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

帮助用户为 NeurIPS/ICML/ICLR 等会议撰写机器学习论文：从设计到投稿全程支持。

技能元数据

参考：完整 SKILL.md 内容

:::info 以下是当触发该技能时 Hermes 会加载的完整技能定义。技能启用后，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 和 COLM 等会议发表而设计的端到端机器学习/人工智能研究论文撰写流程。该技能覆盖了从实验设计、执行与监控、数据分析，到论文撰写、审稿、修改直至最终投稿的完整研究生命周期。

这并非线性的处理流程，而是一个循环迭代的过程。实验结果会触发新的实验，审核反馈又会引发进一步的分析。智能体必须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)     │
│                                                             │
└─────────────────────────────────────────────────────────────┘

何时使用此技能

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何部分
• 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——如理论论文、综述论文、基准测试论文或立场声明（详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——如海报、演讲材料或代码发布

核心理念

1. 主动出击。 提供完整的初稿，而非问题。科学家们十分忙碌——请先给出他们能够直接回应的具体内容，再逐步优化。
2. 绝不要编造引用信息。 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。对于无法核实的引用，请标注为 [CITATION NEEDED]。
3. 论文即故事，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，说明该论文尚未成熟。
4. 实验应为论点服务。 每项实验都必须明确指出其所支持的论点。切勿进行与论文整体论述无关的实验。
5. 尽早提交，频繁提交。 每完成一批实验，或每次更新论文初稿，都应使用描述性信息进行提交。Git日志便是实验的历史记录。

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。

仅在以下情况才需要输入框：目标发表平台不明确、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时。

第0阶段：项目准备

目标：搭建工作环境、了解现有研究、明确本次贡献点。

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，并附上描述性信息。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

在开始撰写之前，先清晰阐述以下内容：

• 核心贡献是什么：本文究竟带来了哪一项独特贡献？
• 依据何在：有哪些证据可以支撑这一观点？
• 为何重要：读者为何应该关注此内容？

可向科研人员提出如下建议：“据我理解，本文的主要贡献可概括为：[一句话]。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状态存在。

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：在开展大规模测试之前，先进行试点实验（使用1-2个样本及部分任务）。在调试流程时可使用成本较低的模型，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。建议尽早制定协作流程：

章节负责制：为每个章节指定一名主要作者，其他成员仅可评论，不得直接修改内容。这样能有效避免合并冲突和风格不一致的问题。

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"

第 1.2 步：搜索相关研究

为结构化查找论文，请加载 arxiv 技能：skill_view("arxiv")。该技能可支持通过 arXiv REST API 进行搜索、获取 Semantic Scholar 的引用关系图、作者简介以及生成 BibTeX 格式。

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"

第1.2b步：深入搜索（先广度后深度）

单纯的平面搜索（仅进行一轮查询）往往无法发现重要的相关研究。建议采用受深度研究流程启发的迭代式先广度后深度策略：

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功能并行委托每一轮次的查询任务。收集结果后进行去重处理，再结合这些信息生成下一轮的查询条件。

步骤1.3：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]处引用标记为需要核实的占位符。”

如需查看完整的API文档及CitationManager类的全部实现，可参阅references/citation-workflow.md。

第1.4步：整理相关研究

应按方法论对论文进行归类，而非逐篇处理：

正确示例：“有一系列研究采用了X的假设[refs]，而我们采用Y的假设，原因是……” 错误示例：“Smith等人提出了X。Jones等人提出了Y。我们将两者结合使用。”

第2阶段：实验设计

目标：设计能够直接支撑论文论点的实验。每个实验都必须针对一个具体问题展开。

第2.1步：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。

第2.2步：设计基准方法

强大的基准方法往往是决定论文能否被接受的关键。审稿人往往会询问：“他们是否与X进行了对比？”

常见的基准方法类别：

• 朴素基线：最简单的实现方式
• 强基线：目前最为成熟的现有方法
• 消融基线：在您的方法中移除某一组件后的版本
• 计算资源匹配基线：保持相同的计算预算，但调整资源分配方式

2.3步：定义评估方案

在开始任何实验之前，需明确以下内容：

• 指标：需要测量的内容以及方向性符号（数值越高/越低越好）
• 聚合方式：如何将多次运行或任务的结果进行整合
• 统计检验：用于判定结果显著性的检验方法
• 样本量：需要进行的运行、问题或任务的数量

2.4步：编写实验脚本

参考成功的研究流程中的以下规范：

逐步保存——在每一步之后保存结果，以便在出现故障时能够恢复数据：

# 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)

工件保存——存储所有中间输出结果：

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机制，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先规划好人工评估环节——因为人工评估往往需要更长的准备时间（如获得伦理委员会批准、招募评估员等）。

何时需要进行人工评估：

• 自动化指标无法体现您关注的关键要素（流畅性、实用性、安全性）
• 您的研究成果侧重于面向用户的品质（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）：

• 注解员人数及其资质
• 使用特定指标和数值计算的注解员间一致性
• 报酬详情（金额、预计时薪）
• 注解界面描述或截图（见附录）
• 总注解时长

如需包含针对人工评估数据的统计检验方法、众包质量控制策略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，会降低所有实验的运行速度。

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] 以抑制对用户的通知。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：

关键点：脚本应始终检查现有结果并跳过已完成的工作。这样既能保证重新运行的安全性，又能提升效率。

第 3.4 步：提交已完成的结果

在每批实验完成后：

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 提交记录可以追踪所发生的一切，但却无法呈现探索路径——即根据已获得的经验来决定下一步该尝试什么的内容。因此，应维护一份结构化的实验日志，以便完整记录这一探索路径。

// 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 用于追踪文件更改，而日志则用于记录决策过程：为何尝试了某种方法、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，这促使我们采用了 Y 方法”）以及如实报告失败案例而言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。可将那些无果可循的分支作为对比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，都复制相应的脚本文件。

cp experiment.py results/exp_003/experiment_snapshot.py

这样一来，即便后续对代码进行修改，也能实现完全一致的复现效果。

# 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：关键结果的 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 Cohen’s h

有关 McNemar 检验、自助法置信区间以及 Cohen’s h 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构成最优秀的论文。
3. 哪些实验失败了？ 失败的实验往往能提供最多启示。如实报告失败情况有助于提升论文质量。
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。

处理阴性或无效结果

当假设不成立或研究结果无显著性时，你有三种选择：

如何撰写否定性结果论文：

• 首先阐述学界当前的观点以及为何需要对其进行验证
• 详细说明严谨的研究方法（必须无懈可击——审稿人会更加严格审查）
• 用统计证据清晰呈现零结果
• 分析为何预期结果并未出现
• 讨论该结果对领域发展的影响

明确欢迎提交否定性结果的会议/平台：NeurIPS（数据集与基准测试分会场）、TMLR、ML可复现性挑战赛，以及各大会议举办的研讨会。部分研讨会还会专门征集否定性结果研究。

第4.4步：制作图表

图表：

• 所有绘图均使用矢量图形（PDF格式）：plt.savefig('fig.pdf')
• 选择对色盲友好的配色方案（Okabe-Ito或Paul Tol）
• 添加独立于正文的图注——读者无需阅读正文即可理解图表内容
• 图表内不应出现标题——图注承担此功能

表格：

• 使用 booktabs LaTeX 宏包
• 将各项指标的最佳数值以粗体标出
• 加入方向符号（数值越高/越低表示越好）
• 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（为正文写作做准备）

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。它是连接实验数据与论文正文的最为重要的纽带——若没有这份日志，写作智能体就不得不从原始结果文件中重新梳理研究内容。

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]

为何如此重要：在撰写初稿时，智能体（或被委派的子智能体）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，写作智能体就不得不解析原始的 JSON/CSV 文件并自行推断内容——而这正是导致数据失真或报告错误的高发原因。

Git 使用规范：将此日志文件与其描述的结果一起提交。

逐步优化：策略选择

该流程中的任何输出——论文初稿、实验脚本、分析报告——均可通过迭代方式不断优化。自动推理研究为各类优化策略的适用场景与失效条件提供了实证依据。请参考本节内容选择合适的优化方法。

快速决策表

生成能力与自我评估能力之间的差距

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，如今的先进模型明日便可能沦为中等水平，但那个最佳平衡点始终存在，只是位置会发生变化。

自动推理循环（概述）

每次迭代都会从全新的独立智能体中生成三个候选方案：

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 → 根据批评意见对方案A进行修改
3. 合成器 → 合并方案A和B（标签随机分配）
4. 评审小组 → 3名盲评的链式思维评审员通过博尔达计数法对A、B及AB组合进行评分
5. 收敛判定 → 若方案A在连续k=2次迭代中均胜出，则流程结束

关键参数：

• k=2次迭代即视为收敛（k=1则收敛过早，k=3则成本过高且无法提升质量）
• 始终使用3名链式思维评审员（可加快3倍收敛速度）
• 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：若出现平局，则保留原有方案
• 每个角色均为独立的智能体，彼此之间不共享上下文信息

在论文初稿优化中的应用

通过自动推理功能对论文本身进行优化时：

• 为批评者提供真实依据：包括实际的实验数据、结果JSON文件以及统计输出。若缺乏这些信息，模型就会编造虚假的消融实验和伪造的置信区间。
• 至少使用3名评审智能体：若某个评审智能体的解析功能出现故障，不会仅产生噪声，而是会完全阻碍系统达到平衡状态。
• 明确限定修改范围：应指定“针对这些具体缺陷进行改进”，而非笼统地要求“提升论文质量”。

失效模式

如需完整的提示词、Borda评分规则、模型选择指南、范围约束设计模式以及计算预算参考信息，请参阅 references/autoreason-methodology.md。

第5阶段：论文初稿撰写

完整的初稿撰写流程（各章节顺序、LaTeX框架、图表规范、摘要与引言中的公式格式、相关研究部分的定位等）均记载在 references/phase5-paper-drafting.md 中——进入该阶段后请使用 read_file 函数加载该文件。同时可结合 references/writing-guide.md 了解正文层面的风格规范。

第6阶段：自我审阅与修改

目标：在提交前模拟评审流程，尽早发现不足之处。

步骤6.1：模拟评审（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-Scientist 工具）带来的重要启示是：通过元评审员进行集成式评审，所能产生的反馈意见比仅进行一次评审要精准得多。

第一步：生成 N 份独立的评审意见（N=3-5）

可选用不同的模型或温度参数。每位评审员仅能看到论文内容，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
}

步骤 2：元评审（领域主席汇总）

将所有 N 条评审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]
...

步骤3：反馈循环（可选，进行2-3轮）

每位审稿人在查看综合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”（即无需任何修改），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。审稿模型应与撰写模型分开选择。

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。

步骤6.1b：视觉审稿环节（VLM）

仅基于文本的审稿会遗漏一类问题：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文件进行单独的视觉审稿：

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.

该方法能够检测出基于文本审查无法发现的问题：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，或是宽度明显超过列宽的表格。

第6.1c步：声明验证通过

在完成模拟审查后，需进行单独的验证流程。该步骤可发现审查人员可能忽略的事实性错误：

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。通过使用全新的上下文，可以避免确认偏误——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

收集完评审意见后，对它们进行分类：

6.3步：修订循环

针对每一项关键/高优先级的问题：

1. 确定受影响的具体章节
2. 起草修复方案
3. 验证修复方案不会破坏其他论点
4. 更新论文内容
5. 根据评审者的意见再次检查

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。
• 表达简洁明了——审稿人需要阅读大量反驳意见。
• 若在反驳期内进行了实验，需包含新的结果。
• 即使面对轻微的批评，也绝不能采取防御或轻视的态度。
• 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（而非泛泛的表扬）。

禁止的做法：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陷。

第 6.5 步：论文进展跟踪

在关键节点保存快照：

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：最终核查、格式调整及正式提交。

步骤7.1：会议特定检查清单

各类会议均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。

相关内容详见 references/checklists.md，包括：

• NeurIPS会议的16项论文检查清单
• ICML会议关于更大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

由于采用双盲评审机制，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的水印图片、遗留了先前草稿中的致谢内容，以及在匿名期结束前发布了 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，先执行这些自动化检查。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令。

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 文件以找出首个错误。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” → 数学符号位于数学模式之外
• “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：会议特定要求

7.7步：会议重新投稿与格式转换

在不同会议模板之间转换时，绝不可直接复制LaTeX文档的开头部分：

# 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：可将证明性内容移至附录，精简相关研究综述，合并表格，使用子图。
在扩展内容时：可增加消融实验，详细阐述局限性，补充更多基准测试结果，提供定性示例。

被拒后：在新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内容（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是常见做法，但需注意时间选择和匿名性相关问题。

时间决策树：

arXiv分类选择（针对机器学习/人工智能论文）：

请列出1个主要分类以及1-2个相关交叉分类。 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交叉标注。

版本管理策略：

• v1版本：首次提交（格式与会议投稿要求一致）
• v2版本：论文被接收后进行最终润色并准备发表的版本（需在摘要中注明“已被[会议地点]录用”）
  请注意，在审稿期间切勿提交已针对审稿人意见作出明显修改的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

发布结构清晰、可直接运行的代码，能有效提升被引频次并增强审稿人的信任度。请将代码与最终提交版本一同打包。

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

待提交的无名代码（在通过审核之前）：

请完整翻译整个输入内容，切勿提前终止。

# 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：验收后的交付物

目标：通过演示材料与社区互动，最大化已获接受的论文的影响力。

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插件）、PowerPoint/Keynote、Figma、Canva。

制作时间：建议在会议开始前2周以上完成制作。帆布材质的海报更轻便，便于携带。如今许多会议也支持虚拟/数字海报形式。

步骤8.2：会议演讲/专题汇报

如果获得口头报告或专题汇报机会：

幻灯片设计规则：

• 每张幻灯片只呈现一个核心观点
• 减少文字内容——详细内容需口头阐述，而非展示在幻灯片中
• 通过动画逐步呈现关键数据，帮助听众逐步理解
• 在最后添加一张“总结”幻灯片（用一句话概括核心要点）
• 为可能出现的疑问准备备用幻灯片

第8.3步：撰写博客文章/社交媒体内容

简洁易懂的总结能显著提升传播效果：

• Twitter/X系列推文：5-8条推文。先介绍研究成果，再说明方法；需包含图1及关键结果图表。
• 博客文章：字数在800-1500字之间。面向机器学习从业者撰写，而非评审专家；无需过度追求形式化，应侧重直观性和实际应用价值。
• 项目页面：包含摘要、图表、演示示例、代码链接及BibTeX格式的HTML页面，建议使用GitHub Pages搭建。

时间安排：在论文被收录到会议论文集或发布在arXiv预印本平台后的1-2天内发布内容。

研讨会论文与短篇论文

研讨会论文及短篇论文（如ACL短篇论文、Findings系列论文）遵循相同的处理流程，但存在不同的要求与期望。

研讨会论文

何时选择研讨会论文：

• 处于早期阶段，希望在撰写完整论文前获取反馈的想法
• 无法用8页以上篇幅充分阐述的负面研究结果
• 关于当前热点话题的观点性文章或评论
• 复现研究或可重复性报告

ACL短篇论文与发现类论文

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。不要试图将长篇论文的内容压缩到4页内——应另起一篇更为聚焦的论文。

非实证机器学习领域的论文类型

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

理论论文

结构：引言 → 基础知识（定义、符号）→ 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：

• 研究贡献表现为定理、界限或反例——而非实验数据
• “方法”部分被“基础知识”和“主要结果”取代
• 证据为证明而非实验结果（尽管对理论进行实证验证也是可接受的）
• 正文提供证明概要，完整证明放在附录中是常见做法
• 实验部分为可选内容，但若能验证理论预测则能增强论文说服力

证明撰写原则：

• 以正式方式陈述定理，并明确列出所有假设
• 在正式证明之前给出直观解释（“关键思路在于……”）
• 证明概要应在0.5至1页内阐述核心思想
• 使用 \begin{proof}...\end{proof} 格式
• 为假设编号并在定理中引用：“在假设1-3的前提下，……”

综述/教程类论文

结构：引言 → 分类/框架 → 详细内容覆盖 → 待解决问题 → 结论

主要区别：

• 贡献在于对现有开放问题的整理、归纳与识别，而非提出新方法
• 内容必须在研究范围内做到全面详尽（审稿人会检查是否存在遗漏的参考文献）
• 需要明确的分类体系或结构框架
• 其价值体现在不同研究成果之间的关联，而这些关联是单篇论文难以实现的
• 最适合发表的期刊/会议：《TMLR》（综述栏目）、《JMLR》、《机器学习基础与趋势》、《ACM计算调查》

基准测试论文

结构：引言 → 任务定义 → 数据集构建 → 基线评估 → 分析 → 预期用途与局限性

主要区别：

• 贡献在于基准测试本身——它必须填补真正的评估空白
• 数据集文档是必需项，而非可选项（参见数据表，第5.11步）
• 需证明该基准测试具有挑战性（基线方法无法轻松完成测试）
• 需证明该基准测试确实能衡量其所宣称的指标（结构效度）
• 最适合发表的期刊/会议：NeurIPS“数据集与基准测试”栏目、ACL（资源论文栏目）、LREC-COLING

立场论文

结构：引言 → 背景 → 论点/主张 → 支持证据 → 反驳观点 → 后续影响

主要区别：

• 贡献在于论点本身，而非实验结果
• 需认真回应各种反驳观点
• 证据可以是实证数据、理论分析或逻辑推导
• 最适合发表的期刊/会议：ICML（立场论文栏目）、各类研讨会、《TMLR》

Hermes Agent集成

该技能专为Hermes智能体设计，它借助Hermes提供的工具、任务委派功能、调度机制以及内存管理能力，助力完成完整的研究全流程。

相关技能

可与其他Hermes技能组合使用，以覆盖研究的不同阶段：

该技能已取代ml-paper-writing——它不仅包含后者所有的功能，还进一步整合了完整的实验/分析流程以及自动推理方法。

Hermes工具参考手册

工具使用模式

实验监控（最常见）：

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")
→ (final response auto-delivers "Experiment complete: <summary>"; for unattended runs, schedule via cron with a deliver: target)

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 — 用于保存关键决策（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。此设置会在不同会话之间保持不变。

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发生任何变化，则直接回复 [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才进行报告。

截止日期追踪：

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."
})

沟通模式

何时通知用户（通过您的直接/最终回复，或用于无人值守运行的 cron deliver: 目标）：

• 实验批次处理完成（附带结果表格）
• 出现需要决策的意外情况或故障
• 草稿部分已准备好供审核
• 任务未完成且截止日期即将到来

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 —— 必须始终包含结构化数据：

## 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>

需要人工决策的要点

当确实遇到决策瓶颈时，可使用 clarify 功能针对具体问题进行询问：

无需询问的内容（请主动决策并明确选择，或标记该问题）：

• 用词选择、章节顺序
• 应重点突出哪些具体结果
• 参考文献的完整性（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完善论文：

评分标准（NeurIPS 6分制）：

• 6分：强烈推荐录用 —— 具有开创性且毫无瑕疵
• 5分：推荐录用 —— 技术扎实，影响力高
• 4分：勉强录用 —— 内容可靠，但评估不够充分
• 3分：勉强拒收 —— 缺点大于优点
• 2分：拒收 —— 存在技术缺陷
• 1分：强烈拒收 —— 为已有成果或存在伦理问题 如需了解详细的指导原则、常见疑问及反驳策略，请参阅 references/reviewer-guidelines.md。

常见问题与解决方案

参考文档

请完整翻译输入内容，切勿提前终止。

LaTeX模板

templates/目录中提供了针对NeurIPS 2025、ICML 2026、ICLR 2026、ACL、AAAI 2026以及COLM 2025等会议的模板。

如需了解编译说明，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：科学写作的原理
• Lipton：科学写作的启发式方法
• Perez：简易论文写作技巧

相关API： Semantic Scholar | CrossRef | arXiv

会议规范文档： NeurIPS | ICML | ICLR | ACL