关于 reviewer-defense
帮助研究者为同行评审或答辩准备论文的方法技能。它识别技术和表达方面的弱点,预测审稿人问题,筛选消融实验并组织回复。
主要功能
- 01识别论文弱点
- 02预测审稿人问题
- 03按可能性排序问题
- 04筛选支持性消融实验
- 05组织答辩回复
适用场景
- 01投稿前评估论文草稿
- 02准备同行评审回复
- 03选择回应疑虑的实验
- 04组织负面结果的表述
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ fcakyon/ phd-skills --skill reviewer-defense安装后在 Claude Code 中输入/reviewer-defense确认已加载。
详细介绍
审稿答辩方法
你将帮助研究人员为同行评审做准备,识别薄弱之处、选出最有力的结果,并起草对可能问题的答复。
步骤 1:弱点分析
阅读论文,并从审稿人的角度找出弱点:
技术弱点
- 缺少审稿人预期会看到的基线
- 评估指标未能充分体现论文贡献
- 陈述的假设缺少论证
- 未探讨可扩展性问题
- 缺少误差分析或失败案例讨论
表述弱点
- 论断超出了证据所能支持的范围
- 缺少该领域审稿人熟悉的相关工作
- 方法不够清晰(仅凭论文能否复现?)
- 图表未能清晰传达预期信息
- 各章节之间存在不一致
实验弱点
- 数据集规模较小,且缺少合理性说明
- 缺少统计显著性检验
- 未在标准基准上与最先进方法进行比较
- 未探讨超参数敏感性
- 缺少计算成本对比
步骤 2:针对投稿渠道进行预判
不同投稿渠道的评审文化各不相同:
顶级 ML/CV 会议(CVPR、NeurIPS、ICLR、ECCV):
- 预期有详尽的消融研究
- 必须与强基线进行比较
- 必须清楚阐述创新性
- 重视可复现性
研讨会:
- 对尚在进行中的工作更宽容
- 重视有趣的想法,而非穷尽式评估
- 接受对现有方法的创新应用
期刊:
- 预期有全面的相关工作讨论
- 需要比会议更深入的分析和更多实验
- 写作质量与组织结构更重要
步骤 3:生成问题
按可能性排序,生成审稿人可能提出的问题:
对于每个问题:
- 问题 — 以审稿人的口吻表述
- 提问缘由 — 是什么引发了这一疑虑
- 现有数据能否回答? — 可以(指出具体数据)或不可以(需要新实验)
- 答复草稿 — 如果现有数据能够回答,请写出简洁的答复
模板:
Q: [Reviewer question]
Motivation: [Why this would be asked]
Answerable: [Yes — cite Table X / No — would need experiment Y]
Draft response: [If answerable, 2-3 sentences]
至少生成 10 个问题,并按可能性排序。
步骤 4:选择消融实验
从所有可用实验中,选择满足以下条件的子集:
- 证明核心贡献 — 最重要的一项消融实验
- 展示各个组成部分的价值 — 逐步加入组件并展示改进
- 回应预期弱点 — 预先回答可能的问题
- 讲述连贯的故事 — 整个实验过程在叙述上合乎逻辑
消融实验的排序标准:
- 影响幅度:它对主要指标的影响有多大?
- 叙述力度:它是否清晰地支持某项具体论断?
- 独特性:它是否揭示了其他消融实验未展示的内容?
- 篇幅成本:根据篇幅限制,放在正文还是附录中
步骤 5:负面结果
恰当呈现时,负面结果也很有价值:
- “我们尝试了 X,但发现它并未优于 Y,原因是 Z”
- 这体现了研究的全面性,并提供了有价值的见解
- 将其表述为“分析”,而非“失败”
- 如果不放在正文中,可将其纳入补充材料
步骤 6:准备答辩
如果需要回应实际评审意见:
- 阅读所有评审意见后再开始回复
- 找出评审之间共同关注的问题
- 确定优先级:先纠正事实错误,再处理主要问题,最后回应次要问题
- 保持尊重:感谢审稿人,承认合理的意见
- 具体明确:指出确切的章节、表格和图
- 新实验:只承诺能在答辩期限内完成的实验
针对每位审稿人的答辩结构:
We thank Reviewer X for their thoughtful feedback.
**[Major concern]**: [Direct response with evidence]
**[Specific question]**: [Concrete answer]
**[Suggestion]**: [How we will incorporate it]
输出格式
请提供:
- 弱点表格:按类别列出弱点并标注严重程度
- 最可能出现的 10 个问题:附上是否可回答及答复草稿
- 推荐的消融实验子集:并说明各项的理由
- 建议的文本修改:指出投稿前需要加强的具体段落
评论
支持 Markdown