故事 1 · 研一新生 · 改引言
小林第一次写 CV 论文，引言写了三稿，导师都说「没讲出故事」。他把草稿丢给装了这个 Skill 的 Claude，说了句「用 research-paper-writing skill 帮我重写引言」。AI 先按逻辑地图反问他 4 个倒推问题（你解决的根本技术原因是什么？），小林答完，AI 套用「技术挑战版本 1」把前人方法一层层剥到他的贡献，又用 pipeline 版本 2 组织了两个贡献。导师看完说：「这次像回事了。」
科研 SKILLS · 09 · 顶刊写作
Research Paper Writing Skills：把论文写作变成可复用的技能
基于彭思达教授公开写作笔记整理：一个 Skill 仓库，教你用 AI 把 ML/CV/NLP 论文的摘要、引言、方法、实验写成“审稿人友好”的样子。高中生可读，细节拉满。
↗ 打开 GitHub 仓库原链❓
一、它解决什么问题
一句话定位：这是一个「论文写作教练」Skill——把彭思达教授（AI 领域研究者）公开分享的论文写作方法论，整理成 AI 能直接执行的 SKILL.md 技能包，专门帮你写机器学习 / 计算机视觉 / 自然语言处理方向的学术论文。
它不替你「编」论文，而是教你（和你的 AI）怎么把已有的研究成果写成审稿人愿意接受的样子：摘要怎么写、引言怎么讲故事、方法怎么写得可复现、实验怎么摆证据。
高中生类比
写论文就像参加一场厨艺比赛：你的研究成果是食材（已经有了），但评委（审稿人）只看端上桌的那盘菜。同样的食材，摆盘和调味不同，分数天差地别。这个 Skill 就是一本「比赛级摆盘手册」——告诉你每一道菜（摘要/引言/方法/实验）该怎么装盘、什么顺序上、评委最在意什么。
写论文就像参加一场厨艺比赛：你的研究成果是食材（已经有了），但评委（审稿人）只看端上桌的那盘菜。同样的食材，摆盘和调味不同，分数天差地别。这个 Skill 就是一本「比赛级摆盘手册」——告诉你每一道菜（摘要/引言/方法/实验）该怎么装盘、什么顺序上、评委最在意什么。
它要消灭的 4 个常见死法
- 死法一：故事没讲清。上来就堆公式和实验，审稿人读完不知道你到底解决了什么问题——直接拒稿。
- 死法二：摘要和实验对不上。摘要里吹「大幅超越」，实验表里只赢了 0.3%——审稿人一眼看穿，信任崩塌。
- 死法三：段落没有重点。一段里塞三个意思，审稿人抓不住每段想说什么，越读越烦。
- 死法四：增量感太强。写法像「在别人的方法上打了个补丁」，哪怕想法不错，也会被判「贡献不足」。
这个 Skill 的核心工作流，就是先想清楚故事 → 再一段一段写 → 写完用审稿人视角反杀一遍，把上面四种死法提前掐死。
作者与出处（必须知道）
仓库作者 Slazee 在 README 开头明确声明：写作知识与方法论绝大部分来自彭思达教授的公开学习笔记（pengsida.notion.site，另有 GitHub 仓库 pengsida/learning_research），他自己的贡献是「整理、结构化改编、打包成可复用的 Skill」。用的时候记得这份出处——这是学术诚信的一部分。
🗂
二、仓库结构导览
整个仓库非常聚焦：只提供 1 个 Skill 包（research-paper-writing/），但这个包里塞了一整套论文写作方法论。看懂目录树，就看懂了它的设计：
research-paper-writing-skills/ ← 仓库根
├── README.md ← 英文说明：Skill 是什么、怎么装
├── README_zh.md ← 中文说明
├── LICENSE ← MIT 开源协议
└── research-paper-writing/ ← ★ 唯一的 Skill 包（复制它就能用）
├── SKILL.md ← ★ 核心：工作流 + 写作原则 + 输出契约
├── agents/openai.yaml ← 给 OpenAI 系 Agent 用的元数据
└── references/ ← 分章节写作指南（按需加载，不一次全读）
├── abstract.md ← 摘要写作指南（3 套模板）
├── introduction.md ← 引言写作指南（逻辑地图 + 多套模板）
├── related-work.md ← 相关工作写作指南
├── method.md ← 方法章节写作指南
├── experiments.md ← 实验章节写作指南
├── conclusion.md ← 结论写作指南
├── paper-review.md ← ★ 投稿前「审稿人视角」自查清单
├── does-my-writing-flow-source.md ← 段落流畅度检查的理论来源
└── examples/ ← 例文库：每个模板都有真实改写示例
├── index.md ← 示例索引
├── abstract-examples.md / introduction-examples.md / method-examples.md
├── abstract/template-a.md / template-b.md / template-c.md
└── introduction/ ← 引言 4 种开头 × 3 种挑战写法 × 4 种 pipeline 写法
version-1-task-then-application.md ... 等 13 个示例文件SKILL.md 是整个 Skill 的入口，只有约 100 行，但定了三件事：
- Core Workflow（核心工作流）：6 步——先想清楚故事 → 按章节指南写 → 逐段改（一句话一段）→ 每写完一节做 reverse outlining（反向提纲）→ 摘要/引言的每个大 claim 都去实验里找证据 → 最后用审稿人视角 adversarial review。
- Global Principles（全局原则）：9 条铁律，比如「一段只讲一个消息」「首句必须点明段落要干什么」「名词要自包含，先定义再复用」「把图表质量当正文内容，不是装饰」。
- Output Contract（输出契约）：规定 AI 每次交作业的格式——先给 3-7 条小提纲 → 再给改好的段落（标出每段的角色：开头/挑战/方法/优势/证据/局限）→ 附自查清单 → 附 claim-evidence 映射表（Claim / Evidence / supported 或 needs evidence）。
输入：你的论文草稿（或写作需求，如「帮我改引言」）。输出：按上面契约交付的改写结果 + 自查报告。
这是 Skill 最值钱的部分：每个论文章节都有一份专门的写作指南，AI 写哪章就加载哪份（SKILL.md 明确规定：不要一次全加载，只加载当前要改的那章——省 context）。
abstract.md：摘要 3 套模板（挑战→贡献 / 挑战→洞察→贡献 / 多贡献各配优势）+ 动笔前必答的 4 个问题 + 质量检查清单。introduction.md：引言逻辑地图（7 步逻辑 → 5 个部分）+ 4 种开头版本 + 3 种「技术挑战」写法 + 4 种 pipeline 写法 + 1 种「不推荐写法」警示。method.md：方法三要素、模块设计三元组、模块动机模式、动笔前问题清单、章节骨架。experiments.md：实验章节怎么摆证据。paper-review.md：投稿前自查——5 大拒稿维度 + 25 个自问自答问题（见本课件第七节）。examples/：每个模板配真实改写示例，共 20+ 个示例文件，AI 可以照着学。
一个很小的元数据文件，让 OpenAI 的 Codex 等 Agent 也能识别和加载这个 Skill。说明这个 Skill 是跨平台设计的：同一份 SKILL.md，给 Claude Code、Codex、Gemini 都能用（安装时复制到各自 skills 目录即可）。
设计亮点：按需加载
SKILL.md 里有一条执行规则很关键：「不要一次加载所有章节指南，只加载当前编辑目标需要的那一份」。这正是 Skill 设计的精髓——渐进式披露：先读薄薄的 SKILL.md 定方向，需要深挖时再按需取用 references。十几个文件并存，也不会撑爆 AI 的上下文。
🔁
三、核心工作流：6 步把草稿变成投稿级
SKILL.md 规定的 Core Workflow，是整个 Skill 的「主心骨」。不管改哪一章，都走这 6 步：
图 1：核心工作流 6 步（据 SKILL.md Core Workflow 绘制）
一个具体例子：6 步怎么改一段引言
假设你的引言草稿里有这样一段（常见毛病：一段塞了三个意思）：
"我们提出 FastSR。它用了自适应计算，比之前的方法快 5 倍。之前的超分方法都很慢，不能在手机上跑。我们还做了大量实验，证明了它的有效性。"第 1 步（想清故事）：这段到底想讲什么？其实是三个消息：① 前人方法的痛点（慢）② 我们的方案（自适应计算）③ 证据（实验）。故事线应该是：痛点 → 方案 → 证据。
第 3 步（逐段改写，一段一消息）：拆成三段，每段首句点明意图——
"现有高效超分方法难以在移动端实时运行，推理延迟常超过 200ms。（痛点段：首句即讲"前人卡在哪"）"
"为此，我们提出 FastSR：一种自适应计算分配框架，把算力集中到图像的关键区域。（方案段：首句即讲"我们做了什么"）"
"在 4 个公开数据集上，FastSR 在手机端实现 38ms 推理，同时画质超越现有最快方法。（证据段：首句即讲"证据是什么"）"第 4 步（反向提纲检查）：列出三段主题句——"前人慢"→"我们提出 FastSR"→"实验证明又快又好"，正好对应论点「FastSR 解决了手机端实时超分问题」。映射严丝合缝，通过。
📏
四、全局写作原则：9 条铁律
SKILL.md 的 Global Principles，是改任何章节都要遵守的 9 条铁律。挑最重要的 6 条深讲：
每段的第一句话必须说清楚「这段要干什么」。审稿人扫读时只看每段首句——首句抓不住人，这段就白写了。
高中生类比
就像每集电视剧的标题："第 8 集：主角发现内鬼"。观众一看标题就知道这集讲什么。论文段落的首句就是标题——标题党不行（文不对题），没标题更不行。
就像每集电视剧的标题："第 8 集：主角发现内鬼"。观众一看标题就知道这集讲什么。论文段落的首句就是标题——标题党不行（文不对题），没标题更不行。
第一次出现的新术语必须当场定义，之后全篇统一叫法。最忌讳：同一概念一会儿叫"自适应计算"，一会儿叫"动态分配"，一会儿叫"smart scheduling"——审稿人会以为你在讲三个东西。
每句话和上一句的关系必须是四种之一：因果（cause）、对比（contrast）、推论（consequence）、细化（refinement）。如果两句话之间接不上，中间一定缺了一句过渡。
段落清晰度四问（Paragraph Clarity Check，SKILL.md 单列的重要检查）：
- 这段有没有一个明确的消息？
- 第一句有没有说清这段要干什么？
- 所有关键名词，不用翻前文能不能读懂？
- 每句话和上一句的关系清不清楚（因果/对比/推论/细化/举例）？
Iterate with adversarial self-review: read as a skeptical reviewer. 写完一段，换位成「最想拒你稿的审稿人」重读一遍，能挑出毛病就改。
- 视觉质量是内容本身：第一印象（图/表/排版）直接影响审稿人心情。
- 要有一张干净的 teaser 图（一眼讲清核心思想）+ 清晰的 pipeline 图。
- 表格要「最小墨水」：能删的线全删，数字对齐，让人一眼抓住对比。
Keep terminology stable across the full paper. 和铁律 3 呼应：从摘要到结论，同一个东西永远叫同一个名。
写作时的"急救包"：流畅度还是差怎么办？
SKILL.md 给了一个三级急救方案（来自 does-my-writing-flow-source.md）：
- 先做上面的段落清晰度四问；
- 再做反向提纲（论点 → 主题句 → 证据点，检查映射）；
- 还不行？临时加小标题和过渡句硬把逻辑撑起来，改顺之后再把多余的小标题删掉——脚手架是用来拆的，不是用来住的。
📝
五、Abstract：三套模板，选一套照着写
摘要是审稿人读的第一段，也是搜索引擎里别人看到的唯一一段。指南要求：动笔前先回答 4 个问题（解决什么技术问题、贡献是什么、方法为什么能work、带来什么新优势/新洞察），想不清楚就别写。然后三套模板三选一：
图 2：Abstract 三套模板结构对比（据 references/abstract.md 绘制）
一个具体例子：三版本怎么写同一篇摘要
假设你的研究是：做了一个叫 FastSR 的图像超分方法，在手机上实时跑、画质还超过之前的方法。三版本各写一遍（每版只给骨架句，你可以套自己的研究）：
1. 任务：图像超分辨率旨在从低分辨率输入重建高分辨率图像。2. 挑战：现有方法要么画质好但太慢、跑不动手机，要么够快但细节丢失严重。3. 贡献：我们提出 FastSR，一种基于XX的高效超分框架。4. 好处：在保持画质的同时，手机端推理速度提升 5 倍。5. 实验：在 4 个公开数据集上，FastSR 的画质指标超越现有最快的方法。
前两句同版本 1。3. 洞察：我们发现，超分网络的大部分计算都浪费在平坦区域——真正需要算力的只有边缘和纹理。4. 贡献：基于这一洞察，我们提出 FastSR，用自适应计算分配把算力集中到关键区域。5-6. 好处 + 实验同上。
看到区别了吗？版本 2 多了一句漂亮的洞察，整篇摘要立刻有了「思想感」——这是指南里说的「一句话讲清洞察，是最重要的能力」。
1. 任务同上。2. 对比句：现有高效超分方法往往在速度和画质之间二选一。3. 贡献1+优势：我们提出自适应计算分配模块，把算力集中到关键区域，在同等画质下提速 5 倍。4. 贡献2+优势：我们设计轻量纹理先验，让边缘细节恢复更锐利。5. 实验一句话总结。
Abstract 质量检查清单（写完对照）
- 读者一遍能抓住：任务、挑战、洞察/贡献、结果吗？
- 所有大 claim 都有实验撑着吗？
- 技术名词自包含、好读吗？（别让读者猜缩写）
- 有没有一句话塞了太多意思？（有就拆）
🚪
六、Introduction：逻辑地图 + 模板库
引言是论文的「讲故事」章节。指南给了两样神器：一张逻辑地图（想清楚）和一套模板库（写出来）。
神器一：引言逻辑地图（7 步逻辑 → 5 个部分）
图 3：引言逻辑地图（据 references/introduction.md 的 mermaid 图重绘）
神器二：模板库（三选结构，各 3-4 个版本）
- 版本 1（任务小众）：先一句话定义任务（从什么输入得到什么输出），再讲 2-3 个应用场景。
- 版本 2（任务大家都熟）：跳过定义，直接讲应用有多重要。
- 版本 3（设定比较新，作者推荐）：先讲大任务的应用，再收窄到「本文聚焦的具体设定」，讲清输入输出边界。
- 版本 4（高手版）：第一段就亮出技术挑战——「任务很重要，前人方法通常这么做，但在 XX 上失败，因为 XX」。
- 版本 1（现有任务）：挑战链——大挑战 → 传统方法及其局限 → 近期方法 1 及其技术原因 → 近期方法 2 及其技术原因 → 最后那个局限，正好是你要解决的。像剥洋葱一样，一层层剥到你的贡献。
- 版本 2（你的洞察在传统方法里有根）：先讲主流方法的局限，再说「其实传统方法里早就有类似洞察」，然后讲传统方法为什么还不够，最后回到新方法仍未解决的技术原因，自然过渡到你的方法。
- 版本 3（全新任务）：直接说「这个问题难在 N 点」，用 First / Second / Finally 分开讲，每点讲清「 observable 的局限 + 技术原因」。
避坑
大忌：不要先摆一个 naive（天真）解法，再说「我们改进了它」。这种写法让工作看起来像给 baseline 打补丁，low 分预定——即使工作本身真是增量的，也别这么写。它会杀死读者好奇心，让想法显得「手把手一想就通」。
大忌：不要先摆一个 naive（天真）解法，再说「我们改进了它」。这种写法让工作看起来像给 baseline 打补丁，low 分预定——即使工作本身真是增量的，也别这么写。它会杀死读者好奇心，让想法显得「手把手一想就通」。
- 版本 1：一个核心贡献 + 多个优势，配一张 teaser 图讲基本思想。
- 版本 2：两个贡献——贡献 1 解决主挑战，贡献 2 解决剩下的次挑战。
- 版本 3：站在前人 pipeline 上，加一个新模块——讲清「观察到什么 → 为什么加这个模块 → 比通用做法好在哪」。
- 版本 4：贡献来自一个关键观察——先亮创新点，再讲观察（motivation），再讲实现，最后讲优势和实验增益。
不推荐写法：方法很简单，就别在引言里只谈抽象洞察、把具体 pipeline 藏起来装高深——审稿人会觉得 shallow（浅）。
🧱
七、Method / 实验 / 结论与投稿前自查
Method 章节：三要素与模块三元组
- 动笔前问题清单（
pre-writing-questions.md）：先回答再写，别边写边想。 - 方法三要素（
example-of-the-three-elements.md）：每个方法描述都要交代的三件事。 - 模块设计三元组（
module-triad-neural-body.md）：以 Neural Body 为例，讲一个模块怎么写「动机 → 设计 → 为什么 work」。 - 模块动机模式（
module-motivation-patterns.md）：几种常见的「为什么要加这个模块」的论证套路。 - 章节骨架 + 总览模板（
section-skeleton.md/overview-template.md）：方法章先搭架子再填肉。
Experiments / Conclusion
experiments.md 管实验章节怎么写证据链；conclusion.md 管结论。核心思想一致：每个数字都要为故事服务，每个 claim 都要有证据。
★ 投稿前自查：paper-review.md（审稿人视角反杀）
这是整个 Skill 的「守门员」。核心铁律：摘要和引言里的每个大 claim，必须技术上正确 + 有实验明确支撑；撑不住就加证据，实在加不上就弱化或删掉 claim。
自查分 5 大拒稿维度，每个维度配灵魂拷问（全文 25 问，这里各举 2 个最扎心的）：
| 维度 | 典型死因信号 | 灵魂拷问（示例） |
|---|---|---|
| 1. 贡献不足 | 解决的失败 case 太常见；技术早被玩透了，增益可预测 | 这篇论文给了读者什么新知识？增益是「惊喜」还是「意料之中」？ |
| 2. 写作不清 | 缺技术细节、不可复现；模块动机没讲清 | 懂行的读者能照着论文复现方法吗？每个模块的动机都讲明白了吗？ |
| 3. 实验偏弱 | 只比前人好一点点；绝对性能依然不够打 | 提升是「有意义」还是「统计噪声级」？多个数据集上都稳吗？ |
| 4. 评估不全 | 缺消融实验；缺关键 baseline；数据集太简单 | 每个关键设计都有消融吗？最强的 baseline 都比了吗？ |
| 5. 方法设计存疑 | 实验设定不真实；方法有硬伤；调参调到飞起才 work | 方法换个场景要不要重新调参？好处盖得过新增的复杂度吗？ |
记住：用的时候这样操作：草稿写完 → 把这 25 问贴给 AI（Skill 会自动做）→ 让它扮演「最挑剔的审稿人」逐条回答 → 凡是答不上来的，回去改论文，直到所有高风险问题都被正面解决。
📦
八、输出契约：AI 每次交作业的固定格式
SKILL.md 的 Output Contract 规定：当你让它改写/起草章节时，它必须按这个格式交作业——不是甩给你一段文字就完事：
- 小提纲（3-7 条）：先让你看到它打算怎么组织。
- 改好的段落：每段标出「角色」——开头 / 挑战 / 方法 / 优势 / 证据 / 局限，让你一眼看懂每段在干嘛。
- 自查清单：清晰度、流畅度、术语一致性、有没有没证据的 claim、有没有缺证据。
- claim-evidence 映射表：每个大 claim 一行——
Claim: ... | Evidence: ... | Status: supported / needs evidence。
映射表示例（可复制，套你自己的论文）
Claim: FastSR 在手机端比现有最快方法提速 5 倍
| Evidence: 表 3，iPhone 14 上 720p 推理 38ms vs 190ms
| Status: supported
Claim: 自适应计算分配是提速的关键
| Evidence: 表 4 消融实验，去掉该模块后速度回落 62%
| Status: supported
Claim: 方法可泛化到视频超分任务
| Evidence: （无，尚未做视频实验）
| Status: needs evidence → 建议弱化为未来工作看到最后一行了吗？诚实是这个 Skill 的底色：证据不够的 claim，宁可弱化也不硬吹。这正是审稿人最看重的品质。
💾
九、安装与上手：三步，把 Skill 装进你的 AI
本质就是把 research-paper-writing/ 文件夹复制到你的 AI 工具的 skills 目录。三种工具任选其一：
Codex
mkdir -p "$CODEX_HOME/skills"
cp -R research-paper-writing "$CODEX_HOME/skills/"Claude Code（全局 / 项目级二选一）
# 全局：所有项目都能用
mkdir -p "$HOME/.claude/skills"
cp -R research-paper-writing "$HOME/.claude/skills/"
# 项目级：只给当前论文项目用
mkdir -p .claude/skills
cp -R research-paper-writing .claude/skills/Gemini
mkdir -p "$HOME/.gemini/skills"
cp -R research-paper-writing "$HOME/.gemini/skills/"然后这样用（可复制的提示词）
Use $research-paper-writing to improve my paper's Introduction.
（Codex 版：点名要用这个 skill）
Please use the research-paper-writing skill to rewrite my Abstract.
（Claude Code 版：明确请求使用该 skill）
请用 research-paper-writing skill 帮我检查：
摘要里这句"显著超越所有 baseline"在实验部分有证据吗？
（中文也行：做一次 claim-evidence 对齐检查）记住：装完就能用，不需要装任何依赖。Skill 会按需加载 references 里的章节指南——你只管说「改摘要」或「改引言」，它自己知道去读哪份指南。
📖
十、三个适用场景小故事
故事 2 · 投稿前夜 · 抓吹牛
阿哲的论文摘要里写着「大幅超越现有方法」。投稿前夜，他让 Skill 做 claim-evidence 对齐检查，映射表里赫然一行：
阿哲的论文摘要里写着「大幅超越现有方法」。投稿前夜，他让 Skill 做 claim-evidence 对齐检查，映射表里赫然一行：
Status: needs evidence——摘要里的「大幅」在实验部分只有一张小数据集的表格撑着。他连夜把摘要改成「在 X 数据集上提升 Y%，局限是 Z」，并补了一组消融实验。三个月后审稿意见回来，Reviewer 2 夸的正是「写作诚实、证据扎实」。故事 3 · 跨方向转行 · 学套路
做 NLP 的小周想转投多模态会议，对视觉论文的「八股」一窍不通。她没直接写，而是先让 AI 按
做 NLP 的小周想转投多模态会议，对视觉论文的「八股」一窍不通。她没直接写，而是先让 AI 按
examples/ 里的 20+ 个示例给她讲了一遍「引言四种开头分别长什么样」，再对照着写自己的。等于把彭思达教授的写作课，请成了 1 对 1 私教。🎯
十一、总结与延伸思考
一句话总结
这是一个「写作方法论 Skill 化」的仓库：把彭思达教授公开的论文写作经验，变成 AI 可执行的 SKILL.md + 分章节指南 + 示例库，让 AI 从「会写英文」变成「会写投稿级论文」。
它的 3 个最大特点
- 故事先行：先想清楚 7 步逻辑链，再动笔写句子——顺序不能反。
- 证据诚实：claim-evidence 映射是硬约束，撑不住的 claim 必须弱化或删除。
- 审稿人视角：写完用 5 维 25 问反杀一遍，把拒稿风险掐死在投稿前。
延伸思考（写完论文后可以想想）
- 这个 Skill 的模板都是 ML/CV/NLP 方向的——如果你的领域是生物、医学、社会科学，哪些原则通用（一段一消息、claim-evidence 对齐），哪些模板要自己改？
- 「不推荐写法」那节其实在教你识别「包装过度」的论文——下次读论文时，试着找找哪些论文在用那种写法「把简单 pipeline 讲得很玄」。
- Skill 本身不会替你做实验——它只能保证「你有什么证据，就诚实地讲出几分故事」。证据从哪来？这正是本系列第 10 个课件（ai-research-skill）要解决的问题。
词
术语翻卡：点击卡片看高中生版解释
Skill
Skill
一个文件夹，核心是 SKILL.md：把"某类事怎么做"封装成 AI 可自动执行的标准流程。本仓库把它用在论文写作上。
SKILL.md
SKILL.md
Skill 的大脑：YAML 元数据 + Markdown 指令。本仓库的 SKILL.md 定了 6 步工作流、9 条写作铁律和输出契约。
Abstract
摘要
论文第一段：任务、挑战、贡献、结果一遍讲清。本仓库给 3 套模板（三选一）。
Introduction
引言
论文讲故事的章节：7 步逻辑链 → 5 个部分，4 种开头 × 3 种挑战写法 × 4 种 pipeline 写法。
Reverse Outlining
反向提纲
写完后倒着列提纲：论点→每段主题句→证据点，检查映射是否严丝合缝，挂不上的段落删掉。
Claim-Evidence 对齐
Claim-Evidence Alignment
每个大 claim 都要在实验里找到证据；找不到就弱化或删除。是本 Skill 的硬约束。
Adversarial Review
对抗性自查
扮演最挑剔的审稿人，用 5 维 25 问反杀自己的草稿，提前消灭拒稿风险。
Teaser 图
Teaser Figure
论文第一张图：一眼讲清核心思想。指南要求把它当正文内容做，不是装饰。
SOTA
State of the Art
当前最优方法。引言 Part 2 的核心任务：讲清 SOTA 为什么达不到目标、根本技术原因是什么。
消融实验
Ablation Study
每次去掉方法的一个部件，看性能掉多少——证明每个部件真的有用。审稿人最爱看的证据之一。
Baseline
基线
用来对比的参照方法。"超越 baseline"必须公平对比，否则 claim 不成立。
顶刊/顶会
Top Venue
领域内最难中的期刊/会议（如 CVPR、NeurIPS）。本 Skill 的目标就是"投稿级"写作。
测
自测：单选，点击选项即判对错
点一个选项，绿色=答对，红色=答错，解析会自动展开。
Q1这个 Skill 的写作方法论主要来源于谁？
答案：B。README 开头明确声明：写作知识与方法论绝大部分来自彭思达教授的公开笔记（pengsida/learning_research），Slazee 的贡献是整理、结构化改编、打包成可复用的 Skill。
Q2按 SKILL.md 的核心工作流，正确的第一步是什么？
答案：B。工作流第 1 步：Clarify the paper story before sentence-level edits——故事没想清楚就改句子，等于装修前没画图纸。
Q3「一段只讲一个消息，首句点明段落要干什么」属于 Skill 的哪部分？
答案：C。这是 9 条全局写作铁律之一。记住它的检查搭档：Paragraph Clarity Check（段落清晰度四问）。
Q4你的摘要有 2 个并列的贡献，应该用 Abstract 的哪个模板？
答案：C。版本 3 专为多贡献设计：每个贡献单独成句，且每句都要带上它的技术优势（"贡献 + 优势"塞进一句话是关键基本功）。
Q5引言写作的大忌是什么？
答案：B。指南明确警告：这种写法让工作看起来像给 baseline 打补丁（增量感），会杀死读者好奇心——即使工作本身真是增量的，也别这么写。
Q6做 claim-evidence 对齐检查时，发现摘要里的一个 claim 在实验部分找不到证据，Skill 要求怎么做？
答案：B。这是 paper-review.md 的"关键规则（不可违反）"：大 claim 必须技术正确 + 有实验明确支撑，撑不住就加证据或弱化/删除。诚实是审稿人最看重的品质。