用途
本技能用于撰写面向顶级 AI 会议的投稿论文,目标会议包括 NeurIPS、ICML、ICLR、ACL、AAAI、COLM。它适用于以下场景:从研究代码仓库出发撰写论文、起草或修订特定章节、查找并核验相关工作引用、按会议要求排版投稿、被拒后转换到其他会议重新投稿,以及根据科研人员反馈迭代草稿。
对于系统类会议(OSDI、NSDI、ASPLOS、SOSP),资料建议改用 systems-paper-writing 技能。
核心写作理念
论文写作是协作性的,但 Claude 应主动交付草稿。典型工作流从包含代码、结果和实验产物的研究仓库开始,Claude 的职责是:通过探索仓库、结果和现有文档理解项目;在确信贡献点时交付完整初稿;使用网络搜索和 API 查找相关引用;在科研人员提供输入后通过反馈循环精炼;仅在关键决策确实不确定时才请求澄清。
关键原则是主动:如果仓库和结果清晰,就交付完整草稿,不要为每个章节等待反馈。先产出具体内容供科研人员反应,再根据回应迭代。
叙事原则
论文不是实验的集合,而是一个有单一明确贡献、由证据支撑的故事。每篇成功的 ML 论文都围绕 Neel Nanda 所说的“叙事”:一个简短、严谨、基于证据的技术故事,并带有读者关心的结论。引言结束前必须清晰呈现三大支柱:
- The What:在连贯主题下的 1-3 个具体新颖主张,例如“我们证明 X 在条件 Z 下达到 Y”。
- The Why:支撑主张的严谨实证证据,包括强基线、能区分假设的实验。
- The So What:读者为何应关心,与公认社区问题的联系。
如果无法用一句话陈述贡献,就还没有一篇论文。
论文结构工作流
完整论文的迭代写作包含以下步骤:定义一句话贡献(需科研人员明确确认);起草 Figure 1 并获取反馈;起草摘要并修订;起草引言并修订;起草方法并修订;起草实验并修订;起草相关工作并修订;起草局限性并修订;完成论文检查清单;最终评审与投稿。
各章节要点:
- Figure 1:许多读者会直接跳到它,需传达核心思想、方法或最有说服力的结果;使用矢量图(PDF/EPS);图注应能脱离正文独立阅读;确保黑白可读性。
- 摘要:采用 Sebastian Farquhar 的五句式公式——你实现了什么、为何困难且重要、如何做到(含专业关键词)、有何证据、最显著的数字/结果。删除“大语言模型已取得显著成功”之类的泛泛开头。
- 引言:最多 1-1.5 页,必须包含 2-4 条要点式贡献列表(双栏格式下每条最多 1-2 行)、清晰的问题陈述、简要方法概述;方法部分最迟应在第 2-3 页开始。
- 方法:支持重新实现,包含概念大纲或伪代码、全部超参数、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。
- 实验:每个实验明确说明支撑哪个主张、如何连接主贡献、实验设置(细节放附录)、应观察什么;要求包含误差棒及其方法说明、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。
- 相关工作:按方法论组织而非逐篇罗列。好的写法是“一条工作线使用 Floogledoodle 的假设 [refs],而我们使用 Doobersnoddle 的假设,因为……”。应慷慨引用。
- 局限性:所有主要会议都要求此章节。反直觉的是,诚实有帮助:审稿人被指示不应因诚实承认局限而扣分;主动识别弱点可预防批评;解释为何局限不削弱核心主张。
- 论文检查清单:NeurIPS、ICML、ICLR 均要求。
引用核验(防止幻觉)
这是 AI 辅助学术写作中最重要的规则。AI 生成的引用约有 40% 错误率,幻觉引用(不存在的论文、错误作者、错误年份、伪造 DOI)是严重学术不端,可能导致直接拒稿或撤稿。
黄金规则:如果无法程序化获取引用,就标记为 [CITATION NEEDED] 或 [PLACEHOLDER - VERIFY],明确告知科研人员,绝不编造听起来合理的引用。绝不凭记忆生成 BibTeX。
引用核验步骤(每条引用必做):使用 Exa MCP 或 Semantic Scholar API 搜索;在 2 个以上来源(Semantic Scholar + arXiv/CrossRef)确认论文存在;通过 DOI 程序化获取 BibTeX;核验所引主张确实出现在该论文中;将已核验的 BibTeX 加入参考文献;任一步骤失败则标记占位符并告知科研人员。
推荐安装 Exa MCP 以获得实时学术搜索。Claude Code 命令:
claude mcp add exa -- npx -y mcp-remote "https://mcp.exa.ai/mcp"
Cursor / VS Code 在 MCP 设置中添加:
{ "mcpServers": { "exa": { "type": "http", "url": "https://mcp.exa.ai/mcp" } } }
Semantic Scholar 搜索示例代码:
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')}")
通过 DOI 获取 BibTeX 的示例代码:
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
bibtex = doi_to_bibtex("10.48550/arXiv.1706.03762") print(bibtex)
无法核验时的占位符写法:
% EXPLICIT PLACEHOLDER - requires human verification \cite{PLACEHOLDER_author2024_verify_this} % TODO: Verify this citation exists
并告知科研人员:“我已将 [X] 条引用标记为需要核验的占位符,无法确认这些论文存在。”
会议要求速查
- NeurIPS 2025:9 页,相机版 +0,强制检查清单,录用后需通俗摘要。
- ICML 2026:8 页,+1,需 Broader Impact Statement。
- ICLR 2026:9 页,+1,需 LLM 披露,互惠审稿。
- ACL 2025:8 页(长文),相机版页数不定,局限性章节强制。
- AAAI 2026:7 页,+1,严格遵循样式文件。
- COLM 2025:9 页,+1,聚焦语言模型。
通用要求:双盲评审(投稿需匿名);参考文献不计入页数;附录不限但审稿人无义务阅读;所有会议均要求 LaTeX。
LaTeX 模板与编译
模板位于 templates/ 目录,涵盖 ICML 2026、ICLR 2026、NeurIPS 2025、ACL/EMNLP、AAAI 2026、COLM 2025。应始终从 templates/ 复制完整模板目录,而非凭记忆编写 LaTeX 导言区。
编译为 PDF:VS Code/Cursor 安装 LaTeX Workshop 扩展 + TeX Live,保存即自动编译;命令行使用 latexmk -pdf main.tex 或 pdflatex + bibtex 工作流;在线可上传至 Overleaf。
参考文档
技能包含多份深入参考文档:writing-guide.md(Gopen & Swan 七原则、Ethan Perez 微技巧、用词)、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(评审标准、评分、反驳)、sources.md(全部来源书目)、from-research-repo.md(工作流 0:将代码仓库转化为论文)、writing-philosophy.md(时间分配、清晰度、用词、审稿人实际阅读内容)、latex-templates-and-conversion.md(模板设置、编译、陷阱、会议转换)、issues-reviewers-figures.md(常见问题、审稿标准、表格与图)。
适用场景与限制
适用:从研究仓库撰写论文、起草或修订章节、查找核验引用、按会议排版、跨会议转换投稿、根据反馈迭代草稿。
限制:本技能面向 ML/AI 会议,系统类会议需使用 systems-paper-writing 技能;引用必须程序化核验,无法核验时只能标记占位符;初稿是讨论起点而非最终产出;目标会议不明确、存在多个同等合理的矛盾框架、结果不完整或不一致、或明确要求先审阅时,才应暂停等待输入。