academic-writing-refiner

Academic Writing Refiner 综合评估

核心用法

该 Skill 专为计算机科学顶级会议论文写作设计，覆盖 NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、KDD 等主流 venues。用户粘贴论文草稿（LaTeX 或纯文本）、摘要、引言、方法、实验或结论部分，系统将按 venue-specific 规范进行精炼。支持全篇润色或单节编辑，可处理 rebuttal、camera-ready 等不同阶段需求。

显著优点

1. 领域深度：内置 ML、NLP、CV、IR、Web 等子领域的写作惯例差异，能针对性调整风格（如 NLP 强调语言学术语精确，ML 侧重公式与简洁性）
2. 分层处理机制：从宏观结构（section-specific conventions）到微观措辞（word-choice substitution table）逐层优化
3. LaTeX 原生支持：精准保留引用、标签、宏定义、注释，仅修改 prose 不触碰数学内容
4. 明确边界：清晰界定「不做清单」——不堆砌辞藻、不凭空添加内容、不平化作者声音，避免过度编辑
5. 输出规范：提供精炼文本+边际注释+未解决问题清单的三段式反馈，便于用户审校

潜在局限

• 学科局限：仅针对计算机科学领域，无法覆盖生物医学、物理、人文等其他学科规范
• 内容边界：明确声明"不添加内容"，若原文缺少关键对比实验或基线，仅能标记建议而非补全
• 语境依赖：需用户主动说明 venue 和阶段，自动推断存在误差风险
• 模板化风险：严格遵循的 venue 风格倾向可能对跨领域创新写作形成束缚

适合人群

• 目标顶会的研究生、博士后及青年研究者
• 非英语母语作者需提升学术英语地道性
• 需要快速将 workshop 论文扩展为 conference 版本的学者
• 撰写 rebuttal 需精准回应 reviewer 的作者

常规风险

• 过度精简："economy over verbosity" 原则可能导致必要背景信息被误删
• 主动语态偏见：虽保留被动语态的合理场景，但系统性转换可能改变学术惯例表达
• 同质化压力：尽管声明"不平化声音"，标准化流程仍可能削弱个人写作特色
• LaTeX 解析边缘 case：复杂自定义宏或交叉引用结构存在误处理可能

核心功能与用途

Academic Writing Refiner 是一款面向计算机科学领域研究者的专业学术写作辅助工具，专门针对 NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、KDD 等顶级会议论文的写作需求设计。该技能提供从句子级润色到全文结构优化的全方位写作指导，帮助研究者将粗糙草稿转化为符合顶会标准的出版级文稿。

显著优点

1. venue-aware 精准适配：根据不同顶会的风格倾向提供差异化建议（如 ML 会议偏好简洁公式驱动，NLP 会议强调语言学与充分的相关工作，CV 会议重视视觉结果展示）

2. 分章节精细化指南：针对摘要、引言、相关工作、方法、实验、结论等各个部分提供具体的写作规范，避免"一刀切"式的泛泛建议

3. 务实的写作哲学：强调"清晰优于花哨"（clarity over cleverness）的核心原则，反对滥用高级词汇和过度 hedging，直击学术写作常见弊病

4. LaTeX 原生支持：完整保留 LaTeX 命令结构（\cite{}、\ref{}、公式环境等），仅修改 prose 部分，确保与研究者现有工作流无缝衔接

5. 明确的边界意识：清晰划定"该做"与"不做"的界限——不擅自添加内容、不抹平作者 voice、不过度 homogenize，尊重作者的原创表达

潜在局限

1. 领域局限性：专注于计算机科学/AI/ML 领域，对其他学科（如人文社科、生命科学）的写作规范覆盖有限

2. 文化偏向性：基于英语学术圈（尤其北美会议）的写作习惯，对非英语母语作者的特定需求（如中式英语常见模式）缺乏针对性指导

3. 无法替代人工判断：对于研究贡献的重要性评估、实验设计的合理性等学术内容层面的问题，仅能做 surface-level flag，无法深入研判

4. 动态规范滞后：顶会写作风格随时间演变（如近年来对 broader impact 的要求增加），静态文档可能无法及时跟进最新变化

适合人群

• 计划向 NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、KDD、SIGIR 等顶会投稿的计算机科学/AI 研究者
• 非英语母语、需要系统性提升学术英语写作规范性的博士生和青年学者
• 需要快速润色 camera-ready 版本或 rebuttal 回复的截稿冲刺阶段作者
• 希望理解不同会议 subtle style differences 的跨领域研究者（如从 CV 转向 NLP）

常规风险提示

• 该技能仅优化表达形式，不验证学术内容正确性，用户需自行核实实验数据、文献引用和理论 claims
• 过度依赖自动化润色可能导致论文风格趋同，建议保留个人学术 voice 的辨识度
• 涉及 rebuttal 等时间敏感场景时，建议结合领域导师或资深 co-author 的人工复核
• 对于涉及伦理、隐私、安全等敏感方向的论文，写作建议需配合 institutional review 流程