的方法之前就已形成判断。读者接触你论文的顺序是：标题 → 摘要 → 引言 → 图表 → 也许还有其余部分。

写作风格指南

句子层面的清晰性（Gopen & Swan 的 7 条原则）

这些原则基于读者实际处理文章的方式。违反它们会迫使读者将认知精力花在结构上，而不是内容上。

原则	规则	示例
主语-动词相邻	让主语和动词保持靠近	❌ “The model, which was trained on..., achieves” → ✅ “The model achieves... after training on...”
强调位置	将强调放在句末	❌ “Accuracy improves by 15% when using attention” → ✅ “When using attention, accuracy improves by 15%”
主题位置	先放背景，再放新信息	✅ “Given these constraints, we propose...”
先旧后新	熟悉的信息 → 不熟悉的信息	先向后链接，再引入新内容
一个单元，一个功能	每段只表达一个观点	拆分包含多个观点的段落
动作在动词中	使用动词，而非名词化表达	❌ “We performed an analysis” → ✅ “We analyzed”
新内容前先给背景	在呈现之前先做好铺垫	先解释，再展示公式

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

微观技巧（Ethan Perez）

这些细微调整累积起来，能让文字清晰许多：

• 尽量少用代词：❌ “This shows...” → ✅ “This result shows...”
• 尽早使用动词：将动词放在句子开头附近
• 展开所有格表达：❌ “X's Y” → ✅ “The Y of X”（表达生硬时）
• 删去填充词：“actually,” “a bit,” “very,” “really,” “basically,” “quite,” “essentially”

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

选词（Zachary Lipton）

• 表述具体：❌ “performance” → ✅ “accuracy” 或 “latency”（明确表达你的意思）
• 避免含糊其辞：除非确实存在不确定性，否则删去 “may” 和 “can”
• 避免渐进式词汇：❌ “combine,” “modify,” “expand” → ✅ “develop,” “propose,” “introduce”
• 删去程度副词：❌ “provides very tight approximation” → ✅ “provides tight approximation”

精确胜于简洁（Jacob Steinhardt）

• 术语保持一致：用不同术语描述同一概念会造成混淆。选定一种说法并始终使用。
• 正式陈述假设：在定理之前，明确列出所有假设
• 兼顾直觉与严谨性：在形式化证明之外，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，有助于合理安排精力：

论文部分	阅读该部分的审稿人占比	启示
摘要	100%	必须做到完美
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

总之：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

机器学习 / AI 会议

会议	页数限制	终稿额外页数	主要要求
NeurIPS 2025	9 页	+0	必须填写检查清单，录用论文需提供通俗摘要
ICML 2026	8 页	+1	必须提供更广泛影响声明
ICLR 2026	9 页	+1	必须披露大模型使用情况，实行互惠评审
ACL 2025	8 页（长文）	不定	必须设置局限性章节
AAAI 2026	7 页	+1	必须严格遵循样式文件
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见 systems-paper-writing 技能。

通用要求：

• 双盲评审（投稿稿件需匿名处理）
• 参考文献不计入页数限制
• 附录不限页数，但审稿人没有义务阅读
• 所有投稿会议均要求使用 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：基于模板开始撰写新论文

务必先复制整个模板目录，再在其中撰写。

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：复制整个目录，而不只是 main.tex。模板包括：

• 样式文件（.sty）——编译所必需
• 参考文献样式（.bst）——参考文献所必需
• 示例内容——可用作参考
• Makefile——便于编译

步骤 2：先确认模板可以编译

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

步骤 3：保留模板内容以供参考

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

系统地撰写论文：

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. 按照相同模式替换为自己的内容
4. 经常编译，以便尽早发现错误

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

等论文接近完成时，再移除模板遗留内容：

% 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

需要避免的模板陷阱

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	切勿编辑样式文件
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
未经常编译	错误不断累积	每完成一节后编译

模板速查

ML/AI 会议

会议	主文件	关键样式文件	备注
NeurIPS 2025	main.tex	neurips.sty	带有 Makefile
ICML 2026	example_paper.tex	icml2026.sty	包含算法宏包
ICLR 2026	iclr2026_conference.tex	iclr2026_conference.sty	带有 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

系统会议模板（OSDI、NSDI、ASPLOS、SOSP）：请参阅 systems-paper-writing 技能。

---

会议重新投稿与格式转换

论文被某个投稿渠道拒稿或撤回后，若要改投其他渠道，则需要转换格式。这是 ML 研究中的常见工作流。

工作流 3：在不同会议格式之间转换

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：模板的关键差异

ML/AI 论文转换

From → To	页面变化	主要调整
NeurIPS → ICML	9 → 8 页	缩减 1 页，若缺少 Broader Impact，则添加
ICML → ICLR	8 → 9 页	可扩展实验，添加 LLM 使用披露
NeurIPS → ACL	9 → 8 页	按 NLP 惯例重组，添加 Limitations
ICLR → AAAI	9 → 7 页	需要大幅删减，严格遵循格式要求
Any → COLM	不定 → 9 页	调整框架，聚焦语言模型

ML → 系统论文转换：转换为 OSDI、NSDI、ASPLOS 或 SOSP 时，请参阅 systems-paper-writing 技能，了解格式转换指南、模板和结构差异。

步骤 2：迁移内容（而非合并模板）

切勿在不同模板间复制 LaTeX 导言区。 请改为：

# 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

缩减页数时（例如 NeurIPS 9 → AAAI 7）：

• 将详细证明移至附录
• 精简相关工作（引用综述，而非单篇论文）
• 将相似实验合并到统一表格中
• 使用较小的图，并采用子图
• 精简行文：删除冗余内容，使用主动语态

扩充篇幅时（例如 ICML 8 → ICLR 9）：

• 添加审稿人要求的消融研究
• 扩展局限性讨论
• 纳入更多基线
• 添加定性示例

步骤 4：针对会议的调整

ML/AI 会议

目标会议	必须添加的内容
ICML	Broader Impact Statement（置于结论之后）
ICLR	LLM 使用披露、互惠评审协议
ACL/EMNLP	Limitations 部分（必需）、Ethics Statement
AAAI	严格遵循样式文件（不得修改）
NeurIPS	论文检查清单（附录）、录用后提供通俗摘要

系统会议（OSDI、NSDI、ASPLOS、SOSP）：请参阅 systems-paper-writing 技能，了解各会议的具体要求、检查清单和审稿人指南。

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：处理先前的评审意见

被拒后重新投稿时：

• 应在新版本中回应审稿人的关切
• 应添加审稿人要求的实验或说明
• 不要加入“与先前投稿的改动”部分（双盲评审）
• 不要提及先前的投稿或评审意见

常见的转换陷阱：

• ❌ 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
• ❌ 遗漏会议要求的特定章节
• ❌ 更改格式后超出页数限制

---

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

确认至少有两个来源（Semantic Scholar + CrossRef/arXiv）收录该论文。

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

引用论文来支持特定论述前，请查阅论文并确认其中确实包含所归于它的论述。

步骤 5：明确处理验证失败的情况

如果在任何步骤都无法核实引用：

% 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：

“以下引用无法核实，我已将其标记为占位内容：

• Smith 等人 2023 年关于 reward hacking 的论文——在 Semantic Scholar 中未找到
• Jones 2022 年关于 scaling laws 的论文——找到了一篇相似论文，但作者不同 请在投稿前核实这些内容。”

总结：引用规则

情况	操作
找到论文、获取 DOI、检索 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，但无法检索 BibTeX	⚠️ 标记占位符，告知科学家
不确定论文是否存在	❌ 标记 [CITATION NEEDED]，告知科学家
“我觉得有一篇关于 X 的论文”	❌ 绝不要引用——先搜索，或标记占位符

🚨 绝不要凭记忆生成 BibTeX——务必通过程序检索。 🚨

完整的 API 文档请参阅 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 ML 论文前面，就删除它。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。把贡献要点前置。方法部分应从第 2–3 页开始。

问题：实验缺少明确论断

在每个实验之前添加一句话：“本实验旨在检验 [具体论断] 是否成立……”

问题：审稿人觉得论文难以理解

• 添加明确的指引语：“在本节中，我们展示 X”
• 全文使用一致的术语
• 添加无需正文辅助也能理解的图注

问题：缺少统计显著性

务必提供：

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

---

审稿人评估标准

审稿人从四个维度评估论文：

标准	审稿人关注点
质量	技术可靠性、论断有充分依据
清晰度	行文清楚，专家能够复现
重要性	对学术界的影响、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——具有开创性、毫无缺陷
• 5：接收——技术扎实、影响力大
• 4：边缘接收——内容扎实，但评估有限
• 3：边缘拒稿——内容扎实，但缺点更多
• 2：拒稿——存在技术缺陷
• 1：强烈拒稿——已有结果或存在伦理问题

详细的审稿人说明请参阅 references/reviewer-guidelines.md。

---

表格和图

表格

使用 booktabs LaTeX 宏包制作专业表格：

\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
• 小数位数保持一致

图

• 所有图表和示意图均使用矢量图形（PDF、EPS）
• 仅照片使用栅格图（PNG 600 DPI）
• 使用色盲友好的调色板（Okabe-Ito 或 Paul Tol）
• 确认灰度下仍清晰可读（8% 的男性存在色觉缺陷）
• 图中不要放标题——图注承担此功能
• 图注应独立完整——读者无需阅读正文即可理解

---

引用 AI Research Skills

如果这个资源库对你的研究有所帮助——无论是用于训练流程、评估、论文撰写还是其他技能——请考虑在致谢或参考文献中引用：

@software{ai_research_skills,
  title     = {AI Research Skills Library},
  author    = {{Orchestra Research}},
  year      = {2025},
  url       = {https://github.com/orchestra-research/AI-research-SKILLs},
  note      = {Open-source skills library enabling AI agents to autonomously conduct AI research}
}

也欢迎在致谢部分简要提及：

\section*{Acknowledgments}
We used the AI Research Skills Library~\cite{ai_research_skills} for [experiment orchestration / evaluation / ...].

---

参考资料与资源

参考文档（深入介绍）

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

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。

重要外部资料

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 & Swan：科学写作的科学 - 七项读者预期原则
• Lipton：科学写作的启发式方法 - 词语选择
• Perez：轻松撰写论文的技巧 - 微观层面的清晰表达

API： Semantic Scholar | CrossRef | arXiv

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