paper-review

论文审阅

在提交前系统性地自我审阅学术论文，分为 三轮：对抗式精读、清单检查（5 个方面、反向提纲、图表质量），以及机械一致性扫描和实验方案审计。最后准备答辩回复。

何时使用此技能

• 用户想在提交前审阅或检查论文草稿
• 用户希望获得有关论文质量或完整性的反馈
• 用户想为应对审稿人的潜在批评做准备
• 用户提到“审阅论文”“检查我的草稿”“自我审阅”

如果用户已收到审稿意见，需要撰写答辩回复，请改用 paper-rebuttal 技能。

前提条件

开始审阅前，请确认 paper-writing 交接清单已满足：所有章节均已起草，论点均有证据支撑，包含局限性章节，图表已定稿，且没有未解决的 \todo{} 标记。如果有任何一项未完成，请先完成写作再审阅。

---

如何进行审阅：三轮

按以下顺序分三轮分别进行审阅，并仅在最后合并发现。不要从清单开始：清单会让你只注意其中列出的问题，而审阅中导致论文被拒的缺陷，往往是清单上没有任何问题能指出的。

第 1 轮——对抗式精读（不看清单）

在查阅本技能的任何清单之前，先以持怀疑态度的专家审稿人身份，从头到尾通读论文。阅读时追踪各章节之间的关联：

• 证据是否确实支持提出该论点的位置上的每个论点？
• 研究设定中提出的假设，之后是否重新审视过，还是被悄然违背了？
• 正文中的数字是否与表格一致？结论是否兑现了摘要中的承诺？
• 该方法能否适用于论文中确切设定之外的情境？

记下所有疑点及其位置，包括尚无法证实的疑点——如何措辞和标记，请参阅下文的“审慎标注疑点”。这一轮会揭示隐藏的跨章节缺陷；任何清单都无法取而代之。

第 2 轮——清单检查

现在检查结构化材料：5 个方面的清单、反直觉的实验方案、反向提纲，以及图表和结论检查。这一轮有助于扩大覆盖范围，并发现已知的常见失败模式。

第 3 轮——机械扫描和实验方案审计

明确执行实验方案审计和机械一致性扫描（均见下文），使用源文件进行搜索和交叉引用。扫描是搜索问题，审计则是逐行重建研究设定；二者命中率都很高，而单靠“仔细阅读”不会自动触发这些检查。

合并

汇总三轮的所有发现并去重。根据下方的置信度规则，即使第 1 轮发现的疑点没有任何清单条目对应，也仍须保留——去重只会移除重复项，不会消除疑虑。

报告发现：校准怀疑

审查发现包含两类陈述，各自遵循不同规则：

• 关于论文的事实性断言——表格包含什么内容、某个章节写了什么、是否存在或缺少某项内容。这些必须可核实：断言前先检查文本，并将发现锚定到确切位置或简短引文。切勿声称论文写了它实际上没有写的内容——一条捏造的批评所损失的可信度，远超十条有效批评所能带来的收益。
• 怀疑和判断——“这些提升可能处于随机种子噪声范围内”“这一假设在实际部署中似乎不切实际”。这些是允许的，而且值得鼓励，即使置信度较低也不例外。应如实表述：说明怀疑，标明置信度，并指出什么证据可以解决疑问（“未报告方差；使用 3 个随机种子即可确认”）。

不要因为无法证明某个怀疑就将其压下。在自我审查中，一个被掩盖而留给真实审稿人的缺陷，代价远高于提出后又被排除的怀疑。精确性要求适用于事实，不适用于疑虑。

---

完美主义方法

力求完美：审查自己的论文，考虑审稿人可能提出的每个问题，并逐一解决。

应对负面审稿意见的最佳方式是进行彻底的自我审查：

1. 对抗式审查：像挑剔的审稿人一样阅读自己的论文
2. 征求导师反馈：请导师审阅——反馈越多越好
3. 解决所有问题：对发现的每个潜在弱点，要么修正，要么准备好辩护

反直觉审查流程

在最终润色前执行此流程：

1. 先模拟拒稿：先强迫自己写一段拒稿总结，再写任何正面评价。
2. 删掉一条缺乏依据的强论断：如果一条强论断缺乏直接证据，就将其删除，而不是为它辩护。
3. 评估可信度，而不只看提升幅度：提升略低但公平性和可复现性更高的论文，往往能获得更好的审稿结果。
4. 明确提出一项局限：将一项有意义的局限从内部笔记移入论文；保持透明可以增强信心。
5. 质疑新颖性主张：问问自己：“优秀的博士生能否在一个下午内推导出这个想法？”如果可以，就缩小并强化新颖性陈述。

参见 references/counterintuitive-review.md

---

5 个方面的自我审查清单

方面 1：贡献是否充分

论文没有为读者提供新知识。

通过以下问题评估贡献是否充分：

• 失败案例是否常见？ 如果失败案例频繁且显而易见，审稿人可能会质疑该方法是否已达到发表要求。
• 所提出的技术是否已被充分探索？ 如果该技术已得到广泛研究，我们带来了什么新的见解或改进？
• 改进是否可预见／众所周知？ 如果结合已知想法就能预见这种改进，新颖性可能会受到质疑。
• 该技术是否过于简单直接？ 对现有技术的简单直接应用可能缺乏足够的贡献。

危险信号：如果以上任一项的答案为“是”，就应强化贡献论述，或增加更多技术深度。

方面 2：写作清晰度

缺少技术细节，无法复现；方法模块缺乏设计动机。

• 缺少技术细节？ 读者能否仅凭论文复现该方法？
• 缺少模块设计动机？ 方法部分中的每个模块是否都解释了其存在的原因，而不只是说明其作用？
• 段落结构：每个段落是否都有明确的主题？首句是否阐明了要点？
• 行文逻辑：段落和章节之间的逻辑衔接是否流畅？
• 术语：全文是否始终如一地使用术语？

危险信号：如果方法能否复现存疑，请补充实现细节或材料。

方面 3：实验结果质量

仅比以往方法略好；或者虽然优于以往方法，但仍不够好。

• 提升幅度有限？ 如果相较于 SOTA 的提升很小，是否具有统计显著性？
• 绝对质量不足？ 即使优于基线，输出质量是否足以满足应用需求？
• 视觉质量：定性结果是否令人信服？改进是否清晰可见？

危险信号：如果提升幅度有限，请强调其他优势（速度、泛化能力、简洁性），或增加更具挑战性的测试案例。

方面 4：实验测试完整性

缺少消融研究；缺少重要基线；缺少重要评估指标；数据过于简单。

• 缺少消融研究？ 是否对每项核心贡献都进行了消融？
• 缺少重要基线？ 是否纳入了近期的 SOTA 方法？
• 缺少评估指标？ 是否报告了该任务的所有标准指标？
• 数据集过于简单？ 基准测试是否真正检验了该方法的能力？
• 没有失败案例分析？ 诚实分析失败案例有助于提升可信度。

危险信号：缺少消融实验或基线是最常见的拒稿原因之一。

方面 5：方法设计问题

实验设置不切实际；方法存在技术缺陷；方法不够稳健；新方法的成本超过其收益。

• 实验设置不切实际？ 假设是否符合预期使用场景的现实情况？
• 技术缺陷？ 该方法是否存在理论或概念层面的弱点？
• 不够稳健？ 该方法是否需要针对每个场景调整超参数？
• 收益 < 局限性？ 新模块引入的局限性是否超过其带来的收益？

危险信号：如果该方法需要针对每种场景进行大量调优，请补充稳健性实验，或承认并解决这一局限性。

---

实验方案审查

最具破坏性的实验缺陷，往往藏在设置部分的一句话中——只提过一次，此后再未提及。请逐行审查实验部分，把自己当作严苛的审稿人，而非普通读者：

1. 还原数据流。 仅根据文字，写明：用什么数据训练、用什么数据调优、用什么数据评估。测试数据与训练或调优数据之间的任何重叠——包括设置中埋藏的“在测试集上调优超参数”之类的表述——都是重要发现。如果完全无法根据文字还原数据划分的规范性，这本身也是一项发现。
2. 列出所有假设。 在方法和设置部分中查找“我们假设”“假设”“前提是”“可访问”等表述。对于每一项：它在部署时是否现实？其影响是否在后文讨论？一项强假设只提过一次，此后再未提及，是重要发现。
3. 检查信息可用性。 该方法在推理时是否使用了实践中并不存在的信息，例如标签、预言机信号、未来信息或测试分布统计数据？
4. 检查比较方案。 所有基线是否使用相同数据、相同计算预算和相同调优工作量？基线数据是在本文的设置下复现的，还是从设置不同的论文中直接引用的？

重要提醒：主张必须有依据

论文中的每项主张（尤其是摘要和引言中的主张）都必须正确，并有实验支持。部分审稿人会因主张缺乏依据而直接拒稿。

逐一检查摘要和引言中的每项主张。对于每项主张：

• 是否符合事实？
• 是否有实验或分析为其提供支持？
• 是否清楚地引用了支持性实验？

缺乏依据的主张——尤其是摘要或引言中的主张——可能成为拒稿理由。

---

反向提纲法

从已完成的段落中提取写作计划，并检查行文是否流畅。

完成某个章节（或整篇论文）后：

1. 逐段阅读
2. 用一句话写下每段的核心信息
3. 按顺序阅读这些信息——逻辑是否连贯？
4. 找出断点：哪些地方读起来突兀或不合逻辑？
5. 修正：调整段落顺序、添加过渡，或拆分／合并段落

将此方法用于：

• 引言（检查叙述脉络是否连贯）
• 方法（检查各模块的介绍顺序是否合理）
• 实验（检查结果的呈现顺序是否有意义）

---

图表质量检查清单

图

• 流程图突出新颖之处（不只是解释）
• 流程图与已有工作明显不同
• 引导图引人注目且信息完整
• 所有图都有清晰的图注
• 分辨率足以满足印刷要求
• 色盲友好（避免仅通过红绿色差异来区分）
• 正文中引用了所有图

表

• 表注位于表格上方
• 不使用竖线
• 使用 booktabs（\toprule、\midrule、\bottomrule）
• 突出显示最佳结果（加粗／着色）
• 标明指标方向（↑／↓）
• 表注描述设置／符号说明，而非结果
• 正文中引用了所有表

---

结论与局限性检查

• 结论总结了贡献和关键结果
• 包含局限性章节（审稿人经常指出缺少该章节）
• 诚实的情况下，将局限性表述为任务／设置范围（类似未来工作）

  超越 SOTA 并不会消除技术缺陷。数据泄漏、不公平的比较， 或缺乏依据的主张，无论指标水平如何，都仍然是缺陷—— 应将其记录为发现，而非局限性。范围界定适用于工作的真实 边界，而不是用来归档问题。

• 局限性描述诚实，但不会削弱论文的说服力

---

机械一致性扫描

第 3 轮对源文件执行以下检查（理由见上文第 3 轮）：

1. 承诺与交付是否一致。 列出摘要和引言中承诺的贡献（尤其是编号列出的贡献）。对每项贡献，找到交付它的章节／实验，以及结论中的呼应内容。开篇承诺的贡献在结论中悄然消失，属于一项发现。
2. 声称比较过却缺失的对比。 论文自身称为“可直接比较”“最接近的先前工作”或“最先进水平”的任何方法，都必须出现在结果表格中——否则论文必须说明原因。相关工作中承认了某项工作，却未在实验中纳入，属于一项发现。
3. 数值一致性。 摘要、引言或结论中引用的每个数字都必须与其来源表格一致。重新计算声称的改进（“提升 X%”“将 Y 降低 Z”）。文字解读必须与表格相符——例如，用 0.1 分的差距支撑“显著更好”，属于一项发现。

本轮还有四项扫描，其判定标准已在本文件其他位置说明——在这里将它们作为搜索任务执行，而非重复说明：引用完整性和残留标记（标准见下文的提交前最终检查）、模块动机（标准见方面 2），以及表格／图示检查中的机械部分（标准见上文的图表部分——在此还需额外核实每列加粗的“最佳”数值确实是该列最佳值，且箭头方向与指标方向相符）。第 2 轮可能已通过阅读标记了其中一些问题；本轮通过搜索确认，因此每个问题只报告一次。

---

提交前最终检查

• 所有参考文献完整（没有“?”或缺失条目）
• 作者信息符合投稿场所的要求
• 页数符合限制
• 补充材料已正确引用
• 论文中没有遗留 TODO 标记
• 致谢部分恰当
• 没有意外违反双盲要求（匿名评审时）
• 所有引用的作品都有完整的书目信息（作者、标题、投稿场所、年份）
• 没有破坏匿名性的自引（双盲投稿场所）
• 已引用重要的相关工作——遗漏重要的基线论文可能导致拒稿

---

移交至答辩

收到评审意见后，使用 paper-rebuttal skill 进行以下工作：

• 评分诊断与评审意见颜色标记
• 支持者策略（为正面评价你的审稿人准备讨论论据）
• 18 条关于结构、内容和语气的策略规则
• 反直觉的答辩原则

你的自我评审材料（以拒稿为先的模拟、主张—证据审计、反直觉流程生成的答辩草稿）会直接用于答辩流程。

扩展版的 5 方面检查清单及更详细的子问题，请参阅 references/review-checklist.md。

关于对抗性压力测试和拒稿风险阈值，请参阅 references/counterintuitive-review.md。

5 方面审查也提供了可执行的工作流： scripts/five_aspect_review.js — 将其加载到代码解释器中，然后调用 await fiveAspectReview(draftText)，即可将五个方面作为并行子审查运行，并获取类型化结果（评分、发现、各方面的阻断问题）以及综合评估。优先使用它，而不是在文字中重新推导并行分发流程；只有在解释器不可用时，才使用上文的顺序检查清单。

第 3 轮的机械扫描属于搜索问题，而非理解问题——收集所有引用键、扫描论文、附录和参考文献中的 \todo／TODO／FIXME，并重新计算声称的改进。请通过解释器执行这些任务；如果解释器不可用，请在评审中说明，而不要暗示已完成全面检查。