study-exemplars

研究范例

将目标会议中最优秀的论文——最佳论文奖获奖作品和引用量最高的作品——整理成一份原创的风格与结构简报，供用户写作时参考：该会议的获奖论文如何设计章节、阐述贡献、设计评估，以及使用图表。按需从合法的开放获取来源获取论文，并进行临时处理。交付内容仅包含元数据和原创分析——绝不包含论文原文。此技能位于 select-venue/parse-cfp（选择目标会议）与写作技能（write-abstract、draft-related-work、tailor-to-venue）之间。

适用场景

• “ 的最佳论文是什么样的？”／“分析获奖作品”
• “展示 引用量最高的论文，并说明它们的结构”
• “我首次向 投稿——成功的论文如何阐述贡献／开展评估／安排章节？”
• 起草前：构建一份供其他写作技能使用的会议风格简报
• 不适用于查找某个主题的论文（find-papers），也不适用于梳理文献内容（literature-review）——此技能研究的是形式

输入

• 目标会议，最好有配置文件 venues/conferences/<id>.yml （架构：venues/schema.yml）；否则按 references/finding-exemplars.md 解析别名
• 可选：年份范围（默认：最近 3–4 个已结束的会议论文集年份）、范例数量（默认 5–8 篇）、用户的论文类型（研究论文／短论文／演示论文），以便针对相应赛道进行分析
• CONTACT_EMAIL 环境变量——每个脚本都必需（礼貌请求身份标识）； 未设置时，脚本会交互式提示输入，或退出并显示操作说明
• 可选：S2_API_KEY 环境变量，用于可靠地访问 Semantic Scholar

流程

1. 解析会议并锁定目标

• 如果存在会议配置文件，则读取该文件。从其 aliases: 区块中获取 aliases.s2_venue 和 aliases.dblp_key；记录用户将采用的赛道、页数限制和模板。
• 用户依赖这些关键信息前，务必根据最新的 cfp_url 重新核实——简报会说明格式规范（页数预算、模板、必需章节），而配置文件可能已过时。如果配置文件中的 verified.date 早于当前 CFP 周期，则先获取 CFP 并核对。
• 没有配置文件？在执行任何查询前，通过 find-papers 技能的会议别名表或实时 DBLP 会议搜索解析别名——错误的 S2 会议字符串会导致静默返回零篇论文。

2. 构建范例集（两份互补列表）

最佳论文奖获奖作品（会议自身的质量信号）：

• 在线查找获奖页面——会议／SIG 奖项页面、各年份网站的新闻帖，或 jeffhuang.com 汇总页。来源索引和核实流程见： references/finding-exemplars.md。

• 奖项信息没有任何 API。绝不要凭记忆断言获奖者。每项获奖声明都必须有 (a) 本次会话中获取的来源 URL，以及 (b) 与 DBLP 元数据的匹配：

  python3 scripts/lookup_exemplar.py --title "Exact Title From The Award Page"
  

  缺少其中任何一项时，都应舍弃该论文，或明确标注为未经核实。

引用量最高的论文（学界的质量信号）：

# S2 venue string from the profile aliases — NOT the acronym
python3 scripts/rank_top_cited.py --venue "SIGSPATIAL/GIS" --year 2020-2023 --top 10
# or read the alias straight from a profile:
python3 scripts/rank_top_cited.py \
    --venue-profile venues/conferences/sigspatial-2026.yml --year 2020-2023 --top 10

通过一次礼貌请求，按引用次数对整个会议年份范围排序。 将范围设为截至 2–3 年前——当前年份的引用次数接近零，没有意义。其他筛选注意事项（综述论文导致的引用膨胀、具有影响力的引用、DBLP 交叉核验）：references/finding-exemplars.md。

目标为总计 5–8 篇论文：3–4 篇已核实的获奖作品 + 3–4 篇引用量最高的论文，覆盖多个年份，并与用户的赛道匹配（不要为了撰写 4 页的演示论文而研究 10 页的研究论文）。获取论文前，先与用户确认最终名单。

3. 按需逐篇获取样例论文——临时处理

• 一次只处理一篇论文，绝不批量处理。使用 fetch-paper 技能解析开放获取（OA）副本（在那里运行 scripts/resolve_oa.py <DOI> --json），或使用此处两个脚本输出的 OA 提示（S2 openAccessPdf、arXiv HTML、适用于 2026 年后开放获取 ACM 论文的 dl.acm.org/doi/pdf/<doi>——该主机站会阻止脚本下载，因此请在浏览器中打开）。
• 阅读论文、提取观察结果，然后丢弃文件。绝不要将 PDF、其文本或摘要写入仓库或任何已提交文件。
• 没有合法的 OA 副本（Unpaywall is_oa: false，且没有 arXiv 版本）？跳过该论文并说明原因——在简报中将其列为“未分析（无开放副本）”。绝不要绕过付费墙或使用影子图书馆。

4. 根据评分标准分析每篇论文

按照 references/analysis-rubric.md 进行分析——维度包括：身份卡、标题／摘要模式、章节结构、贡献框定、方法呈现、评估模式、图表惯例、相关工作定位、可复现性配置、写作微风格。记录事实和原创观察（章节名称、数量、顺序、框定方式），而非散文。引文：每篇论文最多引用一处简短且注明出处的片段（少于 25 个词），且仅在观察点正是其确切措辞时引用。

记录每篇论文的数量时，也要将可测量的数据（页数、参考文献数、图数、表数、摘要词数、teaser／徽章布尔值、章节骨架）记入每篇论文对应的小型 JSON 文件——这些数据将用于第 6 步。

5. 综合形成风格与结构简报

• 先进行跨论文综合（至少一半样例论文采用的做法＝该会议的惯例；存在分歧时则注明为不同变体），然后为每篇论文制作一张样例卡片。两种模板均位于评分标准末尾。
• 与会议概况核对：如果样例论文与当前 CFP 相矛盾（例如，较早的样例论文为 8 页，而当前页数上限为 10 页），则以当前有效的 CFP 为准——标明差异，避免用户仿效过时规则。
• 为每篇样例论文标注经核实的元数据（标题、作者、年份、DOI）。如果任何条目将加入用户的参考文献目录，请通过 verify-citations 进行核验。

6. 缓存测量后的样例论文数据包（数据卫生）

本次会话测得的事实构成同系列分布，下游技能将据此对草稿评分。如果下游技能跳过实时获取样例或受到速率限制，就会回退到会议／系列概况中的 exemplar_distribution: 块——对大多数会议而言，该数据块是手工估算的，而非实测。请缓存测量结果，让回退数据基于真实样例论文：

python3 scripts/build_exemplar_bundle.py measurements.json --out block.yml

此操作会将每篇论文的测量数据（来自第 4 步）汇总为符合架构要求的数据块：密度区间（绝不虚构单点数值）、比率和众数骨架，并分别标记 measured: true、n、recency 和 as_of: <date>。将其粘贴到正在审核的相关概况中（venues/conferences/<id>.yml；如果样例论文跨越整个系列，则粘贴到 venues/families/<family>.yml），替换任何手工估算的数据块。少于 3 篇论文的数据区间保留为 null，并将数据块标记为 measured-low-confidence，避免夸大结论。完整规则和输入架构见：references/analysis-rubric.md §14。

由于数据块包含 measured 和 as_of，使用者据此得出的每个评分都会标记为缓存与实时来源（live / family-prior (measured, as_of <date>) / family-prior (hand-estimated) / none）——基于缓存的评分不会被误认为是实时测量结果。

输出

一份 Markdown 简报（默认位于工作目录下的 exemplar-brief-<venue>.md，也可保存到用户指定的位置），包含：

1. 范例论文名单 — 5–8 篇论文及其元数据、入选理由（奖项 + 来源 URL / 引用排名 + 数量）和所用的 OA 链接
2. 会议惯例 — 跨论文综合分析所有评分维度，并为每项结论标注体现该惯例的范例论文
3. 范例卡片 — 每篇论文各一份精简分析
4. 差异与注意事项 — 与当前征稿启事（CFP）相冲突的范例惯例、因缺少 OA 副本而跳过的论文、已删除的未经核实的获奖声明
5. 来源记录 — 已运行的脚本、奖项页面 URL、日期，以及关于引用次数为快照的说明（Semantic Scholar、ODC-BY、注明来源）

此外，如果进行了测量，还要将缓存的 exemplar_distribution: 区块（步骤 6）粘贴到相关会议 / 系列配置中——这是下游技能在实时获取失败时使用的实测回退数据，并标注 measured、n 和 as_of。

简报中只包含元数据和原创分析——不包含摘要、转载段落或提取的图表。

参考资料

• references/analysis-rubric.md — 分析维度、每篇论文需记录的内容、输出的版权声明、综合分析 + 范例卡片模板，以及 §14 中缓存实测范例数据包的说明（输入架构 + 来源标注）
• references/finding-exemplars.md — 奖项来源和核验流程、被引次数最高论文的筛选方法与注意事项、OA 查找顺序、名称别名方面的注意事项
• scripts/build_exemplar_bundle.py — 将每篇论文的测量结果汇总为带来源标记的 exemplar_distribution: 区块（离线运行，使用标准库；不编造数据，并会抑制样本过少的区间）

防护措施

• 绝不打包论文内容。 仓库、简报或任何已提交文件中都不得包含论文文本、摘要、图表或 PDF——按需获取并临时处理，只保留元数据（DOI、标题、BibTeX 字段）和原创分析。引用不超过 25 个单词，注明来源，每篇论文最多一处。
• 绝不捏造范例论文。 每项获奖声明都必须附带有效来源 URL，并与 DBLP 匹配；每个引用次数都必须来自本次会话运行的脚本；任何纳入参考文献的条目都必须经过 verify-citations。
• 仅使用合法 OA 来源；每个来源只礼貌地请求一次（脚本会确保每个主机的请求频率不超过每秒 1 次，使用含联系邮箱的 User-Agent，对 429 进行退避，并将缓存存放在 .cache/study-exemplars/ 下）；绝不批量抓取论文集。
• 会议配置仅供起步参考，绝非权威依据——用户依赖这些信息之前，必须根据当前的 cfp_url 重新核实页数限制、模板和必需章节。
• 缓存测量结果，而非文本；绝不夸大其可信度。 缓存的 exemplar_distribution: 区块只能包含计数、区间和章节名称（可安全提交）；绝不在其中加入论文文本。它只是回退数据，并非权威依据——目标会议的实时语料仍应优先采用。只对不少于 3 篇论文的数据生成区间（样本较少时使用 null / measured-low-confidence）；绝不捏造单个数据点，并将每个源自缓存的分数标记为 cache-vs-live，以免被误认为是本次会话的实时测量结果。
• 研究范例是为了学习惯例，而非照搬——绝不在未注明来源的情况下复现特定论文的文本、原样结构或观点。绝不代表用户向任何系统提交内容。