title: “Research Paper Writing — Write ML papers for NeurIPS/ICML/ICLR: design→submit” sidebar_label: “Research Paper Writing” description: “Write ML papers for NeurIPS/ICML/ICLR: design→submit”

{/* 本页面由 website/scripts/generate-skill-docs.py 根据技能对应的 SKILL.md 文件自动生成。请直接编辑源文件 SKILL.md，而非此页面。 */}

研究论文撰写

协助完成面向 NeurIPS/ICML/ICLR 的机器学习论文撰写：从设计到投稿的全流程服务。

技能元数据

参考：完整 SKILL.md 内容

:::info 以下为 Hermes 在触发该技能时加载的完整技能定义。当该技能处于激活状态时，智能体将依据此内容执行相应操作。

::

研究论文撰写全流程

专为面向 NeurIPS、ICML、ICLR、ACL、AAAI 以及 COLM 发表而设计的端到端机器学习/人工智能研究论文生成流程。该技能覆盖了整个研究生命周期：实验设计、执行、监控、分析、论文撰写、审稿、修改以及投稿。

这并非线性流程，而是一个循环迭代的过程——实验结果会触发新的实验，审稿意见又会促使进一步分析。智能体需能够处理这些反馈循环。

┌─────────────────────────────────────────────────────────────┐
│                    RESEARCH PAPER PIPELINE                  │
│                                                             │
│  Phase 0: Project Setup ──► Phase 1: Literature Review      │
│       │                          │                          │
│       ▼                          ▼                          │
│  Phase 2: Experiment     Phase 5: Paper Drafting ◄──┐      │
│       Design                     │                   │      │
│       │                          ▼                   │      │
│       ▼                    Phase 6: Self-Review      │      │
│  Phase 3: Execution &           & Revision ──────────┘      │
│       Monitoring                 │                          │
│       │                          ▼                          │
│       ▼                    Phase 7: Submission               │
│  Phase 4: Analysis ─────► (feeds back to Phase 2 or 5)     │
│                                                             │
└─────────────────────────────────────────────────────────────┘

何时使用该技能

在以下情况下可使用此技能：

• 基于现有代码库或创意启动新的研究论文撰写
• 设计并执行实验以支撑论文中的论点
• 撰写或修改研究论文的任意部分
• 为向特定会议或研讨会提交论文做准备
• 通过补充实验或修改内容来回应审稿意见
• 在不同会议格式之间转换论文
• 撰写非实证类论文——理论篇、综述篇、基准测试篇或立场声明篇（参见超越实证机器学习的论文类型）
• 为自然语言处理、人机交互或对齐研究设计人工评估方案
• 准备论文被接收后的交付物——海报、演讲材料、代码发布版本

核心理念

1. 主动出击。提供完整的初稿，而非仅抛出问题。科学家们十分忙碌——先给出他们能够直接回应的具体内容，再逐步优化。
2. 绝不编造引用。人工智能生成的引用错误率约为40%。务必通过编程方式获取引用信息。将无法核实的引用标记为 [CITATION NEEDED]。
3. 论文是故事，而非实验集合。每篇论文都需用一句话清晰阐述其核心贡献。若无法做到这一点，则说明论文尚未准备好。
4. 实验需服务于论点。每个实验都必须明确说明其所支持的论点。绝不能进行与论文整体论述无关的实验。
5. 尽早提交，频繁提交。每次完成一组实验、每次更新论文初稿，都应附带描述性注释后进行提交。Git日志就是实验的历史记录。

主动性与协作

默认原则：主动出击。先撰写初稿，再基于初稿提出问题。

仅在以下情况才暂停推进并等待输入：目标会议不明确、存在多种相互矛盾的表述、实验结果似乎不完整，或收到明确要求先进行审阅的情况。

第0阶段：项目准备

目标：搭建工作环境，了解现有研究，明确论文的贡献点。

步骤0.1：探索代码库

# Understand project structure
ls -la
find . -name "*.py" | head -30
find . -name "*.md" -o -name "*.txt" | xargs grep -l -i "result\|conclusion\|finding"

请查找以下文件：

• README.md — 项目概述与功能说明
• results/、outputs/、experiments/ — 现有的研究结果
• configs/ — 实验配置参数
• .bib 文件 — 现有的参考文献 以及各类草稿文档或笔记。

步骤 0.2：整理工作空间

建立统一的工作空间结构：

workspace/
  paper/               # LaTeX source, figures, compiled PDFs
  experiments/         # Experiment runner scripts
  code/                # Core method implementation
  results/             # Raw experiment results (auto-generated)
  tasks/               # Task/benchmark definitions
  human_eval/          # Human evaluation materials (if needed)

步骤 0.3：配置版本控制

git init  # if not already
git remote add origin <repo-url>
git checkout -b paper-draft  # or main

Git 使用规范：每批完成后的实验数据都需通过提交操作进行保存，并附上描述性说明。示例如下：

Add Monte Carlo constrained results (5 runs, Sonnet 4.6, policy memo task)
Add Haiku baseline comparison: autoreason vs refinement baselines at cheap model tier

步骤 0.4：明确贡献点

在开始撰写任何内容之前，先清晰阐述以下三点：

• 核心贡献是什么：这篇论文究竟带来了什么独特的价值？
• 依据是什么：有哪些证据可以支撑这一观点？
• 为何重要：为什么读者应该关注它？

可向科研人员提出如下建议：“据我理解，本文的主要贡献在于：[一句话概括]。关键研究结果为[Y]。这样的表述是否符合您的预期？”

步骤 0.5：制定待办清单

使用 todo 工具来创建结构化的项目计划：

Research Paper TODO:
- [ ] Define one-sentence contribution
- [ ] Literature review (related work + baselines)
- [ ] Design core experiments
- [ ] Run experiments
- [ ] Analyze results
- [ ] Write first draft
- [ ] Self-review (simulate reviewers)
- [ ] Revise based on review
- [ ] Submission prep

请在整个项目中统一更新此内容。它将作为跨会话的持久化状态保存下来。

步骤 0.6：估算计算预算

在开始实验之前，先预估总成本与所需时间：

Compute Budget Checklist:
- [ ] API costs: (model price per token) × (estimated tokens per run) × (number of runs)
- [ ] GPU hours: (time per experiment) × (number of experiments) × (number of seeds)
- [ ] Human evaluation costs: (annotators) × (hours) × (hourly rate)
- [ ] Total budget ceiling and contingency (add 30-50% for reruns)

在实验运行过程中实时追踪实际支出情况：

# Simple cost tracker pattern
import json, os
from datetime import datetime

COST_LOG = "results/cost_log.jsonl"

def log_cost(experiment: str, model: str, input_tokens: int, output_tokens: int, cost_usd: float):
    entry = {
        "timestamp": datetime.now().isoformat(),
        "experiment": experiment,
        "model": model,
        "input_tokens": input_tokens,
        "output_tokens": output_tokens,
        "cost_usd": cost_usd,
    }
    with open(COST_LOG, "a") as f:
        f.write(json.dumps(entry) + "\n")

预算紧张时：在开展全面测试之前，先进行小规模试点实验（使用1-2个样本及部分任务）。在调试流程时可选用成本较低的模型，最终运行时再切换为目标模型。

步骤0.7：多作者协作

大多数论文的作者数量为3至10人。建议尽早确定协作流程：

章节负责制：为每个章节指定一名主要作者，其他成员仅可发表评论，不得直接修改内容。这样可以避免合并冲突及风格不一致的问题。

Author Coordination Checklist:
- [ ] Agree on section ownership (who writes what)
- [ ] Set up shared workspace (Overleaf or git repo)
- [ ] Establish notation conventions (before anyone writes)
- [ ] Schedule internal review rounds (not just at the end)
- [ ] Designate one person for final formatting pass
- [ ] Agree on figure style (colors, fonts, sizes) before creating figures

需提前确定的 LaTeX 格式规范：

• 使用 \method{} 宏以确保方法名称的一致性
• 引用格式：区分 \citet{} 与 \citep{} 的使用方式
• 数学符号：向量用小写粗体，矩阵用大写粗体等
• 英式拼写与美式拼写的选择

第一阶段：文献综述

目标：查找相关研究、确定基准方法、收集引用文献。

步骤 1.1：筛选初始参考论文

从代码库中已存在的参考文献开始入手：

# Via terminal:
grep -r "arxiv\|doi\|cite" --include="*.md" --include="*.bib" --include="*.py"
find . -name "*.bib"

步骤 1.2：搜索相关研究

加载 arxiv 技能以实现结构化论文检索：调用 skill_view("arxiv")。该技能支持通过 arXiv REST API 进行搜索，还能提供 Semantic Scholar 的引文图谱、作者资料以及 BibTeX 格式生成功能。

如需进行广泛检索，可使用 web_search；若要获取特定论文，则可使用 web_extract：

# Via web_search:
web_search("[main technique] + [application domain] site:arxiv.org")
web_search("[baseline method] comparison ICML NeurIPS 2024")

# Via web_extract (for specific papers):
web_extract("https://arxiv.org/abs/2303.17651")

可尝试的其他搜索查询：

Search queries:
- "[main technique] + [application domain]"
- "[baseline method] comparison"
- "[problem name] state-of-the-art"
- Author names from existing citations

推荐：为实现实时学术搜索，请安装 Exa MCP：

claude mcp add exa -- npx -y mcp-remote "https://mcp.exa.ai/mcp"

步骤 1.2b：深入搜索（先广度后深度）

单纯的单一轮查询往往难以发现重要的相关研究成果。建议采用受深度研究流程启发的迭代式“先广度后深度”搜索策略：

Iterative Literature Search:

Round 1 (Breadth): 4-6 parallel queries covering different angles
  - "[method] + [domain]"
  - "[problem name] state-of-the-art 2024 2025"
  - "[baseline method] comparison"
  - "[alternative approach] vs [your approach]"
  → Collect papers, extract key concepts and terminology

Round 2 (Depth): Generate follow-up queries from Round 1 learnings
  - New terminology discovered in Round 1 papers
  - Papers cited by the most relevant Round 1 results
  - Contradictory findings that need investigation
  → Collect papers, identify remaining gaps

Round 3 (Targeted): Fill specific gaps
  - Missing baselines identified in Rounds 1-2
  - Concurrent work (last 6 months, same problem)
  - Key negative results or failed approaches
  → Stop when new queries return mostly papers you've already seen

何时停止搜索：如果某一轮次返回的论文中有超过80%已存在于您的收藏中，说明搜索已达到饱和状态。通常2-3轮即可完成目标，而对于综述类论文，则可能需要4-5轮。

针对基于智能体的工作流：可通过delegate_task函数并行处理每一轮的查询任务。收集所有结果后进行去重处理，再根据汇总到的信息生成下一轮的查询条件。

第1.3步：验证每条引用

绝不可凭记忆生成BibTeX格式，必须通过编程方式获取。

对于每条引用，都必须遵循以下5个必经步骤：

Citation Verification (MANDATORY per citation):
1. SEARCH → Query Semantic Scholar or Exa MCP with specific keywords
2. VERIFY → Confirm paper exists in 2+ sources (Semantic Scholar + arXiv/CrossRef)
3. RETRIEVE → Get BibTeX via DOI content negotiation (programmatically, not from memory)
4. VALIDATE → Confirm the claim you're citing actually appears in the paper
5. ADD → Add verified BibTeX to bibliography
If ANY step fails → mark as [CITATION NEEDED], inform scientist

# Fetch BibTeX via DOI
import requests

def doi_to_bibtex(doi: str) -> str:
    response = requests.get(
        f"https://doi.org/{doi}",
        headers={"Accept": "application/x-bibtex"}
    )
    response.raise_for_status()
    return response.text

如果您无法验证某条引用：

\cite{PLACEHOLDER_author2024_verify_this}  % TODO: Verify this citation exists

务必告知科研人员：“我已将[X]个引用标记为需要核实的占位符。”

如需完整的API文档及CitationManager类的全部内容，请参阅references/citation-workflow.md。

步骤1.4：整理相关研究

按方法论对论文进行分组，而非逐篇处理：

正确示例：“有一类研究采用了X的假设[refs]，而我们选择Y的假设是因为……” 错误示例：“Smith等人提出了X。Jones等人提出了Y。我们将两者结合起来使用。”

第二阶段：实验设计

目标：设计能够直接支撑论文论点的实验。每个实验都必须回答一个具体问题。

步骤2.1：将论点与实验对应起来

建立明确的映射关系：

规则：如果某个实验无法对应到任何论点，则不应执行该实验。

步骤2.2：设计基准方法

出色的基准方法往往是决定论文能否被接受的关键。审稿人会询问：“他们有没有与X进行对比？”

常见的基准方法类别：

• 朴素基准：最简单的可行方案
• 强基准：目前已知的最优方法
• 消融基准：去掉你方法中的一个组件后的版本
• 计算资源匹配基准：相同计算预算但分配方式不同的版本

步骤2.3：明确评估方案

在开始任何实验之前，需明确以下内容：

• 指标：要测量的内容及方向符号（数值越高/越低越好）
• 结果聚合方式：如何将多次运行/任务的结果合并
• 统计检验方法：用于判断显著性的测试类型
• 样本量：需要进行的运行次数/问题数量/任务数量

步骤2.4：编写实验脚本

参考成功的研究流程中的模式进行编写：

逐步保存数据——在每一步之后保存结果，以便在系统崩溃时恢复数据：

# Save after each problem/task
result_path = f"results/{task}/{strategy}/result.json"
if os.path.exists(result_path):
    continue  # Skip already-completed work
# ... run experiment ...
with open(result_path, 'w') as f:
    json.dump(result, f, indent=2)

工件保留——保存所有中间输出结果：

results/<experiment>/
  <task>/
    <strategy>/
      final_output.md          # Final result
      history.json             # Full trajectory
      pass_01/                 # Per-iteration artifacts
        version_a.md
        version_b.md
        critic.md

职责分离——将生成、评估与可视化功能分开处理：

run_experiment.py              # Core experiment runner
run_baselines.py               # Baseline comparison
run_comparison_judge.py        # Blind evaluation
analyze_results.py             # Statistical analysis
make_charts.py                 # Visualization

如需了解完整的设计模式、定时监控以及错误恢复方案，请参阅 references/experiment-patterns.md。

第 2.5 步：设计人工评估（如适用）

许多自然语言处理、人机交互以及对齐相关的研究论文都需要以人工评估作为主要或补充证据。在开展自动化实验之前就应做好此项设计——因为人工评估往往需要更长的准备时间（如伦理委员会审批、标注员招募等）。

何时需要进行人工评估：

• 自动化指标无法反映您关注的核心要素（流畅性、实用性、安全性）
• 您的研究成果侧重于面向人类的质量指标（可读性、用户偏好、信任度）
• 在自然语言处理领域的重要会议（如 ACL、EMNLP）上，审稿人通常要求对生成式任务进行人工评估

关键设计决策：

标注指南检查清单：

- [ ] Clear task description with examples (good AND bad)
- [ ] Decision criteria for ambiguous cases
- [ ] At least 2 worked examples per category
- [ ] Attention checks / gold standard items (10-15% of total)
- [ ] Qualification task or screening round
- [ ] Estimated time per item and fair compensation (>= local minimum wage)
- [ ] IRB/ethics review if required by your institution

报告要求（审核人员需检查以下所有内容）：

• 注释员的数量及其资质
• 使用特定指标和数值计算的注释员间一致性
• 报酬详情（金额、预估时薪）
• 注释界面描述或截图（附于文档末尾）
• 总注释时长

如需包含针对人工评估数据的统计检验方法、众包质量控制模式以及机构审查委员会相关指导的完整指南，请参阅 references/human-evaluation.md。

第三阶段：实验执行与监控

目标：可靠地运行实验，监控进展，并从故障中恢复。

步骤 3.1：启动实验

对于需要长时间运行的实验，请使用 nohup 命令：

nohup python run_experiment.py --config config.yaml > logs/experiment_01.log 2>&1 &
echo $!  # Record the PID

并行执行：可同时运行多个独立的实验，但需注意 API 的调用频率限制。同一 API 上同时进行的实验数量超过 4 个时，会导致所有实验的运行速度变慢。

第 3.2 步：设置监控（Cron 表达式）

对于需要长时间运行的实验，应设置定期的状态检查。Cron 表达式应遵循以下格式：

Monitor Prompt Template:
1. Check if process is still running: ps aux | grep <pattern>
2. Read last 30 lines of log: tail -30 <logfile>
3. Check for completed results: ls <result_dir>
4. If results exist, read and report: cat <result_file>
5. If all done, commit: git add -A && git commit -m "<descriptive message>" && git push
6. Report in structured format (tables with key metrics)
7. Answer the key analytical question for this experiment

静默模式：如果自上次检查以来没有发生变化，则回复 [SILENT] 以隐藏对用户的通知。仅在有新变化时才进行报告。

第 3.3 步：处理故障

常见的故障类型及恢复方法：

要点：脚本应始终检查是否存在已有结果，并跳过已完成的工作。这样既能确保重新运行的安全性，又能提高效率。

第 3.4 步：提交已完成的结果

在每个实验批次完成后：

git add -A
git commit -m "Add <experiment name>: <key finding in 1 line>"
git push

第 3.5 步：维护实验日志

Git 提交记录了所发生的一切，但无法体现探索路径——即根据已有经验做出的下一步尝试决策。因此，建议维护一份结构化的实验日志，用以记录这一探索路径。

// experiment_journal.jsonl — append one entry per experiment attempt
{
  "id": "exp_003",
  "parent": "exp_001",
  "timestamp": "2025-05-10T14:30:00Z",
  "hypothesis": "Adding scope constraints will fix convergence failure from exp_001",
  "plan": "Re-run autoreason with max_tokens=2000 and fixed structure template",
  "config": {"model": "haiku", "strategy": "autoreason", "max_tokens": 2000},
  "status": "completed",
  "result_path": "results/exp_003/",
  "key_metrics": {"win_rate": 0.85, "convergence_rounds": 3},
  "analysis": "Scope constraints fixed convergence. Win rate jumped from 0.42 to 0.85.",
  "next_steps": ["Try same constraints on Sonnet", "Test without structure template"],
  "figures": ["figures/exp003_convergence.pdf"]
}

为何要使用日志而非仅依赖 Git？ Git 用于追踪文件的变化，而日志则用于记录思考过程：为何尝试了某种方法 X、从中获得了哪些经验，以及这些经验对后续实验有何启示。在撰写论文时，这样的记录对于“方法”部分（如“我们观察到了 X，这促使我们提出了 Y”）以及如实报告失败情况具有不可替代的价值。

选择最佳路径：当日志显示出分支结构（exp_001 → exp_002a、exp_002b、exp_003）时，应挑选最能支撑论文论点的路径。将那些无法继续推进的分支作为消融实验或负面结果记录在附录中。

为每个实验保存代码快照：每次运行实验后，都复制对应的脚本文件。

cp experiment.py results/exp_003/experiment_snapshot.py

即便后续对代码进行修改，该机制也能确保结果的一致性。

第四阶段：结果分析

目标：提取分析结果、计算统计数据，并明确核心问题所在。

步骤 4.1：汇总结果

编写分析脚本，实现以下功能：

1. 加载批次处理中的所有结果文件
2. 计算每项任务的指标以及总体汇总指标
3. 生成汇总表格

# Standard analysis pattern
import json, os
from pathlib import Path

results = {}
for result_file in Path("results/").rglob("result.json"):
    data = json.loads(result_file.read_text())
    strategy = result_file.parent.name
    task = result_file.parent.parent.name
    results.setdefault(strategy, {})[task] = data

# Compute aggregate metrics
for strategy, tasks in results.items():
    scores = [t["score"] for t in tasks.values()]
    print(f"{strategy}: mean={np.mean(scores):.1f}, std={np.std(scores):.1f}")

第4.2步：统计显著性分析

务必计算以下内容：

• 误差条：标准差或标准误，需明确说明使用哪种
• 置信区间：关键结果需给出95%置信区间
• 成对检验：用于比较两种方法的McNemar检验
• 效应量：用于衡量实际意义程度的Cohen’s d或h值

有关McNemar检验、自举法置信区间以及Cohen’s h值的完整实现方式，请参阅references/experiment-patterns.md文档。

第4.3步：明确研究核心内容

分析完成后，需明确回答以下问题：

1. 主要研究发现是什么？ 用一句话概括。
2. 有什么让你感到意外？ 出乎意料的结果往往能造就最优秀的论文。
3. 哪些实验失败了？ 失败的实验往往能提供最有价值的信息。如实报告失败情况能提升论文质量。
4. 还需要进行哪些后续实验？ 研究结果常常会引发新的问题。

如何处理阴性或无效结果

当假设错误或研究结果不明确时，你有三种选择：

如何撰写阴性结果论文：

• 首先说明学术界当前的观点，以及为何需要对这些观点进行验证
• 详细描述严谨的研究方法（必须逻辑严密——审稿人会对此进行严格审查）
• 用统计证据清晰呈现无效结果
• 分析预期结果未能出现的原因
• 讨论该结果对领域发展的意义

明确欢迎阴性结果的会议/期刊：NeurIPS（数据集与基准测试分会场）、TMLR、《机器学习可复现性挑战》以及各大会议的研讨会。部分研讨会还专门征集阴性结果论文。

第4.4步：制作图表

图表设计：

• 所有绘图均应使用矢量图形格式（PDF）：plt.savefig('fig.pdf')
• 选择对色盲人群友好的配色方案，如Okabe-Ito或Paul Tol方案
• 图表标题需独立完整——读者无需阅读正文即可理解图表内容
• 图表内不要添加标题——标题功能由图注承担

表格设计：

• 使用booktabs LaTeX包格式化表格
• 每项指标的最佳值需用粗体标出
• 添加方向符号（表示“更高/更低更好”的含义）
• 保持小数位数一致

\usepackage{booktabs}
\begin{tabular}{lcc}
\toprule
Method & Accuracy $\uparrow$ & Latency $\downarrow$ \\
\midrule
Baseline & 85.2 & 45ms \\
\textbf{Ours} & \textbf{92.1} & 38ms \\
\bottomrule
\end{tabular}

第4.5步：决策——继续实验还是开始撰写？

第4.6步：撰写实验日志（通往报告的桥梁）

在开始撰写论文之前，需先创建一份结构化的实验日志，用于将实验结果转化为文字描述。这是连接实验与论文内容的最重要纽带——若没有这份日志，撰写工具就不得不从原始结果文件中重新梳理研究过程。

请按照以下结构创建 experiment_log.md 文件：

# Experiment Log

## Contribution (one sentence)
[The paper's main claim]

## Experiments Run

### Experiment 1: [Name]
- **Claim tested**: [Which paper claim this supports]
- **Setup**: [Model, dataset, config, number of runs]
- **Key result**: [One sentence with the number]
- **Result files**: results/exp1/final_info.json
- **Figures generated**: figures/exp1_comparison.pdf
- **Surprising findings**: [Anything unexpected]

### Experiment 2: [Name]
...

## Figures
| Filename | Description | Which section it belongs in |
|----------|-------------|---------------------------|
| figures/main_comparison.pdf | Bar chart comparing all methods on benchmark X | Results, Figure 2 |
| figures/ablation.pdf | Ablation removing components A, B, C | Results, Figure 3 |
...

## Failed Experiments (document for honesty)
- [What was tried, why it failed, what it tells us]

## Open Questions
- [Anything the results raised that the paper should address]

为何这很重要：在撰写初稿时，智能体（或被委托的子智能体）可以同时加载 experiment_log.md 与 LaTeX 模板，从而基于实际实验结果生成初稿。若没有这一桥梁，写作智能体就必须解析原始的 JSON/CSV 文件并自行推断内容——而这正是导致数据失真或错误报告的常见原因。

Git 使用规范：请将该日志文件与其描述的结果一起提交。

逐步优化：策略选择

此流程中的任何输出——论文初稿、实验脚本、分析报告——均可通过迭代方式不断优化。Autoreason 研究提供了实证依据，说明每种优化策略在何种情况下有效，又在何种情况下失效。请参考本节内容选择合适的策略。

快速决策表

生成能力与自我评估能力的差距

核心观点：Autoreason 的价值取决于模型在内容生成能力与自我评估能力之间的差距大小。

Model Tier        │ Generation │ Self-Eval │ Gap    │ Autoreason Value
──────────────────┼────────────┼───────────┼────────┼─────────────────
Weak (Llama 8B)   │ Poor       │ Poor      │ Small  │ None — can't generate diverse candidates
Mid (Haiku 3.5)   │ Decent     │ Poor      │ LARGE  │ MAXIMUM — 42/42 perfect Borda
Mid (Gemini Flash)│ Decent     │ Moderate  │ Large  │ High — wins 2/3
Strong (Sonnet 4) │ Good       │ Decent    │ Medium │ Moderate — wins 3/5
Frontier (S4.6)   │ Excellent  │ Good      │ Small  │ Only with constraints

这种差距是结构性的，而非暂时的。随着成本下降，如今的“前沿技术”明日便可能沦为“中端水平”。最优解虽然会不断变化，但永远不会消失。

自推理循环（概要）

每次迭代都会由全新的独立智能体生成三个候选方案：

1. 批评者 → 找出现有方案A的问题（不提供修复方案）
2. 作者B → 根据批评意见对A进行修改
3. 合成器 → 合并A和B的成果（标签随机分配）
4. 评审小组 → 3名盲审的链式推理评审员通过博尔达计分法对A、B及AB组合进行评分
5. 收敛判定 → 若A在连续k=2次迭代中胜出，则流程结束

关键参数：

• k=2次收敛判定（k=1则过早收敛，k=3则成本过高且无法提升质量）
• 始终使用链式推理评审员（可使收敛速度提升3倍）
• 作者的随机温度值为0.8，评审员的为0.3
• 保守的平局处理规则：现有方案在平局中获胜
• 每个角色均为全新的智能体，彼此之间没有共享上下文

应用于论文初稿撰写

通过自推理功能优化论文本身时：

• 为批评者提供真实依据：实际的实验数据、结果JSON文件及统计输出。若缺乏这些信息，模型可能会编造虚假的消融实验和假置信区间。
• 至少使用3名评审智能体：如果某个评审解析器出现故障，不会产生噪声——反而会完全阻碍流程的正常进行。
• 明确限定修改范围：应指定“解决这些具体缺陷”，而非笼统地要求“改进论文”。

失败模式

如需查看完整的提示词、博尔达计分规则、模型选择指南、范围约束设计模式以及计算资源预算参考信息，请参阅references/autoreason-methodology.md。

第5阶段：论文撰写

目标：撰写一篇完整且可投稿的论文。

大型项目的上下文管理

一个包含50多个实验文件、多个结果目录以及大量文献笔记的论文项目，其上下文窗口很容易被占满。需主动采取管理措施：

每个撰写任务应加载到上下文的内容：

管理原则：

• experiment_log.md是主要的上下文桥梁——它汇总了撰写所需的所有信息，而无需加载原始数据文件（详见步骤4.6）
• 分配任务时每次仅加载一个部分的上下文。负责撰写方法部分的子智能体无需了解文献综述内容。
• 进行总结而非直接包含原始文件。对于200行的结果JSON文件，只需加载10行的汇总表；对于50页长的相关研究论文，只需加载5句话的摘要以及你对其相关性的2行点评。
• 针对非常大的项目：可创建一个context/目录，存放预先压缩好的内容摘要：

  context/
    contribution.md          # 1 sentence
    experiment_summary.md    # Key results table (from experiment_log.md)
    literature_map.md        # Organized citation notes
    figure_inventory.md      # List of figures with descriptions
  

叙事原则

最核心的洞察：你的论文并非一系列实验的堆砌——而是一个由证据支撑、具有明确贡献的故事。

所有优秀的机器学习论文都围绕 Neel Nanda 所说的“叙事”展开：一个简短、严谨、基于证据的技术故事，其中必须包含读者关心的核心观点。

三大支柱（在引言部分结束时必须清晰明确）：

如果无法用一句话概括你的贡献，那就还称不上是一篇论文。

这一指导原则的来源

该技能整合了在顶级学术期刊上发表过多篇论文的研究人员所提出的写作理念。这一写作理念框架最初由 Orchestra Research 以 ml-paper-writing 技能的形式整理而成。

如需深入了解以上任何内容，可参考：

• references/writing-guide.md —— 包含示例的详细解释
• references/sources.md —— 完整参考文献列表

时间分配建议

在以下各部分大致分配相等的时间：

1. 摘要
2. 引言
3. 图表
4. 其余所有内容合计

原因是什么？ 大多数审稿人在阅读到方法部分之前就已经形成了初步判断。读者的阅读顺序通常是：标题 → 摘要 → 引言 → 图表 → 可能再阅读其余部分。

写作工作流程

Paper Writing Checklist:
- [ ] Step 1: Define the one-sentence contribution
- [ ] Step 2: Draft Figure 1 (core idea or most compelling result)
- [ ] Step 3: Draft abstract (5-sentence formula)
- [ ] Step 4: Draft introduction (1-1.5 pages max)
- [ ] Step 5: Draft methods
- [ ] Step 6: Draft experiments & results
- [ ] Step 7: Draft related work
- [ ] Step 8: Draft conclusion & discussion
- [ ] Step 9: Draft limitations (REQUIRED by all venues)
- [ ] Step 10: Plan appendix (proofs, extra experiments, details)
- [ ] Step 11: Complete paper checklist
- [ ] Step 12: Final review

两轮润色法

在使用 AI 智能体撰写文档时，可采用两轮润色法（该方法在 SakanaAI 的 AI-Scientist 工作流中已被证明非常有效）：

第一轮——逐节撰写并立即润色： 针对每个章节，先完成整篇草稿的撰写，随后立即在相同上下文中进行润色。这样能在内容尚新鲜时及时发现局部问题，如表达清晰度、行文流畅性以及内容完整性等方面的缺陷。

第二轮——结合整篇文档背景进行全局润色： 在所有章节都撰写完成后，以整篇文档的视角重新审视每一节。此步骤有助于发现跨章节的问题，例如内容重复、术语不一致、叙事逻辑不连贯，以及某些章节承诺的内容与另一章节未能实现的情况之间的矛盾。

Second-pass refinement prompt (per section):
"Review the [SECTION] in the context of the complete paper.
- Does it fit with the rest of the paper? Are there redundancies with other sections?
- Is terminology consistent with Introduction and Methods?
- Can anything be cut without weakening the message?
- Does the narrative flow from the previous section and into the next?
Make minimal, targeted edits. Do not rewrite from scratch."

LaTeX错误检查清单

请在每个优化提示中附上此清单。这些是大型语言模型在编写LaTeX时最常出现的错误：

LaTeX Quality Checklist (verify after every edit):
- [ ] No unenclosed math symbols ($ signs balanced)
- [ ] Only reference figures/tables that exist (\ref matches \label)
- [ ] No fabricated citations (\cite matches entries in .bib)
- [ ] Every \begin{env} has matching \end{env} (especially figure, table, algorithm)
- [ ] No HTML contamination (</end{figure}> instead of \end{figure})
- [ ] No unescaped underscores outside math mode (use \_ in text)
- [ ] No duplicate \label definitions
- [ ] No duplicate section headers
- [ ] Numbers in text match actual experimental results
- [ ] All figures have captions and labels
- [ ] No overly long lines that cause overfull hbox warnings

第5.0步：标题

标题是论文中被阅读最多的部分，它决定了是否有人会继续点击查看摘要。

优秀的标题：

• 直接说明研究贡献或发现：“Autoreason：迭代式大语言模型优化何时有效以及为何失败”
• 突出令人惊讶的结果：“扩展数据受限的语言模型”（暗示该方法可行）
• 明确方法名称及其功能：“DPO：语言模型的直接偏好优化”

糟糕的标题：

• 过于笼统：“一种改进语言模型输出的方法”
• 过长：字数超过15词
• 全是专业术语：“迭代式随机策略优化的渐近收敛性”（这类标题对谁有意义？）

撰写规则：

• 如果有自定义方法名称，请务必包含（便于引用）
• 置入1-2个审稿人常用的关键词
• 尽量避免使用冒号，除非前后两部分都有实际含义
• 进行测试：仅通过标题，审稿人能否了解该研究的领域及其贡献？

第5.1步：摘要（五句结构公式）

出自DeepMind的Sebastian Farquhar：

1. What you achieved: "We introduce...", "We prove...", "We demonstrate..."
2. Why this is hard and important
3. How you do it (with specialist keywords for discoverability)
4. What evidence you have
5. Your most remarkable number/result

删除诸如“大型语言模型已取得显著成就……”这类泛化的开头语。

第5.2步：图1

图1是除摘要之外，大多数读者最先关注的第二个内容。应在撰写引言之前先草拟它——这能迫使你明确核心思想。

规则：仅凭图1本身就应能让人理解其含义。图注应足以传达核心思想。使用颜色要有目的性——切勿仅为装饰。

第5.3步：引言（最多1-1.5页）

必须包含以下内容：

• 明确的问题陈述
• 简要的方法概述
• 2-4项贡献列表（每项最多1-2行，采用双栏格式）
• 方法部分应从第2-3页开始

第5.4步：方法部分

为便于复现，需提供：

• 方法的概念性概要或伪代码
• 所有超参数的清单
• 足以用于复现的架构细节
• 需明确说明最终的设计决策；实验部分再介绍各种消融实验

第5.5步：实验与结果

对于每个实验，需明确说明：

• 该实验支持何种论点
• 它与主要贡献之间的关联
• 需观察的内容：“蓝线显示了X，这证明了Y”

要求包括：

• 带有计算方法的误差条（标准差与标准误）
• 超参数的搜索范围
• 计算基础设施信息（GPU类型、总计算时长）
• 种子设置方法

第5.6步：相关工作

应按方法论而非单篇论文的顺序进行组织。需大量引用相关文献——审稿人很可能也撰写过相关论文。

第5.7步：局限性分析（必填）

所有重要会议都要求此项内容。诚实的态度有助于：

• 审稿人被要求不要因作者诚实地承认局限性而扣分
• 通过提前指出缺陷来避免后续批评
• 解释为何这些局限性不会动摇核心论点

第5.8步：结论与讨论

结论部分（必填，0.5-1页）：

• 用一句话重述贡献内容（表述方式需与摘要不同）
• 用2-3句话总结关键发现（不要以列表形式）
• 讨论意义：这对该领域有何影响？
• 后续工作：列出2-3项具体的下一步计划（避免使用“我们将在未来工作中解决X”这类模糊表述）

讨论部分（可选，有时与结论合并）：

• 超出直接结果的更广泛意义
• 与其他子领域的关联
• 对该方法何时有效、何时无效的客观评估
• 实际部署时的考虑因素

切勿在结论部分引入新的结果或论点。

第5.9步：附录编写策略

所有重要会议都允许使用无限数量的附录，且附录对于实现研究复现至关重要。附录结构如下：

规则：

• 正文必须具备自含性——审稿人无需阅读附录
• 绝不能将关键证据仅放在附录中
• 需进行交叉引用，例如“完整结果见表5（附录B）”，而不仅仅是“参见附录”
• 应使用\appendix命令，然后依次使用\section{A: Proofs}等格式

页面篇幅管理

当超出页数限制时：

切勿：缩小字体大小、更改页边距、删除必填部分（如局限性分析、更广泛的影响分析），或对正文使用\small/\footnotesize格式。

第5.10步：伦理与更广泛影响声明

目前大多数会议都要求或强烈建议提交伦理/更广泛影响声明。这并非套话——审稿人会仔细阅读，若发现伦理问题可能会直接导致论文被拒收。

应包含的内容：

撰写声明时需注意：

\section*{Broader Impact Statement}
% NeurIPS/ICML: after conclusion, does not count toward page limit

% 1. Positive applications (1-2 sentences)
This work enables [specific application] which may benefit [specific group].

% 2. Risks and mitigations (1-3 sentences, be specific)
[Method/model] could potentially be misused for [specific risk]. We mitigate
this by [specific mitigation, e.g., releasing only model weights above size X,
including safety filters, documenting failure modes].

% 3. Limitations of impact claims (1 sentence)
Our evaluation is limited to [specific domain]; broader deployment would
require [specific additional work].

常见错误：

• 写出“我们预计不会产生任何负面影响”（这几乎从不对——审稿人对此深感怀疑）
• 表述含糊：仅称“这可能被滥用”却未说明具体方式
• 未考虑大规模任务所带来的计算成本
• 在要求披露的场合忘记说明使用了大语言模型

计算碳足迹（针对训练数据量庞大的论文）：

# Estimate using ML CO2 Impact tool methodology
gpu_hours = 1000  # total GPU hours
gpu_tdp_watts = 400  # e.g., A100 = 400W
pue = 1.1  # Power Usage Effectiveness (data center overhead)
carbon_intensity = 0.429  # kg CO2/kWh (US average; varies by region)

energy_kwh = (gpu_hours * gpu_tdp_watts * pue) / 1000
carbon_kg = energy_kwh * carbon_intensity
print(f"Energy: {energy_kwh:.0f} kWh, Carbon: {carbon_kg:.0f} kg CO2eq")

第5.11步：数据集说明文档与模型卡片（如适用）

如果您的论文介绍了新的数据集或发布了新模型，请提供结构化的文档。审稿人越来越期望看到此类内容，NeurIPS的数据集与基准测试跟踪系统也要求必须提交。

数据集的说明文档（Gebru等人，2021年）——可放入附录中：

Dataset Documentation (Appendix):
- Motivation: Why was this dataset created? What task does it support?
- Composition: What are the instances? How many? What data types?
- Collection: How was data collected? What was the source?
- Preprocessing: What cleaning/filtering was applied?
- Distribution: How is the dataset distributed? Under what license?
- Maintenance: Who maintains it? How to report issues?
- Ethical considerations: Contains personal data? Consent obtained?
  Potential for harm? Known biases?

模型卡片（Mitchell等人，2019年）——应作为模型使用许可的附录内容包含在内：

Model Card (Appendix):
- Model details: Architecture, training data, training procedure
- Intended use: Primary use cases, out-of-scope uses
- Metrics: Evaluation metrics and results on benchmarks
- Ethical considerations: Known biases, fairness evaluations
- Limitations: Known failure modes, domains where model underperforms

写作风格

句子层面的清晰度（Gopen与Swan提出的7项原则）：

词汇选择（Lipton与Steinhardt的建议）：

• 表述要具体：使用“准确性”而非“性能”
• 避免含糊表述：除非确实不确定，否则不要使用“可能”这类词
• 全文保持术语一致
• 避免逐步积累的词汇表达：使用“开发”而非“组合”

包含示例的完整写作指南：请参阅 references/writing-guide.md

使用LaTeX模板

务必先复制整个模板目录，再在其中进行编写。

Template Setup Checklist:
- [ ] Step 1: Copy entire template directory to new project
- [ ] Step 2: Verify template compiles as-is (before any changes)
- [ ] Step 3: Read the template's example content to understand structure
- [ ] Step 4: Replace example content section by section
- [ ] Step 5: Use template macros (check preamble for \newcommand definitions)
- [ ] Step 6: Clean up template artifacts only at the end

步骤 1：复制完整模板

cp -r templates/neurips2025/ ~/papers/my-paper/
cd ~/papers/my-paper/
ls -la  # Should see: main.tex, neurips.sty, Makefile, etc.

请复制整个目录，而不仅仅是 .tex 文件。模板中包含样式文件（.sty）、参考文献样式文件（.bst）、示例内容以及 Makefile。

步骤 2：首先验证模板能否正常编译

在进行任何修改之前：

latexmk -pdf main.tex
# Or manual: pdflatex main.tex && bibtex main && pdflatex main.tex && pdflatex main.tex

如果未经修改的模板无法编译，请先解决该问题（通常是由于缺少TeX相关包——可通过tlmgr install <package>进行安装）。

步骤3：将模板内容保留作为参考

请勿立即删除示例内容，应将其注释掉并用作格式参考：

% Template example (keep for reference):
% \begin{figure}[t]
%   \centering
%   \includegraphics[width=0.8\linewidth]{example-image}
%   \caption{Template shows caption style}
% \end{figure}

% Your actual figure:
\begin{figure}[t]
  \centering
  \includegraphics[width=0.8\linewidth]{your-figure.pdf}
  \caption{Your caption following the same style.}
\end{figure}

第4步：逐部分替换内容

请按顺序进行操作：标题/作者 → 摘要 → 引言 → 方法 → 实验 → 相关工作 → 结论 → 参考文献 → 附录。每完成一个部分后及时进行整合。

第5步：使用模板宏

\newcommand{\method}{YourMethodName}  % Consistent method naming
\newcommand{\eg}{e.g.,\xspace}        % Proper abbreviations
\newcommand{\ie}{i.e.,\xspace}

模板使用常见问题

模板快速参考表

通用要求：采用双盲评审机制，参考文献不计入页数限制，附录数量无上限，必须使用 LaTeX 编写。

所有模板均存放于 templates/ 目录中。关于编译设置（适用于 VS Code、命令行、Overleaf 及其他集成开发环境），请参阅 templates/README.md。

表格与图表

表格 —— 建议使用 booktabs 包以实现专业级的格式排版：

\usepackage{booktabs}
\begin{tabular}{lcc}
\toprule
Method & Accuracy $\uparrow$ & Latency $\downarrow$ \\
\midrule
Baseline & 85.2 & 45ms \\
\textbf{Ours} & \textbf{92.1} & 38ms \\
\bottomrule
\end{tabular}

规则：

• 用粗体标出各项指标的最佳数值；
• 使用方向符号（$\uparrow$

% --- Professional Packages (add after conference style file) ---

% Typography
\usepackage{microtype}              % Microtypographic improvements (protrusion, expansion)
                                     % Makes text noticeably more polished — always include

% Tables
\usepackage{booktabs}               % Professional table rules (\toprule, \midrule, \bottomrule)
\usepackage{siunitx}                % Consistent number formatting, decimal alignment
                                     % Usage: \num{12345} → 12,345; \SI{3.5}{GHz} → 3.5 GHz
                                     % Table alignment: S column type for decimal-aligned numbers

% Figures
\usepackage{graphicx}               % Include graphics (\includegraphics)
\usepackage{subcaption}             % Subfigures with (a), (b), (c) labels
                                     % Usage: \begin{subfigure}{0.48\textwidth} ... \end{subfigure}

% Diagrams and Algorithms
\usepackage{tikz}                   % Programmable vector diagrams
\usetikzlibrary{arrows.meta, positioning, shapes.geometric, calc, fit, backgrounds}
\usepackage[ruled,vlined]{algorithm2e}  % Professional pseudocode
                                     % Alternative: \usepackage{algorithmicx} if template bundles it

% Cross-references
\usepackage{cleveref}               % Smart references: \cref{fig:x} → "Figure 1"
                                     % MUST be loaded AFTER hyperref
                                     % Handles: figures, tables, sections, equations, algorithms

% Math (usually included by conference .sty, but verify)
\usepackage{amsmath,amssymb}        % AMS math environments and symbols
\usepackage{mathtools}              % Extends amsmath (dcases, coloneqq, etc.)

% Colors (for figures and diagrams)
\usepackage{xcolor}                 % Color management
% Okabe-Ito colorblind-safe palette:
\definecolor{okblue}{HTML}{0072B2}
\definecolor{okorange}{HTML}{E69F00}
\definecolor{okgreen}{HTML}{009E73}
\definecolor{okred}{HTML}{D55E00}
\definecolor{okpurple}{HTML}{CC79A7}
\definecolor{okcyan}{HTML}{56B4E9}
\definecolor{okyellow}{HTML}{F0E442}

注意事项：

• microtype 是对视觉质量提升效果最显著的包，它能在亚像素级别调整字符间距，因此务必加入。
• siunitx 可通过 S 列类型来实现表格中数值的对齐，从而无需手动调整间距。
• cleveref 必须在 hyperref 之后加载。由于大多数会议主题文件已包含 hyperref，因此应将 cleveref 放在最后。
• 请检查会议模板是否已预先加载了这些包中的任意一个（尤其是 algorithm、amsmath、graphicx），避免重复加载。

siunitx 的表格对齐功能

siunitx 能显著提升包含大量数值的表格的可读性：

\begin{tabular}{l S[table-format=2.1] S[table-format=2.1] S[table-format=2.1]}
\toprule
Method & {Accuracy $\uparrow$} & {F1 $\uparrow$} & {Latency (ms) $\downarrow$} \\
\midrule
Baseline         & 85.2  & 83.7  & 45.3 \\
Ablation (no X)  & 87.1  & 85.4  & 42.1 \\
\textbf{Ours}    & \textbf{92.1} & \textbf{90.8} & \textbf{38.7} \\
\bottomrule
\end{tabular}

S 类型的列会自动以小数点为对齐基准。位于 {} 中的表头可避免受此对齐规则的影响。

子图

并排显示图表的标准格式：

\begin{figure}[t]
  \centering
  \begin{subfigure}[b]{0.48\textwidth}
    \centering
    \includegraphics[width=\textwidth]{fig_results_a.pdf}
    \caption{Results on Dataset A.}
    \label{fig:results-a}
  \end{subfigure}
  \hfill
  \begin{subfigure}[b]{0.48\textwidth}
    \centering
    \includegraphics[width=\textwidth]{fig_results_b.pdf}
    \caption{Results on Dataset B.}
    \label{fig:results-b}
  \end{subfigure}
  \caption{Comparison of our method across two datasets. (a) shows the scaling
  behavior and (b) shows the ablation results. Both use 5 random seeds.}
  \label{fig:results}
\end{figure}

使用 \cref{fig:results} 表示“图1”，使用 \cref{fig:results-a} 表示“图1a”。

使用 algorithm2e 编写的伪代码

\begin{algorithm}[t]
\caption{Iterative Refinement with Judge Panel}
\label{alg:method}
\KwIn{Task $T$, model $M$, judges $J_1 \ldots J_n$, convergence threshold $k$}
\KwOut{Final output $A^*$}
$A \gets M(T)$ \tcp*{Initial generation}
$\text{streak} \gets 0$\;
\While{$\text{streak} < k$}{
  $C \gets \text{Critic}(A, T)$ \tcp*{Identify weaknesses}
  $B \gets M(T, C)$ \tcp*{Revised version addressing critique}
  $AB \gets \text{Synthesize}(A, B)$ \tcp*{Merge best elements}
  \ForEach{judge $J_i$}{
    $\text{rank}_i \gets J_i(\text{shuffle}(A, B, AB))$ \tcp*{Blind ranking}
  }
  $\text{winner} \gets \text{BordaCount}(\text{ranks})$\;
  \eIf{$\text{winner} = A$}{
    $\text{streak} \gets \text{streak} + 1$\;
  }{
    $A \gets \text{winner}$; $\text{streak} \gets 0$\;
  }
}
\Return{$A$}\;
\end{algorithm}

TikZ 图表模板

TikZ 是机器学习论文中方法图的标准工具。常见图表模板包括：

流程图/管道图（在机器学习论文中最常用）：

\begin{figure}[t]
\centering
\begin{tikzpicture}[
  node distance=1.8cm,
  box/.style={rectangle, draw, rounded corners, minimum height=1cm, 
              minimum width=2cm, align=center, font=\small},
  arrow/.style={-{Stealth[length=3mm]}, thick},
]
  \node[box, fill=okcyan!20] (input) {Input\\$x$};
  \node[box, fill=okblue!20, right of=input] (encoder) {Encoder\\$f_\theta$};
  \node[box, fill=okgreen!20, right of=encoder] (latent) {Latent\\$z$};
  \node[box, fill=okorange!20, right of=latent] (decoder) {Decoder\\$g_\phi$};
  \node[box, fill=okred!20, right of=decoder] (output) {Output\\$\hat{x}$};
  
  \draw[arrow] (input) -- (encoder);
  \draw[arrow] (encoder) -- (latent);
  \draw[arrow] (latent) -- (decoder);
  \draw[arrow] (decoder) -- (output);
\end{tikzpicture}
\caption{Architecture overview. The encoder maps input $x$ to latent 
representation $z$, which the decoder reconstructs.}
\label{fig:architecture}
\end{figure}

对比/矩阵图（用于展示不同的方法变体）：

\begin{tikzpicture}[
  cell/.style={rectangle, draw, minimum width=2.5cm, minimum height=1cm, 
               align=center, font=\small},
  header/.style={cell, fill=gray!20, font=\small\bfseries},
]
  % Headers
  \node[header] at (0, 0) {Method};
  \node[header] at (3, 0) {Converges?};
  \node[header] at (6, 0) {Quality?};
  % Rows
  \node[cell] at (0, -1) {Single Pass};
  \node[cell, fill=okgreen!15] at (3, -1) {N/A};
  \node[cell, fill=okorange!15] at (6, -1) {Baseline};
  \node[cell] at (0, -2) {Critique+Revise};
  \node[cell, fill=okred!15] at (3, -2) {No};
  \node[cell, fill=okred!15] at (6, -2) {Degrades};
  \node[cell] at (0, -3) {Ours};
  \node[cell, fill=okgreen!15] at (3, -3) {Yes ($k$=2)};
  \node[cell, fill=okgreen!15] at (6, -3) {Improves};
\end{tikzpicture}

迭代循环图（适用于具有反馈机制的方法）：

\begin{tikzpicture}[
  node distance=2cm,
  box/.style={rectangle, draw, rounded corners, minimum height=0.8cm, 
              minimum width=1.8cm, align=center, font=\small},
  arrow/.style={-{Stealth[length=3mm]}, thick},
  label/.style={font=\scriptsize, midway, above},
]
  \node[box, fill=okblue!20] (gen) {Generator};
  \node[box, fill=okred!20, right=2.5cm of gen] (critic) {Critic};
  \node[box, fill=okgreen!20, below=1.5cm of $(gen)!0.5!(critic)$] (judge) {Judge Panel};
  
  \draw[arrow] (gen) -- node[label] {output $A$} (critic);
  \draw[arrow] (critic) -- node[label, right] {critique $C$} (judge);
  \draw[arrow] (judge) -| node[label, left, pos=0.3] {winner} (gen);
\end{tikzpicture}

用于版本追踪的 LaTeXdiff 工具

在撰写反驳意见时不可或缺——该工具可生成带标记的 PDF 文件，清晰显示不同版本之间的差异：

# Install
# macOS: brew install latexdiff (or comes with TeX Live)
# Linux: sudo apt install latexdiff

# Generate diff
latexdiff paper_v1.tex paper_v2.tex > paper_diff.tex
pdflatex paper_diff.tex

# For multi-file projects (with \input{} or \include{})
latexdiff --flatten paper_v1.tex paper_v2.tex > paper_diff.tex

这样生成的PDF文件中，被删除的内容会以红色斜线标出，新增内容则用蓝色标示——这正是用于补充反驳材料的标准格式。

适用于matplotlib的SciencePlots库

安装该库后，即可生成符合出版要求的图表：

pip install SciencePlots

import matplotlib.pyplot as plt
import scienceplots  # registers styles

# Use science style (IEEE-like, clean)
with plt.style.context(['science', 'no-latex']):
    fig, ax = plt.subplots(figsize=(3.5, 2.5))  # Single-column width
    ax.plot(x, y, label='Ours', color='#0072B2')
    ax.plot(x, y2, label='Baseline', color='#D55E00', linestyle='--')
    ax.set_xlabel('Training Steps')
    ax.set_ylabel('Accuracy')
    ax.legend()
    fig.savefig('paper/fig_results.pdf', bbox_inches='tight')

# Available styles: 'science', 'ieee', 'nature', 'science+ieee'
# Add 'no-latex' if LaTeX is not installed on the machine generating plots

标准图表尺寸（双栏格式）：

• 单栏：figsize=(3.5, 2.5) —— 适合单栏显示
• 双栏：figsize=(7.0, 3.0) —— 覆盖两栏
• 正方形：figsize=(3.5, 3.5) —— 适用于热力图和混淆矩阵

第6阶段：自我评审与修改

目标：在提交前模拟评审流程，及早发现不足之处。

步骤6.1：模拟多视角评审（集成模式）

从多个角度生成评审意见。自动化研究流程（尤其是SakanaAI的AI科学家工具）带来的重要启示是：通过元评审员进行集成式评审，能够比单次评审获得更为精准的反馈。

步骤1：生成N份独立的评审意见（N=3-5）

可使用不同的模型或温度参数。每位评审员仅查看论文本身，而无法看到其他人的评审意见。默认采用负面倾向——已有大量研究证明，大型语言模型在评估时存在明显的正面偏差。

You are an expert reviewer for [VENUE]. You are critical and thorough.
If a paper has weaknesses or you are unsure about a claim, flag it clearly
and reflect that in your scores. Do not give the benefit of the doubt.

Review this paper according to the official reviewer guidelines. Evaluate:

1. Soundness (are claims well-supported? are baselines fair and strong?)
2. Clarity (is the paper well-written? could an expert reproduce it?)
3. Significance (does this matter to the community?)
4. Originality (new insights, not just incremental combination?)

Provide your review as structured JSON:
{
  "summary": "2-3 sentence summary",
  "strengths": ["strength 1", "strength 2", ...],
  "weaknesses": ["weakness 1 (most critical)", "weakness 2", ...],
  "questions": ["question for authors 1", ...],
  "missing_references": ["paper that should be cited", ...],
  "soundness": 1-4,
  "presentation": 1-4,
  "contribution": 1-4,
  "overall": 1-10,
  "confidence": 1-5
}

第2步：元评审（领域主席汇总）

将所有N份评审意见提交给元评审员进行处理：

You are an Area Chair at [VENUE]. You have received [N] independent reviews
of a paper. Your job is to:

1. Identify consensus strengths and weaknesses across reviewers
2. Resolve disagreements by examining the paper directly
3. Produce a meta-review that represents the aggregate judgment
4. Use AVERAGED numerical scores across all reviews

Be conservative: if reviewers disagree on whether a weakness is serious,
treat it as serious until the authors address it.

Reviews:
[review_1]
[review_2]
...

第3步：反馈循环（可选，进行2-3轮）

每位审稿人在查看元评审意见后均可进一步完善自己的评审内容。可设置提前终止条件：若审稿人回复“我已完成评审”（即无修改意见），则停止迭代。

用于评审的模型选择：即便论文最初是用性能较低的模型撰写的，也应优先使用性能最强的模型进行评审。审稿模型应与写作模型分开选择。

少样本校准：如果条件允许，可提供1-2篇来自目标期刊的真实已发表评审意见作为示例。这能显著提升评分的准确性。相关示例请参阅references/reviewer-guidelines.md。

第6.1b步：视觉评审环节（VLM）

仅基于文本的评审会遗漏一类问题：图表质量、排版问题以及视觉一致性。如果您拥有具备视觉处理能力的模型，可以对编译后的PDF文件进行独立的视觉评审：

You are reviewing the visual presentation of this research paper PDF.
Check for:
1. Figure quality: Are plots readable? Labels legible? Colors distinguishable?
2. Figure-caption alignment: Does each caption accurately describe its figure?
3. Layout issues: Orphaned section headers, awkward page breaks, figures far from their references
4. Table formatting: Aligned columns, consistent decimal precision, bold for best results
5. Visual consistency: Same color scheme across all figures, consistent font sizes
6. Grayscale readability: Would the figures be understandable if printed in B&W?

For each issue, specify the page number and exact location.

该功能能够检测出基于文本的审查无法发现的問題：轴标签难以辨认的图表、距离首次引用位置有三页之远的插图、图2与图5之间不统一的颜色方案，或是明显宽于列宽的表格。

第6.1c步：声明验证通过

在完成模拟审查后，还需进行单独的验证流程。此举旨在发现审查人员可能遗漏的事实性错误：

Claim Verification Protocol:
1. Extract every factual claim from the paper (numbers, comparisons, trends)
2. For each claim, trace it to the specific experiment/result that supports it
3. Verify the number in the paper matches the actual result file
4. Flag any claim without a traceable source as [VERIFY]

在基于智能体的工作流中：可将验证任务委托给一个全新的子智能体，该子智能体仅接收论文文本和原始结果文件。全新的上下文环境能有效避免确认偏误——验证者不会“记住”结果本应是什么样的。

6.2步：确定反馈优先级

收集评审意见后，需对它们进行分类：

6.3步：修订循环

针对每一项紧急/高优先级的问题：

1. 确定受影响的具体章节
2. 撰写修复方案
3. 验证修复方案不会破坏其他论点
4. 更新论文内容
5. 再次检查是否解决了评审者指出的问题

6.4步：撰写反驳意见

在提交论文后回应实际评审意见时，撰写反驳意见是一项与常规修订不同的专项技能：

格式：逐条回应。针对每位评审者的意见分别进行回复：

> R1-W1: "The paper lacks comparison with Method X."

We thank the reviewer for this suggestion. We have added a comparison with 
Method X in Table 3 (revised). Our method outperforms X by 3.2pp on [metric] 
(p<0.05). We note that X requires 2x our compute budget.

规则：

• 解决所有问题——若遗漏任何一点，审稿人都会察觉。
• 首先给出最有力的回应。
• 表达简洁直接——审稿人需要阅读大量反驳意见。
• 若在反驳期内进行了实验，需一并呈现新结果。
• 即使面对轻微的批评，也绝不可采取防御态度或予以忽视。
• 使用 latexdiff 生成标出修改处的 PDF 文件（详见“专业 LaTeX 工具”部分）。
• 对于具体且具有可操作性的反馈，应向审稿人表示感谢（而非泛泛的赞美）。

禁忌事项：无依据地声称“我们坚决不同意”；不加解释地称“这超出了研究范围”；仅回应优点而忽视缺点。

第 6.5 步：论文进展追踪

在关键节点保存文档快照：

paper/
  paper.tex                    # Current working version
  paper_v1_first_draft.tex     # First complete draft
  paper_v2_post_review.tex     # After simulated review
  paper_v3_pre_submission.tex  # Final before submission
  paper_v4_camera_ready.tex    # Post-acceptance final

第7阶段：投稿准备

目标：最终检查、格式整理及正式提交。

步骤7.1：会议特定检查清单

每个会议都设有必填的检查清单。请务必仔细填写——若清单不完整，论文可能会被直接拒收。

相关内容请参阅 references/checklists.md，其中包括：

• NeurIPS会议的16项论文检查清单
• ICML会议关于广泛影响力与可复现性的要求
• ICLR会议关于大语言模型披露的政策
• ACL会议要求的限制条件部分
• 通用投稿前检查清单

步骤7.2：匿名化检查清单

双盲评审要求审稿人无法知晓论文的作者身份。请逐一核对以下所有项目：

Anonymization Checklist:
- [ ] No author names or affiliations anywhere in the PDF
- [ ] No acknowledgments section (add after acceptance)
- [ ] Self-citations written in third person: "Smith et al. [1] showed..." not "We previously showed [1]..."
- [ ] No GitHub/GitLab URLs pointing to your personal repos
- [ ] Use Anonymous GitHub (https://anonymous.4open.science/) for code links
- [ ] No institutional logos or identifiers in figures
- [ ] No file metadata containing author names (check PDF properties)
- [ ] No "our previous work" or "in our earlier paper" phrasing
- [ ] Dataset names don't reveal institution (rename if needed)
- [ ] Supplementary materials don't contain identifying information

常见错误：补充代码中显示了 Git 提交信息、使用了机构工具添加水印的图表、残留了先前草稿中的致谢内容，以及在匿名期结束前就发布了 arXiv 预印本。

第 7.3 步：格式校验

Pre-Submission Format Check:
- [ ] Page limit respected (excluding references and appendix)
- [ ] All figures are vector (PDF) or high-res raster (600 DPI PNG)
- [ ] All figures readable in grayscale
- [ ] All tables use booktabs
- [ ] References compile correctly (no "?" in citations)
- [ ] No overfull hboxes in critical areas
- [ ] Appendix clearly labeled and separated
- [ ] Required sections present (limitations, broader impact, etc.)

第 7.4 步：预编译验证

在尝试运行 pdflatex 之前，先执行这些自动检查。在此阶段发现错误，比之后调试编译器输出要高效得多。

# 1. Lint with chktex (catches common LaTeX mistakes)
# Suppress noisy warnings: -n2 (sentence end), -n24 (parens), -n13 (intersentence), -n1 (command terminated)
chktex main.tex -q -n2 -n24 -n13 -n1

# 2. Verify all citations exist in .bib
# Extract \cite{...} from .tex, check each against .bib
python3 -c "
import re
tex = open('main.tex').read()
bib = open('references.bib').read()
cites = set(re.findall(r'\\\\cite[tp]?{([^}]+)}', tex))
for cite_group in cites:
    for cite in cite_group.split(','):
        cite = cite.strip()
        if cite and cite not in bib:
            print(f'WARNING: \\\\cite{{{cite}}} not found in references.bib')
"

# 3. Verify all referenced figures exist on disk
python3 -c "
import re, os
tex = open('main.tex').read()
figs = re.findall(r'\\\\includegraphics(?:\[.*?\])?{([^}]+)}', tex)
for fig in figs:
    if not os.path.exists(fig):
        print(f'WARNING: Figure file not found: {fig}')
"

# 4. Check for duplicate \label definitions
python3 -c "
import re
from collections import Counter
tex = open('main.tex').read()
labels = re.findall(r'\\\\label{([^}]+)}', tex)
dupes = {k: v for k, v in Counter(labels).items() if v > 1}
for label, count in dupes.items():
    print(f'WARNING: Duplicate label: {label} (appears {count} times)')
"

在继续操作之前，请先解决所有警告信息。对于基于智能体的工作流：需将 chktex 的检测结果反馈给智能体，并给出仅进行最小程度修复的指示。

第 7.5 步：最终编译

# Clean build
rm -f *.aux *.bbl *.blg *.log *.out *.pdf
latexmk -pdf main.tex

# Or manual (triple pdflatex + bibtex for cross-references)
pdflatex -interaction=nonstopmode main.tex
bibtex main
pdflatex -interaction=nonstopmode main.tex
pdflatex -interaction=nonstopmode main.tex

# Verify output exists and has content
ls -la main.pdf

如果编译失败：请解析 .log 文件以定位首个错误。常见解决方案如下：

• “未定义的控制序列” → 缺少相关包或命令名称拼写有误
• “缺少插入的 $ 符号” → 数学符号出现在数学模式之外
• “文件未找到” → 图片路径错误或缺少 .sty 文件
• “引用未定义” → 缺少对应的 .bib 条目或未运行 bibtex 工具

7.6步：针对不同会议的特殊要求

7.7步：会议重投与格式转换

在更换会议模板时，绝不可直接复制LaTeX文档的序言部分：

# 1. Start fresh with target template
cp -r templates/icml2026/ new_submission/

# 2. Copy ONLY content sections (not preamble)
#    - Abstract text, section content, figures, tables, bib entries

# 3. Adjust for page limits
# 4. Add venue-specific required sections
# 5. Update references

在删减页面时：可将证明内容移至附录，精简相关研究综述，合并表格，使用子图。
在扩充内容时：可增加消融实验，详细阐述局限性，补充更多基线模型，加入定性示例。

被拒后：在修改版本中回应审稿人的意见，但不要添加“修改说明”章节，也不要提及之前的投稿信息（因采用盲审机制）。

第7.8步：准备最终提交版本（录用后）

论文被录用后，需准备最终提交版本：

Camera-Ready Checklist:
- [ ] De-anonymize: add author names, affiliations, email addresses
- [ ] Add Acknowledgments section (funding, compute grants, helpful reviewers)
- [ ] Add public code/data URL (real GitHub, not anonymous)
- [ ] Address any mandatory revisions from meta-reviewer
- [ ] Switch template to camera-ready mode (if applicable — e.g., AAAI \anon → \camera)
- [ ] Add copyright notice if required by venue
- [ ] Update any "anonymous" placeholders in text
- [ ] Verify final PDF compiles cleanly
- [ ] Check page limit for camera-ready (sometimes differs from submission)
- [ ] Upload supplementary materials (code, data, appendix) to venue portal

第7.9步：arXiv与预印本发布策略

在机器学习领域，将论文发布到arXiv是一种常见做法，但在此过程中需特别注意时间选择与匿名性保障问题。

时间选择决策树：

arXiv分类选择（针对机器学习/人工智能论文）：

请选定一个主要分类，再补充1-2个相关的跨领域分类。 分类越多，论文的曝光度越高，但只有真正相关的分类才建议同时列出。

版本管理策略：

• v1：初始提交版本（内容与会议提交的版本一致）
• v2：论文被接受后发布的最终版本，包含经过整理的修正内容（摘要中需注明“已被[会议名称]接收”）
• 在审稿期间，切勿发布包含针对审稿人意见的修改内容的v2版本。

# Check if your paper's title is already taken on arXiv
# (before choosing a title)
pip install arxiv
python -c "
import arxiv
results = list(arxiv.Search(query='ti:\"Your Exact Title\"', max_results=5).results())
print(f'Found {len(results)} matches')
for r in results: print(f'  {r.title} ({r.published.year})')
"

第 7.10 步：代码打包研究

发布整洁且可运行的代码，能够显著提升被引频率以及审稿人的信任度。请将代码与最终提交版本一同进行打包。

仓库结构：

your-method/
  README.md              # Setup, usage, reproduction instructions
  requirements.txt       # Or environment.yml for conda
  setup.py               # For pip-installable packages
  LICENSE                # MIT or Apache 2.0 recommended for research
  configs/               # Experiment configurations
  src/                   # Core method implementation
  scripts/               # Training, evaluation, analysis scripts
    train.py
    evaluate.py
    reproduce_table1.sh  # One script per main result
  data/                  # Small data or download scripts
    download_data.sh
  results/               # Expected outputs for verification

研究代码的README模板：

# [Paper Title]

Official implementation of "[Paper Title]" (Venue Year).

## Setup
[Exact commands to set up environment]

## Reproduction
To reproduce Table 1: `bash scripts/reproduce_table1.sh`
To reproduce Figure 2: `python scripts/make_figure2.py`

## Citation
[BibTeX entry]

预发布检查清单：

- [ ] Code runs from a clean clone (test on fresh machine or Docker)
- [ ] All dependencies pinned to specific versions
- [ ] No hardcoded absolute paths
- [ ] No API keys, credentials, or personal data in repo
- [ ] README covers setup, reproduction, and citation
- [ ] LICENSE file present (MIT or Apache 2.0 for max reuse)
- [ ] Results are reproducible within expected variance
- [ ] .gitignore excludes data files, checkpoints, logs

待审核时的匿名代码：

# Use Anonymous GitHub for double-blind review
# https://anonymous.4open.science/
# Upload your repo → get an anonymous URL → put in paper

第8阶段：录用后的交付物

目标：通过展示材料与社区互动，最大化已录用论文的影响力。

步骤8.1：会议海报

大多数会议都要求设置海报展示环节。海报设计原则如下：

常用工具：LaTeX（beamerposter包）、PowerPoint/Keynote、Figma、Canva。

制作时间：建议在会议开始前2周以上完成。布质海报更轻便，便于携带。如今许多会议也支持虚拟/数字海报。

步骤8.2：会议报告 / 精选展示

如果获得口头报告或精选展示机会：

幻灯片设计规则：

• 每张幻灯片只呈现一个核心观点
• 尽量减少文字——详细内容需口头阐述，而非直接展示在幻灯片中
• 通过动画逐步展示关键图表，帮助听众逐步理解
• 最后添加一张“总结”幻灯片，用一句话概括研究贡献
• 准备备用幻灯片，以应对可能出现的提问

步骤8.3：博客文章 / 社交媒体推广

简洁易懂的总结能显著提升论文影响力：

• Twitter/X系列推文：5-8条推文。首条应直接呈现研究结果，而非方法细节。需包含图1及关键结果图表
• 博客文章：字数在800-1500字之间。面向机器学习实践者撰写，而非审稿人，无需过多形式化表达，应重点阐述直观理解与实际应用价值
• 项目页面：包含摘要、图表、演示视频、代码链接及BibTeX格式的HTML页面。建议使用GitHub Pages搭建

发布时机：在论文被收录到会议论文集或arXiv上可供下载后1-2天内发布。

研讨会论文与短篇论文

研讨会论文与短篇论文（如ACL短篇论文、Findings系列论文）遵循相同的流程，但存在不同的约束条件和期望标准。

研讨会论文

何时选择提交研讨会论文：

• 拥有处于早期阶段的想法，希望在正式撰写完整论文前获取反馈
• 得到负面结果，但内容不足以支撑8页以上的篇幅
• 想针对某一热点话题发表观点或立场文章
• 进行重复实验研究或可复现性报告

ACL短篇论文与Findings系列论文

ACL会议设有不同的投稿类型：

短篇论文写作策略：选定一个核心论点并予以充分论证。切勿试图将长篇论文的内容压缩到4页内——应重新撰写一篇更具针对性的短文。

非实证机器学习类的论文类型

上述主要流程适用于实证机器学习类论文。其他类型的论文则需要不同的结构与证据标准。关于各类论文的详细指导，请参阅references/paper-types.md。

理论类论文

结构：引言 → 基础知识（定义、符号说明）→ 主要结果（定理）→ 证明概要 → 讨论 → 完整证明（附录）

与实证论文的主要区别：

• 研究贡献体现为定理、界或反例——而非实验数据
• 方法部分被“基础知识”和“主要结果”替代
• 证明是核心证据，而非实验数据（尽管对理论的实证验证也是可取的）
• 文本中提供证明概要，完整证明放在附录中，这是标准做法
• 实验部分为可选内容，但若能验证理论预测，则能显著增强论文说服力

证明写作原则：

• 以正式方式陈述定理，并明确列出所有假设条件
• 在给出正式证明前先阐述直观思路（“关键洞察在于……”）
• 证明概要应在0.5-1页内呈现核心思想
• 使用\begin{proof}...\end{proof}环境编写证明
• 为假设条件编号，并在定理中引用：“在假设1-3成立的前提下，……”

综述/教程类论文

结构：引言 → 分类/框架梳理 → 详细内容阐述 → 存在的开放问题 → 结论

主要区别：

• 研究贡献在于对现有研究的系统整理、综合分析及开放问题的识别——而非新方法的提出
• 需在给定范围内做到内容全面（审稿人会检查是否有遗漏的参考文献）
• 需有清晰的分类体系或结构框架 | 价值来源 | 说明 | |–––––|——| | 研究成果间的关联分析 | 单篇论文往往难以展现这些联系 | | 最佳投稿期刊 | TMLR的综述专栏、JMLR、《机器学习基础与趋势》系列期刊、ACM计算综述 |

基准测试类论文

结构：引言 → 任务定义 → 数据集构建 → 基准方法评估 → 结果分析 → 用途与局限性说明

主要区别：

• 研究贡献在于基准测试工具本身——它必须填补真实的评估空白 | 要求 | 说明 | |——|——| | 数据集文档 | 属于强制要求，而非可选内容（参见第5.11节“数据表”相关内容） | | 测试难度 | 需证明该基准测试具有足够挑战性（基准方法无法轻易达到理想性能） | | 测量有效性 | 需证明该基准测试确实能衡量其所宣称的指标（即结构效度） | | 最佳投稿期刊 | NeurIPS的“数据集与基准测试”专栏、ACL的“资源论文”栏目、LREC-COLING会议 |

立场文章类论文

结构：引言 → 背景介绍 → 核心论点/论证 → 支持证据 → 反驳观点 → 实际影响分析

主要区别：

• 研究贡献体现为论证过程，而非具体结果
• 需认真回应各种反对意见 | 证据类型 | 说明 | |–––––|——| | 实证数据 | 可用于支持论点 | | 理论分析 | 也可作为论证依据 | | 逻辑推理 | 同样具有说服力 | | 最佳投稿期刊 | ICML的立场文章专栏、各类研讨会、TMLR会议 |

Hermes Agent集成功能

该技能专为Hermes Agent设计，能够利用Hermes提供的工具、任务分配、调度及记忆功能，助力完成整个研究生命周期。

相关技能

可结合其他Hermes技能，针对不同阶段使用本技能：

本技能可替代ml-paper-writing技能——它不仅包含该技能的所有内容，还涵盖了完整的实验/分析流程以及自动推理方法。

Hermes工具参考

工具使用模式

最常见的应用场景：实验监控

terminal("ps aux | grep <pattern>")
→ terminal("tail -30 <logfile>")
→ terminal("ls results/")
→ execute_code("analyze results JSON, compute metrics")
→ terminal("git add -A && git commit -m '<descriptive message>' && git push")
→ send_message("Experiment complete: <summary>")

并行段落撰写（通过任务委派实现）：

delegate_task("Draft the Methods section based on these experiment scripts and configs. 
  Include: pseudocode, all hyperparameters, architectural details sufficient for 
  reproduction. Write in LaTeX using the neurips2025 template conventions.")

delegate_task("Draft the Related Work section. Use web_search and web_extract to 
  find papers. Verify every citation via Semantic Scholar. Group by methodology.")

delegate_task("Draft the Experiments section. Read all result files in results/. 
  State which claim each experiment supports. Include error bars and significance.")

每个代理都会作为独立的子代理运行，彼此之间没有共享的上下文——请在提示词中提供所有必要的信息。随后收集各子代理的输出并进行整合。

引用验证（通过 execute_code 功能实现）：

# In execute_code:
from semanticscholar import SemanticScholar
import requests

sch = SemanticScholar()
results = sch.search_paper("attention mechanism transformers", limit=5)
for paper in results:
    doi = paper.externalIds.get('DOI', 'N/A')
    if doi != 'N/A':
        bibtex = requests.get(f"https://doi.org/{doi}", 
                              headers={"Accept": "application/x-bibtex"}).text
        print(bibtex)

使用 memory 和 todo 进行状态管理

memory 工具——用于持久化关键决策（容量有限：MEMORY.md 文件大小约为 2200 字符）：

memory("add", "Paper: autoreason. Venue: NeurIPS 2025 (9 pages). 
  Contribution: structured refinement works when generation-evaluation gap is wide.
  Key results: Haiku 42/42, Sonnet 3/5, S4.6 constrained 2/3.
  Status: Phase 5 — drafting Methods section.")

在做出重大决策或经历阶段转换后，需更新内存状态。该设置会在不同会话之间保持有效。

todo 工具——用于详细追踪进度：

todo("add", "Design constrained task experiments for Sonnet 4.6")
todo("add", "Run Haiku baseline comparison")
todo("add", "Draft Methods section")
todo("update", id=3, status="in_progress")
todo("update", id=1, status="completed")

会话启动协议：

1. todo("list")                           # Check current task list
2. memory("read")                         # Recall key decisions
3. terminal("git log --oneline -10")      # Check recent commits
4. terminal("ps aux | grep python")       # Check running experiments
5. terminal("ls results/ | tail -20")     # Check for new results
6. Report status to user, ask for direction

使用 cronjob 进行定时任务监控

可通过 cronjob 工具来安排定期的实验检查任务：

cronjob("create", {
  "schedule": "*/30 * * * *",  # Every 30 minutes
  "prompt": "Check experiment status:
    1. ps aux | grep run_experiment
    2. tail -30 logs/experiment_haiku.log
    3. ls results/haiku_baselines/
    4. If complete: read results, compute Borda scores, 
       git add -A && git commit -m 'Add Haiku results' && git push
    5. Report: table of results, key finding, next step
    6. If nothing changed: respond with [SILENT]"
})

[SILENT] 协议：若自上次检查以来没有任何变化，则仅回复 [SILENT]。这样即可避免向用户发送通知，仅在确实存在值得知晓的变化时再进行报告。

截止日期跟踪：

cronjob("create", {
  "schedule": "0 9 * * *",  # Daily at 9am
  "prompt": "NeurIPS 2025 deadline: May 22. Today is {date}. 
    Days remaining: {compute}. 
    Check todo list — are we on track? 
    If <7 days: warn user about remaining tasks."
})

通信模式

何时通知用户（通过 send_message 或直接回复）：

• 实验批次处理完成（附带结果表格）
• 出现需要决策的异常情况或失败
• 草稿部分已准备好供审核
• 任务未完成且截止日期临近

何时无需通知：

• 实验仍在运行且无新结果 → [静默处理]
• 常规监控未发现变化 → [静默处理]
• 不需要关注的中间步骤

报告格式 —— 必须包含结构化数据：

## Experiment: <name>
Status: Complete / Running / Failed

| Task | Method A | Method B | Method C |
|------|---------|---------|---------|
| Task 1 | 85.2 | 82.1 | **89.4** |

Key finding: <one sentence>
Next step: <what happens next>

需要人工干预的决策点

当确实遇到困惑时，可使用 clarify 功能针对具体问题进行询问：

不建议询问的内容（应主动决策并明确选择，或标记待处理）：

• 用词选择、章节顺序
• 应突出展示哪些具体结果
• 引用完整性（先根据现有资料撰写初稿，再标注缺失部分）

审稿人评估标准

了解审稿人的关注点有助于更有针对性地改进论文：

评分标准（NeurIPS 6分制）：

• 6分：强烈接受——具有开创性且无瑕疵
• 5分：接受——技术扎实，影响力高
• 4分：勉强接受——内容可靠，但评估不够充分
• 3分：勉强拒绝——缺陷大于优势
• 2分：拒绝——存在技术缺陷
• 1分：强烈拒绝——结果已被证实或存在伦理问题

详细指南、常见顾虑及反驳策略请参阅 references/reviewer-guidelines.md。

常见问题与解决方案

参考文档

LaTeX模板

templates/目录中提供了以下会议的模板：NeurIPS 2025、ICML 2026、ICLR 2026、ACL、AAAI 2026、COLM 2025。

编译说明请参阅 templates/README.md。

主要外部参考资源

写作理念：

• Neel Nanda：如何撰写机器学习论文
• Sebastian Farquhar：如何撰写机器学习论文
• Gopen与Swan：科学写作的科学
• Lipton：科学写作的启发式方法
• Perez：简易论文写作技巧

API接口： Semantic Scholar | CrossRef | arXiv

目标会议/期刊规范： NeurIPS | ICML | ICLR | ACL