新闻详情

新闻详情

首页 / 资讯中心 / 详情

论文各章节写作自查清单:codex-claude-academic-skills 修辞结构与检查指南

发布时间:2026/11/12 3:33:51来源:尧图网络
论文各章节写作自查清单:codex-claude-academic-skills 修辞结构与检查指南
论文各章节写作自查清单codex-claude-academic-skills 修辞结构与检查指南【免费下载链接】codex-claude-academic-skills本仓库包含三个面向学术科研人员的Skills覆盖从文献阅读、论文写作到科学计算的完整研究工作流。office-academic-skill 负责论文阅读报告与学术 PPT/Word 文档生成research-writing-skill 提供论文写作、润色与审稿回复辅助scientific-toolkit-skill 整合 MATLAB/Python 科学计算与期刊级图表生成。三个 Skill 专为中文科研用户设计可在 Claude Code 和 codex 中一键调用。项目地址: https://gitcode.com/gh_mirrors/co/codex-claude-academic-skills写作自查清单是论文各章节写作中最实用的质检工具。codex-claude-academic-skills 是一个面向中文科研用户的开源 Skill 仓库其中research-writing-skill内置了覆盖引言、相关工作、设计、实验四大章节的写作自查清单writing_checklists/并配套各章节修辞结构Rhetorical Moves指南与 14 条编辑原则帮助你在投稿前快速定位逻辑漏洞、模糊用词与证据缺失。 项目概览三个 Skill 如何分工仓库包含三个互补的 Skill论文写作自查主要依赖第二个Skill核心用途自查场景research-writing-skill论文章节撰写、修改、润色、审稿回复各章节自查清单与修辞结构office-academic-skill学术 Word/PPT 生成文献报告、答辩 PPTscientific-toolkit-skillMATLAB/Python 科研计算出图、统计检验、数据验证核心写作资源集中在 research-writing-skill/references/paper-writing/ 目录section_rhetorical_moves/—— 各章节修辞结构指南引言 6 步法、设计 5 步法等writing_checklists/—— 四大章节自查清单author_profile/editorial_principles.md—— 14 条编辑原则brainstorming_guide.md—— 从模糊想法到论文蓝图的提问框架 核心概念什么是修辞结构修辞结构Rhetorical Moves是把章节写作拆解为若干固定动作的方法。以引言为例introduction.md 定义了6-Move 序列利害关系Stakes→ 问题缺口Gap→ 关键抽象Abstraction→ 设计直觉Intuition→ 贡献Contributions→ 结果预览Preview每个 Move 有明确功能缺一步论证就弱顺序错读者就乱。配套的 intro_questions.md 则把这些动作翻译成可勾选的自查问题。下面按章节拆解最关键的检查点。✅ 引言自查6 个动作逐一核对对照 intro_questions.md重点检查首句是否点名领域问题而非技术——ML 展现了巨大前景是典型被拒开头AI/ML 不应出现在前两段缺口是否结构性——现有方法不够好定量缺口不如现有方法基于 X 假设而 X 不成立结构性缺口限制要编号列出并逐条映射到你系统的设计选择是否有一个可被引用的命名抽象——如渐进式解耦内在评估框架名字要能被同行引用贡献是否编号、加粗标签开头、陈述claim而非process——每条贡献都要有对应的评估小节是否给出头条数字——如2–4 倍提升并引用前 2 页内的主图略读测试——只读标题段首句能否重建全文论证 相关工作自查是定位段不是文献综述related_work_questions.md 的核心思想相关工作是局限性论证limitation argument而非论文逐篇罗列。自查要点前人工作是否归为2–4 个类别按方法类型命名而非按论文每类是否给出具体结构性局限且该局限能被你的系统特性回应是否有清晰的定位句不同于 X本方法在保持 Z 的同时提供 Y反模式检查篇幅是否过长、有无教读者什么是 TCP式的科普段、每篇引用是否都在为贡献定位服务。️ 设计/方法自查5-Move 序列与What→Why→So-What测试design.md 的设计章节 5 步法抽象引入 → 设计论证Why→ 组件架构 → 关键权衡参数 → 鲁棒性/边界情况design_questions.md 中最有操作性的是What → Why → So-What 标题测试对每个小节标题检查它处于哪一级级别标题示例判断WHAT系统架构只点名话题最低要求WHY线性方法为何失效论证设计选择SO-WHAT非确定性作为一等需求直接陈述结论目标同时检查每个重大设计决策是否有为什么论证、是否解释了被否决的替代方案、系统名是否全文一致无变体。 实验/评估自查Claim-Evidence 对齐evaluation_questions.md 是四份清单中颗粒度最细的建议提交前逐项过Claim-Evidence 对齐引言的每条 claim 是否都有专属评估小节每个小节能否用本节证明 [某具体 claim]一句话概括Setup 锚定baseline 是否指名道姓禁止prior workSOTA、指标是否被定义并论证、数据集是否说明来源与规模结果呈现数字进表格/图正文只做模式解读而非报数图文是否严格一致Takeaway 段每组实验是否以Takeaway.段收尾且不读细节也能独立理解成熟度自评清单附了 4 级量表实验笔记 → 技术报告 → 会议论文 → 系统叙事目标是 Level 4。实验数据的可视化与统计验证可联动 scientific-toolkit-skill 中的 matplotlib 出图模板 和 统计检验选择指南确保图表达到期刊级标准。 14 条编辑原则自查背后的为什么editorial_principles.md 从多篇论文的修订史中提炼出 14 条原则按影响力排序摘录高频几条#原则一句话要点1引言写两遍Draft 0 定框架终稿在评估完成后重写承诺与证据精确匹配2命名优于模糊显著/有效/先进换成可测量条件概念要命名名字才可被引用3标题三级跳标题承载结论而非话题支撑略读5结构性重写新版从白纸写起旧版只是参考材料7问题先行首句写问题域技术降为方法而非主角14技术性断言必须引用无引用的断言在审稿人眼里就是空话文末还给出了导师模拟流程按 1 → 7 → 3 → 2 → 14 → 4 的顺序依次应用原则正好是一套完整的自查流水线。 如何使用这套自查体系git clone https://gitcode.com/gh_mirrors/co/codex-claude-academic-skills cp -r codex-claude-academic-skills/research-writing-skill ~/.claude/skills/在 Claude Code 或 Codex 中直接说帮我按写作自查清单检查引言章节Skill 会按需加载对应 checklist 与修辞指南见 SKILL.md 中的 Bundled References 说明。它默认中文表达、保留英文术语与公式、不编造数据并自动区分原文内容/用户确认/推断/建议性扩展四类信息——这正是自查阶段最需要的可信度保障。如果论文想法还很模糊可先走 brainstorming_guide.md 的三阶段提问问题发现 → 贡献结晶 → 评估设计把自查清单的输入claim 列表、头条数字、baseline 名单先准备齐全。 总结codex-claude-academic-skills 的写作自查清单把好论文的隐性标准显性化了引言六步法管框架、相关工作管定位、设计章节管 Why、评估章节管证据对齐再用 14 条编辑原则兜底。把它当作投稿前的固定流程跑一遍比反复精读全文更能快速暴露结构问题——这正是新手到成熟作者之间最有效的差距缩小器。【免费下载链接】codex-claude-academic-skills本仓库包含三个面向学术科研人员的Skills覆盖从文献阅读、论文写作到科学计算的完整研究工作流。office-academic-skill 负责论文阅读报告与学术 PPT/Word 文档生成research-writing-skill 提供论文写作、润色与审稿回复辅助scientific-toolkit-skill 整合 MATLAB/Python 科学计算与期刊级图表生成。三个 Skill 专为中文科研用户设计可在 Claude Code 和 codex 中一键调用。项目地址: https://gitcode.com/gh_mirrors/co/codex-claude-academic-skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/11 9:31:44

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/11 5:36:08

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉