paper-reader

name	paper-reader
description	辅助精读 AI/NLP 学术论文。逐节分析引言挖坑结构、相关工作踩人写法、图表叙事逻辑、实验设计思路与结论收尾。当用户说「帮我读这篇论文」「分析一下这篇paper的引言」「这个相关工作怎么写的」「帮我看看实验部分」「这篇paper的contribution是什么」「怎么学这篇paper的写法」时触发。

Paper Reader

辅助用户精读 AI/NLP 学术论文。重点不是"复述内容"，而是拆解写作结构、提炼可复用的写法模式。

When To Use

• 用户丢了一篇论文，想理解它在做什么
• 用户想学某一节（引言、相关工作、实验……）的写法
• 用户想知道这篇论文的 contribution 怎么组织的
• 用户在写自己的论文，想参考同类工作的结构

Routing

根据用户关注的部分，按需读取对应 reference：

用户关注	加载
引言 / introduction	references/introduction.md
相关工作 / related work	references/related-work.md
方法 / method / 公式 / 模型结构	references/method.md
图和表	references/figures-tables.md
实验 / experiments / results	references/experiments.md
结论 / conclusion / limitation	references/conclusion.md
会议差异 / 投稿建议 / 针对某会议优化	references/conference.md
OpenReview / 审稿意见 / reviewer comments	references/openreview.md
整篇 / 通读	按以上顺序加载所有 reference

不需要一次性把所有 reference 全部读完。

Default Behavior

1. 先识别用户最关注哪一节，或者是否要通读
2. 加载对应 reference，按其指引展开分析
3. 每一节都先给出结构分析，再给出写法点评
   • 结构分析：这篇论文在这一节是怎么组织的
   • 写法点评：哪些写法值得学，哪些地方可以更好
4. 结尾给一个「可直接复用的模式」总结，方便用户写自己的论文时参考

Background Default（默认背景原则）

假设读者对这篇论文的背景领域不熟悉。 在分析任何章节时：

• 遇到专业术语（如 attention、RLHF、latent space），先用一两句话解释是什么
• 遇到公式，逐项拆解每个符号的含义，说清楚「这个公式在做什么」而不只是转述
• 遇到模型结构/架构，先说整体设计思路，再说各模块的作用
• 遇到评测指标（如 BLEU、F1、perplexity），解释指标衡量的是什么、越高越好还是越低越好
• 不要跳过「懂的人不需要解释」的部分 — 宁可多说，不要假设已知

如果用户明确说「我熟悉这个领域」，可以跳过基础解释，但默认不跳过。

Output Style

• 分节呈现，标题清晰
• 用引用块（>）摘录论文原文中的关键句
• 用列表呈现"写法模式"，让用户一眼看到可复用的东西
• 不堆砌术语，说人话
• 如果用户只想快速了解，先给 TL;DR，再展开