nature-writing

# Nature 系 AI / ML 论文写作技巧 v4（拆分版） ## Craft, Taste, and Story-Craft for NMI / NC / NCS / Nature > **资料来源**：7 类领域共 44 篇开放获取论文的逐句抽取在 `extracts/01-singlecell.md` … `07-ai-methods.md`；抽取框架见 `_framework.md`（v5：补 8 篇 2024–2026 NMI/NC/Nature 纯 AI 方法论文）。 > **读者**：中文母语或中文工作语境中的 AI / ML 研究者。主投 **Nature Machine Intelligence**；次投 **Nature Communications** 与 **Nature Computational Science**；少数旗舰工作冲 **Nature**。 > **目标**：不只是“能过审”，而是让审稿人读完后说：*well-written, clearly motivated, compelling, careful, and hard to put down.* > **约定**： > - 英文引号里的句子是 corpus verbatim，除非标注为“模板 / 构造 / 改写”。 > - `<X>` 是占位符。 > - `[…]` 是删节；`…` 是原文或节选中的省略。 > - 本文档把规律分为三档： > - **常见模式**：44 篇里多数遵循，可作为默认。 > - **子门类倾向**：只在 foundation model / benchmark / AI-for-X / clinical AI 等特定类型里成立。 > - **强约定**：罕有例外，违反通常会显得生硬或不可信。 > - 不使用“铁律 / 必须 / 绝不”。好论文知道规矩，也知道何时破规矩。 > **本文档为瘦索引**：保留全篇都需要看到的部分（骨架公式、写作顺序、提交前 checklist、Quick card、附录），其余按主题拆到 `references/01-story.md` … `references/15-taste-development.md`。详细加载规则见 §1。 --- ## 0. 先记住这句话：论文不是实验清单，是阅读体验 **Patron sentence** — FunSearch: > "Many problems in mathematical sciences are 'easy to evaluate,' despite being typically 'hard to solve.'" 这句话好，因为它不是“我们提出一个方法”。它把整篇论文的戏剧张力先说出来：有一类问题，答案很难找，但好坏很容易判。于是 FunSearch 的 LLM + evaluator 设计变成必然，而不是作者硬塞给读者的系统图。 v3 教你 craft：title 怎么写，abstract 怎么排，Results 怎么开句，Methods 报什么。 v4 还要教 taste：**哪个结果该当 Fig. 1，哪个该进 Supplementary，哪句话该收住，哪句话该响一点，哪种故事配得上 “paves the way”。** ### 0.1 一篇 Nature 系 AI 论文的默认骨架 多数论文仍遵循这一条骨架： ```text TITLE ← 4–6 种定式之一：工具名 / 工具名+冒号 / X enables Y / Towards a… / Discovery of… ABSTRACT s1 BIG-PICTURE / 重要性 s2 GAP [s3 GAP-2 / contrast / opportunity] s4 HERE-WE pivot：Here we / We introduce / We propose / We report / This paper introduces s5 METHOD-SPEC：数字最密的一句（默认；纯 AI 方法 / safety / evaluation 论文可把数字峰值后移到 KEY-RESULT 或 VALIDATION——见 `references/03-abstract.md` §3.2.2 carve-out） s6 KEY-RESULT：一个强数字 + 命名 baseline / benchmark / human anchor [s7 VALIDATION / GENERALIZATION / 第二轴结果] s8 IMPLICATION：paves the way / opens the door / democratizes / represents a step INTRODUCTION 宽 hook → recent advances → gap → pivot → results preview RESULTS 4–10 个子节：每节一个 claim / task / capability；Fig. 1 建立阅读地图 METHODS 复现细节、数据切分、baseline、公平性、compute、statistics、code/model/data availability DISCUSSION 重述贡献 → 与 prior work 比较 → limitation → outlook / community / deployment ``` ### 0.2 v4 的核心判断 Craft 问： > “Nature 系论文通常怎么写？” Taste 问： > “这篇论文的最强阅读路线是什么？” Craft 给你模板。Taste 决定你何时不用模板。 AlphaGeometry 的标题 **"Solving olympiad geometry without human demonstrations"** 没有工具名、没有冒号、没有 `X enables Y`，但它把贡献的张力放在标题里：不是“solving geometry”，而是 **without human demonstrations**。 FunSearch 的 abstract 有 10 句，明显超过 5–8 句默认骨架，但每一句都推进：capability → hallucination flaw → here-we → result 1 → result 2 → mechanism contrast → interpretability value。 SemanticLens 用 aeroplane analogy 开篇： > "Unlike human-engineered systems such as aeroplanes, where each component's role and dependencies are well understood, the inner workings of AI models remain largely opaque…" 这些都不是破坏规矩。它们是在更高层面服从故事。 ### 0.3 写作顺序不要反过来 不要先把所有实验按时间顺序贴进 Results，再想标题。正确顺序是： ```text 1. 选 story shape：这篇论文到底是什么故事？ 2. 选 climax：哪个结果是读者必须记住的？ 3. 选 Fig. 1：读者第一眼看到的是 bottleneck、machine、funnel、scaling law，还是 human benchmark？ 4. 删弱枝：不能服务主故事的实验，进 Supplementary 或删掉。 5. 再写 abstract / intro / results。 6. 最后逐句打磨 rhythm、verb、restraint、overclaim boundary。 ``` --- ## 1. Routing — 按任务加载 写作不是线性的；读 SKILL 也不该线性。每个写作阶段或具体困境，按下面表格只 Read 1–2 个 reference 文件。 ### 1.1 按写作阶段加载 | 阶段 / 困境 | 主 load | 辅 load | |---|---|---| | 构思 / 还在选 story shape，未决定 climax | `references/01-story.md` | `references/12-subgenres.md`, `references/14-journals.md` | | 选 venue / 不知道投哪个刊 | `references/14-journals.md` | `references/12-subgenres.md` | | 写标题 | `references/02-title.md` | — | | 写 abstract | `references/03-abstract.md` | `references/11-language-bank.md` | | 写 introduction | `references/04-intro.md` | `references/11-language-bank.md` | | 写 Results 子节 / figure call-out / 数字+统计 | `references/05-results.md` | `FIGURE-SKILL.md`（视觉端） | | 写 Methods / 复现性 / LLM-agent prompt 报告 | `references/06-methods.md` | — | | 写 Discussion / limitation / outlook | `references/07-discussion.md` | `references/08-sentence-taste.md`（outlook 动词等级） | | 一句话卡了：节奏 / 经济 / restraint / overclaim 边界 | `references/08-sentence-taste.md` | `references/11-language-bank.md` | | 自审稿 / 模拟 reviewer | `references/09-reviewer-protocol.md` | `references/13-antipatterns.md` | | 文风像 arXiv 不像 Nature / 不知子刊 voice 差异 | `references/10-voice.md` | `references/14-journals.md` | | 词不准 / 强动词 / hedge / 段间连接 | `references/11-language-bank.md` | — | | 写 ML 方法 / Foundation / LLM-agent / Interpretability / Benchmark / AI-for-X 任一具体子门类 | `references/12-subgenres.md` | `references/01-story.md` | | 自查反模式 | `references/13-antipatterns.md` | — | | 长期 taste 培养 / 读法 / 临摹 | `references/15-taste-development.md` | — | | 提交前总扫 | 本文 §2 checklist + `references/13-antipatterns.md` | `references/09-reviewer-protocol.md` | ### 1.2 References 目录（主题索引） | 文件 | 主题 | 大致行数 | |---|---|---| | `references/01-story.md` | Story Architecture：7 种 canonical shapes、Fig. 1 四种功能、climax 选择、降级与删枝 | 130 | | `references/02-title.md` | Title 6 种定式、关于 "novel" 的真相、Title before/after | 90 | | `references/03-abstract.md` | 5–8 句句式图、三条强约定、Two-gap、何时打破默认、Abstract before/after | 195 | | `references/04-intro.md` | 漏斗 4–6 段、6 种 hook、GAP 词库、pivot 模板、末段 taste、Intro before/after | 200 | | `references/05-results.md` | 标题三风格、开句三模板、figure call-out、caption、统计写法、baseline、ablation、discovery funnel、综合句、Results before/after | 340 | | `references/06-methods.md` | Methods 子目、LLM-agent 专用清单、复现三处呼应、常漏报项、Methods 也要有 taste | 140 | | `references/07-discussion.md` | Discussion 开句两条路径、Limitation、Outlook 动词等级表、Overclaim 边界、Closing、Discussion before/after | 185 | | `references/08-sentence-taste.md` | 10 句 memorable sentences 解剖、rhythm、经济、name-your-noun、negative space | 370 | | `references/09-reviewer-protocol.md` | 5-pass harsh referee protocol、SNEER/NOD/ASK/CUT、每段末尾 invisible answer | 150 | | `references/10-voice.md` | DeepMind / NMI / NC / NCS / 临床 5 种 voice、confident vs arrogant、modest vs timid | 160 | | `references/11-language-bank.md` | 强动词 / hedge / 6 类段间连接词 / 高复用句型 | 75 | | `references/12-subgenres.md` | 7 个子门类剧本：ML 方法 / Foundation / LLM-agent / Interpretability / Benchmark / AI-for-X / 临床 | 335 | | `references/13-antipatterns.md` | craft + AI-specific + taste 三类反模式 | 90 | | `references/14-journals.md` | Nature / NMI / NC / NCS / NM / Nat Med 各自 voice 与策略 | 160 | | `references/15-taste-development.md` | 读法 / rewrite-by-hand / taste notebook / mentor / OpenReview review / 返回旧草稿 | 80 | ### 1.3 与 FIGURE-SKILL.md 的衔接 视觉设计是另一回事，由独立的 `FIGURE-SKILL.md`（v0.2）覆盖：Fig. 1 schematic 6 种构图、配色（Wong/Okabe-Ito 8 色板）、字体字号（**panel letter 8pt bold lowercase + 其他 5–7pt**，已按 Nature Research Figure Guide 核实）、panel 布局、数据图选型、统计在图内的呈现、matplotlib/ggplot template、Illustrator 拼版流程、arXiv→Nature 反模式 19 条、文件格式与大小（≤50MB / RGB / Type 42 / lowercase a/b/c）。写 Results 与做图常需同时打开两本 skill。 ### 1.4 与 extracts/ 的关系 所有 verbatim 引文（如 AlphaFold "Here we provide the first computational method…"，FunSearch "easy to evaluate, hard to solve"）都可在 `extracts/01-singlecell.md` … `extracts/07-ai-methods.md` 7 个文件 / 共 44 篇里通过 grep 查到上下文。当 SKILL 或某 reference 引用一句话且你想看出处全文时，到对应 extract 文件搜即可。 --- ## 2. 提交前 checklist 提交前一次性扫一遍。条目按章节分组——任何一项落空，先回到对应 reference 修。 ### 2.1 Story ```text [ ] 我能用一句话说出 story shape。 [ ] antagonist 明确：bottleneck / data scarcity / black box / scale / compute / human bottleneck / synthetic constraint。 [ ] Fig. 1 服务主 story，而不是零件堆。 [ ] 每个主文实验支撑 abstract claim、处理强质疑、或推进 climax。 [ ] 至少有一个实验被降到 Supplementary 或删掉。 [ ] Results 顺序不是实验时间顺序，而是阅读顺序。 ``` ### 2.2 Title ```text [ ] 标题属于 A–F 定式之一。 [ ] 没有空心化 "A novel method for…"。 [ ] 如果用 "foundation model"，下游任务 / transfer / scale 足够支撑。 [ ] 如果用 "without / first / universal / clinical-grade"，证据足够支撑。 [ ] 标题能让 editor 在 5 秒内知道冲突和贡献。 ``` ### 2.3 Abstract ```text [ ] 5–8 句为默认；若更长，每句有独立功能。 [ ] 有一个明确 pivot。 [ ] METHOD-SPEC 句数字密度最高（默认）；或已有意采用 pure-AI-methodology carve-out（数字在 KEY-RESULT / VALIDATION）。 [ ] KEY-RESULT 有 named baseline / benchmark / human anchor。 [ ] Outlook 动词与证据强度匹配。 [ ] 中段用强动词；末段适度 hedge。 [ ] 没有把 architecture details 写成 mini Methods。 ``` ### 2.4 Introduction ```text [ ] Hook 不是 "Recently, deep learning…"。 [ ] 第一段有 stakes / old problem / analogy / paradox。 [ ] GAP 说明 limited by what。 [ ] Pivot 段落明显。 [ ] Intro 末段给 roadmap 或 tight pivot。 [ ] 每个 major claim 有适量 citation，不是 citation pile。 ``` ### 2.5 Results and figures ```text [ ] Results header 风格统一。 [ ] 每个子节开句让读者知道：为什么做 / 做了什么 / 得到什么。 [ ] Fig. call-out 把发现放主语位置。 [ ] Main benchmark 有 named baseline。 [ ] 主要比较有 uncertainty：CI / IQR / std / P / bootstrap / repeated splits。 [ ] 至少有 robustness / ablation / control 处理 alternative explanation。 [ ] Discovery paper 有 funnel。 [ ] Foundation model paper 有 scaling / data-size / transfer 证据。 [ ] Clinical paper 有 external validation 或明确说明没有。 [ ] Caption 可独立复述 figure。 ``` ### 2.6 Methods and reproducibility ```text [ ] 数据来源、版本、split 原则清楚。 [ ] leakage 检查说明。 [ ] training compute 报告。 [ ] random seeds 或替代 uncertainty 报告。 [ ] baseline 训练公平性说明。 [ ] hyperparameter search budget 说明。 [ ] LLM/API 论文：prompt、version、date、decoding、tool schema 完整放在 SI；主文显式指向 SI（"详见 SI"）。 [ ] Code / data / model availability 独立段。 [ ] License / DOI / access restriction 说明。 ``` ### 2.7 Discussion ```text [ ] 开句不是 limitation-first，除非有意采用 frank concession。 [ ] 第一段重新框定贡献。 [ ] 与 prior work 比较具体，不泛泛。 [ ] Limitation 具体命名。 [ ] Limitation 后有 boundary / remedy / future direction。 [ ] Outlook phrase 与证据强度匹配。 [ ] Closing 不喊口号。 ``` ### 2.8 Sentence-level taste ```text [ ] 每段 read aloud 不拗口。 [ ] 没有 noun phrase 过长。 [ ] 删除多余 adjective。 [ ] 强 verb 替换 nominalization。 [ ] 数字顺序符合读者理解。 [ ] 最强结果没有被 "remarkably/dramatically" 淹没。 [ ] 每段有一个落点。 ``` ### 2.9 Reviewer modeling ```text [ ] 写了 top 5 reviewer objections。 [ ] 每个 objection 已在 Results / Methods / Discussion 某处处理。 [ ] 没有 reviewer 会认为 baseline unfair。 [ ] 没有 reviewer 会认为 claim overreaches evidence。 [ ] 没有 reviewer 需要猜测 key implementation detail。 [ ] 如果你的方法依赖 evaluator / 监督目标 / human label / benchmark：评估这把 ruler 本身是否可信。reviewer 可能问 "Is the evaluator / supervision target itself valid?" ``` --- --- ## 3. Quick field manual（屏幕边贴条） ### 3.1 Story ```text This paper is a <story shape> story: bottleneck-broken / two-gap synthesis / scale-emergent / discovery funnel / human-anchored benchmark / trust bridge / limit-redrawn. The antagonist is <X>. The climax is Fig. <Y>. The sentence readers must remember is: "<one sentence>" ``` ### 3.2 Abstract ```text <Topic> is <critical> for <field>. However, <existing methods> are <limited by X>. [Yet, <second paradigm> <fails by Y>.] Here we <introduce/present/propose> <NAME>, a <category> that <mechanism>. <NAME> <does numerically dense thing>. We show that <NAME> <outperforms/solves/discovers> <baseline> on <benchmark>. [Furthermore, <generalization/validation>.] <NAME> <bounded outlook phrase> <broader vision>. ``` ### 3.3 Intro ```text ¶1 Hook: concrete stakes / old problem / analogy / paradox. ¶2 Recent advances: grouped, not piled. ¶3 Gap: limited by what? ¶4 Pivot: Here we <verb> <NAME>. ¶5 Roadmap: Specifically, we show that … ``` ### 3.4 Results ```text §1 Reader map: architecture / pipeline / benchmark design. §2 Main result with named baseline. §3 Mechanism / ablation. §4 Robustness / external validation. §5 Hard case / discovery / human anchor. §6 Boundary / failure / generalization. ``` ### 3.5 Methods ```text data + split + leakage architecture + training + compute baselines + fairness statistics + seeds LLM prompts/API/tool schema if relevant code/data/model availability ``` ### 3.6 Discussion ```text Opening: restate contribution or reframe field. Compare: unlike <prior>, <NAME> <specific difference>. Limit: one named boundary. Remedy: concrete next step or scope condition. Close: resource / vision / calibrated outlook. ``` ### 3.7 Sentence ```text Can I replace adjective with number? Can I replace "this" with named noun? Can I replace nominalization with verb? Can I cut the first clause? Does the sentence land on the strongest word? ``` --- --- # Appendix A — 44-paper corpus | # | 领域 | 论文 | 刊物 | 取样文件 | |---|---|---|---|---| | 1–6 | 单细胞 | Geneformer, SCimilarity, Tangram, scIB, CellOracle, CellFM | Nature × 3, Nat Methods × 2, NC × 1 | `extracts/01-singlecell.md` | | 7–12 | 蛋白 / 结构 AI | AlphaFold2, ESM-2/ESMFold, ProteinMPNN, RFdiffusion, AlphaMissense, Foldseek | Nature × 2, Science × 3, Nat Biotechnol × 1 | `extracts/02-protein.md` | | 13–18 | 物理 / 气候 / 材料 | GraphCast, GenCast, DIMON, M3GNet, HINTS, GNoME | Science, Nature × 2, NCS × 2, NMI | `extracts/03-physics.md` | | 19–24 | 药物发现 | DynamicBind, Wong-MRSA, Halicin, SyntheMol, RetroExplainer, DRAGONFLY | NC × 4, Nature, Cell | `extracts/04-drug.md` | | 25–30 | 临床 AI | MedSAM, UNI, CONCH, Virchow, MedPerf, Ferber-GPT4V | Nat Med × 3, NC × 2, NMI | `extracts/05-medical.md` | | 31–36 | ML 通用 / 基础模型 | ChemCrow, AlphaGeometry, MolE, SemanticLens, Cancer-Imaging-FM, FunSearch | NMI × 4, Nature × 2, NC | `extracts/06-ml.md` | | 37–44 | **纯 AI 方法（v5 新加）** | Webb-MAP, Xiao-Densing-law, Whitelam-Simmering, DeepSeek-R1, Oh-DiscoRL, Farquhar-semantic-entropy, Muttenthaler-AligNet, Zhou-ADeLe | Nature × 5, NMI × 1, NC × 2 | `extracts/07-ai-methods.md` | --- # Appendix B — Before / After 对照练习索引 每个 pair 给"无 taste 版"和"有 taste 版"对比，附 1 句解释。打磨自己的稿子时，先选一对照之相近的 pair 读。 | # | 章节 | Lesson | 在哪里 | |---|---|---|---| | 1 | Title | constraint-as-contribution | `references/02-title.md` §2.3 | | 2 | Title | discovery before method | `references/02-title.md` §2.3 | | 3 | Title | hedged aspiration | `references/02-title.md` §2.3 | | 4 | Title | tool + description | `references/02-title.md` §2.3 | | 5 | Abstract | concrete stakes | `references/03-abstract.md` §3.6 | | 6 | Abstract | bottleneck-aligned pivot | `references/03-abstract.md` §3.6 | | 7 | Abstract | numerical noun phrase | `references/03-abstract.md` §3.6 |