用途
该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 和 COLM。典型场景是从已有研究代码仓库出发，整理实验结果与贡献，写出可投稿的完整论文；也支持单独起草或修改某一章节、检索并校验相关文献、按会议格式排版，以及转换格式后改投其他会议。对于系统类会议（OSDI、NSDI、ASPLOS、SOSP），资料建议改用 systems-paper-writing 技能。
主要能力
- 叙事框架：以“一个清晰贡献 + 证据支撑的故事”为核心，要求作者在引言结束前讲清 What（1–3 个具体新主张）、Why（严谨的实证证据）和 So What（读者为何关心）。若无法用一句话说清贡献，说明论文尚未成形。
- 逐节写作流程：按“一句话贡献 → Figure 1 → 摘要 → 引言 → 方法 → 实验 → 相关工作 → 局限 → 检查清单 → 终审”的顺序推进，每一步都包含起草、反馈和修订。
- 摘要五点公式：来自 Sebastian Farquhar，依次写成果、难点与重要性、方法（含专业关键词）、证据、最亮眼的数字，并删去“大语言模型已取得显著成功”这类泛泛开头。
- 结构要求：引言控制在 1–1.5 页并含 2–4 条要点式贡献；方法部分最迟从第 2–3 页开始，需提供概念提纲或伪代码、全部超参数和足以复现的架构细节；实验需说明每个实验支撑的主张、实验设置、误差棒方法、超参数搜索范围和算力信息；相关工作按方法脉络组织而非逐篇罗列；局限章节为必需项。
- 写作风格原则：整合 Gopen & Swan 的七条读者预期原则（主谓靠近、句末强调、旧信息在前新信息在后、一段一义、用动词而非名词化表达等）、Ethan Perez 的微观清晰技巧（少用代词、删除填充词）、Zachary Lipton 的用词建议（具体化、去模糊限制语、避免“combine/modify/expand”类增量词汇）、Jacob Steinhardt 的精确性要求（术语一致、形式化陈述假设、直觉与严谨并重）。
- 引用安全：资料强调 AI 生成引用约有 40% 错误率，幻觉文献属于学术不端，可能导致拒稿或撤稿。规则是绝不凭记忆生成 BibTeX，必须通过 API 检索、校验后再获取；无法验证时使用显式占位符，例如
\cite{PLACEHOLDER_author2024_verify_this}并标注 TODO，同时告知作者哪些引用待人工核实。 - 文献检索：推荐安装 Exa MCP 进行实时学术搜索，再用 Semantic Scholar API 校验并通过 DOI 获取 BibTeX。安装命令：Claude Code 使用
claude mcp add exa -- npx -y mcp-remote "https://mcp.exa.ai/mcp"；Cursor / VS Code 在 MCP 设置中加入{"mcpServers": {"exa": {"type": "http", "url": "https://mcp.exa.ai/mcp"}}}。 - 会议检查清单与模板：NeurIPS、ICML、ICLR 均要求论文检查清单，资料指向
references/checklists.md；同时提供 LaTeX 模板。
使用方式
从研究仓库入手：先探索目录结构，阅读 README、结果与配置，找出代码中已有的引用；再与研究者确认核心贡献，检索补充文献，然后主动交付完整初稿，而非逐节等待许可。资料给出的置信度策略是：仓库清晰、贡献明确时直接写完整初稿；存在歧义时写稿并标注不确定点；只有目标会议不明、多种框架互相矛盾或结果不完整时才先问 1–2 个问题。初稿应附带待确认问题，例如“我把 X 作为主要贡献，如需强调 Y 请调整”。
适用场景
适合从代码仓库起草投稿论文、修改单节内容、为相关工作检索并校验引用、按会议要求排版、改投其他会议时做格式转换，以及与研究者迭代修订稿件。
限制
资料未提供该技能的收费、价格、平台支持范围或效果数据。引用校验依赖外部搜索与 API 服务，无法验证时必须保留占位符交由人工核实。系统类会议不在本技能范围内。所有写作产出均为讨论起点，需研究者确认贡献表述与结果解读。