ml-paper-writing

name	ml-paper-writing
description	为 NeurIPS、ICML、ICLR、ACL、AAAI、COLM 撰写 publication-ready 的 ML/AI 论文。用于从 research repo 起草论文、做 literature review、寻找 related work、验证 citation，或准备 camera-ready submission。包含 LaTeX template、citation verification workflow 和论文发现 / 评估标准。
version	1.0.0
author	Orchestra Research
license	MIT
tags	["Academic Writing","NeurIPS","ICML","ICLR","ACL","AAAI","COLM","LaTeX","Paper Writing","Citations","Research"]
dependencies	["semanticscholar","arxiv","habanero","requests"]

ML Paper Writing for Top AI Conferences

面向 NeurIPS、ICML、ICLR、ACL、AAAI、COLM 的 ML/AI 论文写作指南。该 skill 结合顶级研究者的写作理念（Nanda、Farquhar、Karpathy、Lipton、Steinhardt）与实际工具：LaTeX template、citation verification API、conference checklist。

Default Operating Order

除非任务非常窄，否则按以下顺序执行：

1. 先从 references/OPERATING-MODES.md 锁定当前 operating mode
2. 理解 repo 或 draft 的上下文
3. 把 references/citation-workflow.md 作为唯一默认 citation authority
4. 主写作路径明确后，再加载 venue / template 相关 reference

Google Scholar 可以作为人工发现入口，但不是本 skill 的 canonical verification authority。默认验证应使用 Semantic Scholar、CrossRef、arXiv 等 programmatic sources。

Core Philosophy: Collaborative Writing

论文写作是协作过程，但 Claude 应主动交付草稿。

典型输入是一个 research repository，其中包含代码、结果和实验 artifact。Claude 的职责是：

1. 探索 repo、结果和已有文档，理解项目
2. 当 contribution 足够清楚时，直接交付完整 first draft
3. 用 web search 和 API 搜索相关文献
4. 根据 scientist 反馈迭代
5. 只有关键决策确实不确定时才提问

关键原则：主动交付。repo 和结果清楚时，不要逐节等待确认；先给出可反应的完整草稿，再迭代。

Critical Rule: Never Hallucinate Citations

AI 生成引用有很高错误率。虚构论文、错误作者、错误年份、伪造 DOI 都属于严重学术风险，可能导致 desk rejection 或 retraction。

绝不要凭记忆生成 BibTeX。必须程序化查询、验证、导出。

Situation	Action
添加引用	Search API → verify → fetch BibTeX
不确定论文是否存在	标记 [CITATION NEEDED]
找不到精确论文	标记 placeholder，不要编

无法验证时使用显式占位：

% EXPLICIT PLACEHOLDER - requires human verification
\cite{PLACEHOLDER_author2024_verify_this}  % TODO: Verify this citation exists

必须告诉 scientist：哪些 citation 是 placeholder，哪些无法确认。

Workflow 0: Starting from a Research Repository

Project Understanding:
- [ ] Step 1: Explore repository structure
- [ ] Step 2: Read README, docs, and key results
- [ ] Step 3: Identify main contribution with the scientist
- [ ] Step 4: Find papers already cited in the codebase
- [ ] Step 5: Search additional related literature
- [ ] Step 6: Outline paper structure
- [ ] Step 7: Draft and iterate

Explore the Repository

ls -la
find . -name "*.py" | head -20
find . -name "*.md" -o -name "*.txt" | xargs grep -l -i "result\|conclusion\|finding"

重点查找：

• README.md
• results/、outputs/、experiments/
• configs/
• .bib 文件或 citation references
• 任何 draft / notes

Identify Existing Citations

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

这些 citation 是 Related Work 的高信号起点。

Clarify the Contribution

写作前必须明确主贡献：

Based on my understanding of the repo, the main contribution appears to be [X].
The key results show [Y]. Is this the framing you want for the paper,
or should we emphasize different aspects?

不要擅自假设 narrative。

When to Use This Skill

• 从 research repo 写论文
• 起草或修改论文 section
• 做 literature review 和 related work
• 发现近期论文
• 查找并验证 citation
• 准备 conference submission
• 转投不同 venue 做格式转换
• 根据 scientist feedback 迭代 draft

first draft 是讨论起点，不是最终稿。

Literature Research & Paper Discovery

Workflow 5: Finding and Evaluating Papers

Literature Research Process:
- [ ] Step 1: Define search scope and keywords
- [ ] Step 2: Search arXiv and academic databases
- [ ] Step 3: Screen papers by title/abstract
- [ ] Step 4: Evaluate paper quality
- [ ] Step 5: Select top papers and extract citations
- [ ] Step 6: Verify citations programmatically

Search Scope

• Technique-focused：transformer architecture、graph neural networks
• Application-focused：medical image analysis、language model alignment
• Problem-focused：out-of-distribution generalization、continual learning

arXiv Search

https://arxiv.org/search/?searchtype=all&query=KEYWORDS&abstracts=show&order=-announced_date_first

建议：

• 用 + 组合关键词
• 按 cs.LG、cs.AI、cs.CV、cs.CL 过滤
• 用 announced_date_first 看近期论文

Paper Quality Evaluation

Dimension	Weight	Focus
Innovation	30%	novelty 与 originality
Method Completeness	25%	清晰度和可复现性
Experimental Thoroughness	25%	验证深度
Writing Quality	10%	表达清晰度
Relevance & Impact	10%	领域重要性

评分阈值：

• 4.0+：强烈纳入
• 3.5-3.9：相关时纳入
• 3.0-3.4：高度相关时纳入
• <3.0：除非必要，否则排除

详细指南：

• references/literature-research/arxiv-search-guide.md
• references/literature-research/paper-quality-criteria.md

Paper-Miner Global Writing Memory

本 skill 会读取由 paper-miner 维护的单一全局 writing memory：

~/.hello-scholar/knowledge/paper-miner-writing-memory.md

这是 global memory，不是项目局部 memory。卸载 hello-scholar 不应删除累计写作知识。

默认读取顺序：

1. ~/.hello-scholar/knowledge/paper-miner-writing-memory.md
2. repo-local evidence 和 experiment artifact
3. 必要时读取已引用论文或 notes
4. venue template 和 formatting constraints

读取时先看：

• How this helps our writing
• Writing patterns mined
• Structure signals
• Reusable phrasing
• Venue-specific signals

不要把新挖掘的 paper-miner 知识散落到多个 maintained file 中。

Balancing Proactivity and Collaboration

Confidence Level	Action
High	写完整 draft，交付后按反馈迭代
Medium	写 draft，并标注不确定点
Low	问 1-2 个针对性问题，然后继续 draft

默认先写，再把问题随 draft 一起提出。

只有以下情况才阻塞等待输入：

• target venue 不明确
• 多个互相冲突的 framing 都合理
• 结果不完整或相互矛盾
• 用户明确要求先 review 再继续

不要因为措辞、section 顺序、结果排序或 citation completeness 阻塞。

The Narrative Principle

论文不是实验集合，而是由 evidence 支撑的一条清晰 technical story。

Introduction 结束前必须清楚三点：

Pillar	Description
The What	1-3 个具体、成体系的新 claim
The Why	严格 empirical evidence 支撑
The So What	为什么社区应关心

如果无法用一句话说清 contribution，就还没有形成 paper。

Paper Structure Workflow

Paper Writing Progress:
- [ ] Step 1: Define the one-sentence contribution
- [ ] Step 2: Draft Figure 1
- [ ] Step 3: Draft abstract
- [ ] Step 4: Draft introduction
- [ ] Step 5: Draft methods
- [ ] Step 6: Draft experiments
- [ ] Step 7: Draft related work
- [ ] Step 8: Draft limitations
- [ ] Step 9: Complete paper checklist
- [ ] Step 10: Final review and submission

Abstract: 5-Sentence Formula

1. 你做成了什么：We introduce... / We prove... / We demonstrate...
2. 为什么难且重要
3. 方法是什么，并包含可检索关键词
4. 有什么证据
5. 最重要的数字或结果

删掉任何可以放在任意 ML 论文开头的泛化句。

Introduction

必须包含：

• 2-4 条 contribution bullet
• 清晰 problem statement
• 简短 approach overview
• 方法最好在第 2-3 页前开始

Methods

目标是让他人能复现：

• 概念 outline 或 pseudocode
• 全部 hyperparameters
• 足够架构细节
• 只讲最终设计，ablation 放到 experiments

Experiments

每个实验都要说清：

• 支撑哪个 claim
• 与主贡献如何关联
• experimental setting
• 图或表中应该观察什么

必须包含：

• error bar 和计算方式
• run / seed 数量
• 主要比较的 statistical test
• baseline、ablation、robustness

Writing Principles

• 先给 context，再给新信息
• claim 与 evidence 紧邻
• 术语保持一致
• 主动语态优先
• 具体词优先，不用泛泛的 “performance”
• 删除 filler word 和 hedging
• figure caption 要能独立理解
• 不要把关键结果藏到 appendix

What Reviewers Actually Read

Paper Section	Reviewer Behavior	Implication
Abstract	几乎都会读	必须非常强
Introduction	大多会快速读	contribution 前置
Figures	经常先看	Figure 1 极关键
Methods	有兴趣才细读	不要埋主线
Appendix	很少保证阅读	只放补充细节

Conference Requirements Quick Reference

Conference	Page Limit	Extra for Camera-Ready	Key Requirement
NeurIPS 2025	9 pages	+0	checklist，accepted 后 lay summary
ICML 2026	8 pages	+1	Broader Impact Statement
ICLR 2026	9 pages	+1	LLM disclosure，reciprocal reviewing
ACL 2025	8 pages (long)	varies	Limitations section mandatory
AAAI 2026	7 pages	+1	严格遵守 style file
COLM 2025	9 pages	+1	聚焦 language models

通用要求：

• double-blind review
• references 不计入页数
• appendix 通常不限，但 reviewer 不保证读
• 所有 venue 均要求 LaTeX

Using LaTeX Templates Properly

总原则：先复制完整 template directory，再在里面写。

Template Setup Checklist:
- [ ] Copy entire template directory
- [ ] Compile template as-is
- [ ] Read example content
- [ ] Replace content section by section
- [ ] Keep examples as comments until stable
- [ ] Clean up at the end

不要只复制 main.tex。template 还包含 .sty、.bst、example content 和 Makefile。

编译检查：

latexmk -pdf main.tex

常见坑：

• 只复制 main.tex
• 修改 .sty
• 随便加 package
• 太早删除 template example
• 不频繁编译

Conference Resubmission & Format Conversion

Format Conversion Checklist:
- [ ] Identify source and target template differences
- [ ] Create new project with target template
- [ ] Copy content sections, not preamble
- [ ] Adjust page limits and content
- [ ] Update venue-specific requirements
- [ ] Verify compilation and formatting

绝不要把不同 conference 的 LaTeX preamble 混在一起。 应从 target template 新建项目，只迁移正文、figures、tables 和 bibliography entries。

常见要求：

• ICML：Broader Impact Statement
• ICLR：LLM usage disclosure
• ACL / EMNLP：Limitations section、Ethics Statement
• AAAI：不得修改 style file
• NeurIPS：Paper checklist

Citation Workflow

references/citation-workflow.md 是默认 authority。

默认路径：

1. 用 Semantic Scholar / CrossRef / arXiv / OpenAlex 搜索
2. 重要 claim 用两个来源确认 paper existence
3. 通过 DOI 或可信导出路径获取 BibTeX
4. 引用具体 claim 时，核对原文是否支持
5. 验证后再加入 bibliography

黄金规则：

IF you cannot verify a citation programmatically:
    -> mark it as [CITATION NEEDED] or [PLACEHOLDER - VERIFY]
    -> tell the scientist explicitly
    -> NEVER invent a plausible-sounding reference

Common Issues and Solutions

Abstract 太泛：删除第一句泛泛背景，直接从具体贡献开始。

Introduction 超过 1.5 页：把背景移到 Related Work，前置 contribution bullet。

Experiments 没有明确 claim：每个实验前加一句 “This experiment tests whether ...”。

Reviewer 觉得难跟：加 signposting，统一术语，强化 standalone caption。

缺少 statistical significance：补 error bar、run 数、统计检验。

Reviewer Evaluation Criteria

Criterion	What Reviewers Look For
Quality	技术可靠，claim 有支撑
Clarity	写作清楚，专家可复现
Significance	对社区有影响
Originality	有新 insight，不一定要新方法

NeurIPS 6 分制：

• 6：Strong Accept
• 5：Accept
• 4：Borderline Accept
• 3：Borderline Reject
• 2：Reject
• 1：Strong Reject

Tables and Figures

Tables

• 使用 booktabs
• 每个 metric 加方向符号（↑ / ↓）
• 最优值加粗
• 数值列右对齐
• 小数位一致

Figures

• plot 和 diagram 用 vector graphics（PDF / EPS）
• 照片才用高分辨率 raster
• 使用 colorblind-safe palette
• 检查灰度可读性
• 不要在图内放 title
• caption 必须自洽

需要生成、润色或诊断图表标题、table caption、architecture diagram 文案或 visual abstract 时，优先调用 figure-table-captioning，不要在本 skill 中临时发明 caption workflow。

Prompt Micro-Skills

当用户的写作请求是局部、可复用的 prompt 动作时，优先路由到专门 micro-skill：

Task	Skill
中英互译、译回中文核对、术语一致性	bilingual-academic-translation
英文/中文润色、降低 AI 腔、publication-ready 表达	academic-polishing
缩写、扩写、page budget 或摘要字数控制	paper-compression-expansion
figure/table caption、架构图说明、实验图表表达	figure-table-captioning
段落逻辑、claim-evidence 对齐、reviewer quick scan	paper-logic-diagnosis
实验结果叙述、ablation/failure-case narrative	experiment-narrative-analysis

本 skill 保留论文整体 narrative、section drafting、venue adaptation 和 citation-aware writing 的总入口职责。

References & Resources

Reference Documents

Document	Contents
references/writing-guide.md	Gopen & Swan 原则、Ethan Perez micro-tips、word choice
references/citation-workflow.md	Citation API、Python code、BibTeX 管理
references/checklists.md	NeurIPS、ICML、ICLR、ACL checklist
references/reviewer-guidelines.md	评审标准、评分、rebuttal
references/sources.md	本 skill 的来源索引
references/literature-research/arxiv-search-guide.md	arXiv 检索策略
references/literature-research/paper-quality-criteria.md	5 维论文质量评估

LaTeX Templates

templates/ 目录包含：ICML 2026、ICLR 2026、NeurIPS 2025、ACL/EMNLP、AAAI 2026、COLM 2025。

编译方式：

• VS Code / Cursor：LaTeX Workshop + TeX Live
• 命令行：latexmk -pdf main.tex
• 在线：Overleaf

Key External Sources

• Neel Nanda: narrative、What / Why / So What
• Sebastian Farquhar: 5-sentence abstract
• Gopen & Swan: reader expectation principles
• Zachary Lipton: scientific writing heuristics
• Ethan Perez: micro-level clarity
• APIs: Semantic Scholar、CrossRef、arXiv