Academic Paper Writing

---
name: academic-paper-writing
description: Top-tier CS/AI/Robotics manuscript writing taste. Load when drafting, revising, or polishing academic papers in computer vision, machine learning, robotics, image processing, and related fields. Not for research reports or slides — those belong to write_md and slide_deck.
requires: research_manager
---

## Output Contract

- 先说结论，再给必要依据和下一步。
- 默认短句和常用词；术语只在更准确时用，首次出现直接解释。
- 内部状态、流程和检查表默认不展示；只有影响决定或用户明确要求时才展开。
- 外部事实、论文结论和数字附来源；不确定的直接写"尚未验证"或"我推测"，不给每句话机械加事实/猜测标签。
- 一段能说清就不用表格；独立要点用列表；只有横向比较才用表格。
- 不写套话、廉价肯定、重复总结和固定收尾。
- 禁用黑话和自造词（赋能、闭环、抓手、对齐、链路、落地、打磨等），直接说具体那件事。
- 写文件前先经用户确认。
- 只在发现具体的过时或重复内容时才提议清理，不作为固定收尾动作。

# Academic Writing — 每个声明都拴在证据上

## 1. 核心前提

好论文建立在审计过的证据、清楚的声明、让读者跟得上推理的结构之上。文字可以澄清声明，不能把声明撑到证据之外。

## 2. 叙事弧线

1. **开场**：指出精确的空缺。不写泛泛之言。锚在"最强但仍差一步"的可信工作上，再引最近的直接工作。绝不拿弱论文垫空缺。
2. **洞见**：一句话说清重新提法。说不出来，说明论文还没聚焦。
3. **方法**：先给想法再给公式。图要 30 秒内传达核心机制。
4. **实验**：从证据搭起来：
   - 一张信息密集的主结果表。
   - 一个消融，隔离出声明的改进原因，不设通用阈值。
   - 一个在未见过的设置或数据集上的泛化检查。
   - 一张局限图，展示方法在哪失败。
5. **收尾**：回到开场的空缺，总结证据显示了什么，如实说出剩下的边界。

## 3. 写作场景与读者

动笔前先确认四件事：领域、目标会议/期刊、发表场景（主会 / 期刊扩展 / workshop / 学位论文）、读者群体（赶时间的审稿人、会细读的期刊读者、跨领域读者）。这四项决定篇幅策略、相关工作厚度、实验密度和语气。

本文件其余各节是通用规则；场景差异写在 `references/` 下的场景文件里，命中的场景在动笔前加载。没有匹配的场景文件时按通用规则写；用户反馈出来的场景偏好回写成新的场景文件（先经用户确认），不写一次性的现场规则。

## 4. 语气

- 为隔壁子领域的聪明同事写。
- 避开吹嘘词："novel"、"first"、不带效应量和不确定度的 "significantly"、"obviously"、"clearly"、"state-of-the-art"。
- 优先用描述机制的动词："enables"、"reveals"、"decouples"、"bridges"。
- 句子长短交错。贡献用主动语态；既定事实偶尔用被动。
- 每个符号首次出现就定义。每个公式和图都在正文里引用。
- 避开 AI 腔的标点：拿破折号和冒号当戏剧性转折滥用。

## 5. 证据上限与可追溯

只从转正后的实现和保留的证据记录起草声明。每个定量声明必须能追到一个实验编号和一份保留的产物（图、表或日志清单）。不许从实验分支里挑好看的运行。来自文献的定量声明同样要追——追到一条 `knowledge_keeper` 笔记 ID，且其阅读深度撑得起这个声明；没有笔记就先委托落库，再写这句话。

必报：效应量、不确定区间、实际意义。不依赖 p 值或 `<1%`、`90% of gain`、`尖峰` 这类单一阈值说法。

## 6. 图和表

- 图是论证，不是装饰。展示流程和机制，不只是摆布局。
- 图的制作和视觉验证委托 `result_visualization`；本技能决定叙事位置和图注的论点。
- 全套图用一致的图标语言。
- 异质性重要时，误差图和分布图好过单个标量。
- 色盲安全色板；灰度可读是纪律。
- 表：不要竖线，小数点对齐，最优结果加粗，带上参数量和成本指标。
- 图注自足，缩写要定义。

## 7. 消融和敏感性

- 测难的那个：去掉或替换声明中起关键作用的组件。报告效应量和不确定度；不设固定的下降阈值。
- 带一个替换消融：和解决同一问题的最简单 baseline 比。
- 主要比较必须包含最强的可信方法，不只挑好打的弱对手。
- 超参敏感性：报告范围、效应是稳定还是脆，不靠"尖峰"叙事。

## 8. 引用的规矩

引用之前，把检索、核实（年份、声明）、落库到 `.kilo/knowledge/papers/` 委托给 `knowledge_keeper`。引用是一个承诺，不许轻率给出。

动笔之前，读方向的参照文献和质量底线，回答：问题定义跟谁走、实验/理论标准跟谁走、最近的竞争对手是谁、我们的结果真的过得了那条线吗。最后一问答"否"，那就是研究没做完，不是写作问题。

Related Work 按想法综合，不按编年。别把所有相关工作等权重——参照工作、直接竞争、背景文献权重不同。批评要精准：描述那个限制了适用范围的假设，不写不屑的概括。

## 9. 审稿人怎么想

四个测试应用在同一段虚构段落上的完整走查：`references/reviewer-walkthrough.md`。

- **5 分钟测试**：问题、洞见、主结果——从标题、摘要、第一张图就能看出来。
- **惊喜测试**：图和表抛开正文也能讲出连贯的故事。
- **反驳测试**：列出每一条反驳；要么预先化解，要么承认并写进局限。
- **标题测试**：非专业读者能懂且不空泛。100 字符以内，无术语，无缩写。

## 10. 局限和可复现

说局限和说成果用同样的精度。带一张失败案例图，解释为什么失败。报告框架、硬件、训练时长、batch size、优化器、调度、增广、损失、种子、数据集规模/划分/预处理、指标定义。藏起来的技巧是可复现性的失败，不是聪明。

## 11. 手稿存放

进行中的手稿放在方向的 `manuscript/` 目录，或方向概览里链接的外部仓库。生成的手稿不受 150 行运营文档预算限制。与 `write_md` 的边界：它管报告可读性和 HTML 渲染；在手稿上它只套用语言层——起草、结构、面向审稿人的论证留在本技能。

## 12. 最后打磨

读出声。听磕绊、回声、漂移、吹嘘、没人引用的公式和图。修掉。然后再修一遍。

## References

| 文件 | 何时加载 |
|---|---|
| `references/reviewer-walkthrough.md` | 投稿前自查（§9 四个测试的完整走查） |
| `references/scenario-conf-main.md` | CV/ML 主会（CVPR / NeurIPS / ICML 等） |
| `references/scenario-journal.md` | 期刊或会议扩展版（TPAMI / IJCV 等） |
| `references/scenario-short.md` | workshop / 短文（≤4 页） |