模块：逻辑连贯性和方法论深度

触发器：逻辑、连贯性、逻辑、方法论、论证结构、运算

目的：确保段落之间的逻辑流畅并加强学术写作中方法论的严谨性。

uv run python -B scripts/analyze_logic.py main.tex
uv run python -B scripts/analyze_logic.py main.tex --section methods

重点领域：

1.段落级连贯性（AXES 模型）：

成分	描述	例子
**断言	清晰的主题句陈述主要主张	“注意力机制改善了序列建模。”
X充足	支持主张的具体证据或数据	“在我们的实验中，注意力的准确率达到了 95%。”
**解释	分析证据支持主张的原因	“这种改进源于捕获远程依赖关系的能力。”
**意义	与更广泛的论点或下一段的联系	“这一发现激发了我们提出的架构。”

2.转换信号：

关系	信号
添加	此外，此外，此外，另外
对比	然而，尽管如此，相反，相反
因果关系	因此，因此，作为结果，因此
顺序	首先，随后，最后，同时
例子	例如，特别地，特别地

3.方法深度清单：

• [ ] 每个主张都有证据支持（数据、引文或逻辑推理）
• [ ] 方法选择是合理的（为什么选择这种方法而不是其他方法？）
• [ ] 明确承认限制
• [ ] 假设条件已明确表述
• [ ] 重现性细节就足够了（参数、数据集、指标）

4.常见问题：

问题	问题	使固定
逻辑间隙	段落之间缺少联系	添加解释关系的过渡句
不受支持的主张	没有证据的断言	添加引文、数据或推理
浅层方法论	“我们使用X”毫无道理	解释为什么 X 适合这个问题
隐藏的假设	隐含先决条件	明确陈述假设

输出格式：

% LOGIC (Line 45) [Severity: Major] [Priority: P1]: Logical gap between paragraphs
% Issue: Paragraph jumps from problem description to solution without transition
% Current: "The data is noisy. We propose a filtering method."
% Suggested: "The data is noisy, which motivates the need for preprocessing. Therefore, we propose a filtering method."
% Rationale: Add causal transition to connect problem and solution

% METHODOLOGY (Line 78) [Severity: Major] [Priority: P1]: Unsupported method choice
% Issue: Method selection lacks justification
% Current: "We use ResNet as the backbone."
% Suggested: "We use ResNet as the backbone due to its proven effectiveness in feature extraction and skip connections that mitigate gradient vanishing."
% Rationale: Justify architectural choice with technical reasoning

特定部分指南：

部分	连贯性焦点	方法论焦点
介绍	问题→差距→贡献流程	论证研究意义
相关工作	按主题分组，明确比较	针对先前工作的立场
方法	循序渐进的逻辑进展	证明每一个设计选择的合理性
实验	设置 → 结果 → 分析流程	解释评估指标
讨论	研究结果 → 启示 → 局限性	承认界限

最佳实践（基于 Elsevier 和 Proof-Reading-Service）：

1. 每段一个想法：每个段落应该有一个明确的焦点
2. 主题句优先：每个段落以其主要主张开始
3. 证据链：每项主张都需要支持（数据、引文或逻辑）
4. 显式转换：使用信号词来显示关系
5. 证明，而不仅仅是描述：解释_为什么_，而不仅仅是_什么_

---

文献综述质量验证（A1-A4）

这些规则确保相关工作部分综合文献而不是仅仅对其进行编目。

A1：主题聚类（不是作者/年份枚举）

规则：相关工作应按研究主题组织参考文献，而不是按作者或出版年份。检测“作者（年份）提议/介绍...”模式后的 3 个以上连续句子表示枚举。

检测启发式（脚本自动化）：

• 正则表达式：^(In \d{4}|.*\(\d{4}\).*(?:proposed|introduced|presented|developed|designed))
• 阈值：3+连续匹配行→Major/P1

图案	判决
“Smith (2019) 提出 X. Jones (2020) 介绍了 Y. Lee (2021) 设计的 Z。”	枚举（标志）
“基于注意力的方法已经发展......Smith（2019）和Jones（2020）都进行了探索......但是，Lee（2021）表明......”	主题综合（通过）

修复：按主题集群重新组织；在每个集群中，批判性地比较和对比方法。

A2：每个主题集群后的批判性分析（LLM 判断）

规则：每个主题组必须以一个综合句子结尾，比较、对比或评估引用的作品——而不仅仅是列出它们。寻找评价性语言：“然而”、“尽管”、“共同的限制”、“相比”。

这条规则对于正则表达式来说太微妙了，需要在审核期间进行 LLM 判断。

A3：相关工作结束时的研究差距推导

规则：相关工作的最后一段必须包含激发当前研究的明确的研究差距语言。

检测启发式（脚本自动化）：

• 扫描 related 部分的最后 10 行
• 关键词：gap|limitation|however.*(?:no|not|few)|remains|lack|overlooked|under-explored|open problem|yet to be|inadequate|insufficient
• 如果没有匹配→Major/P1

图案	判决
“尽管取得了这些进步，现有方法仍然无法处理 X。”	存在间隙（通过）
“Lee (2021) 在基准 Y 上实现了 95% 的准确率。” （本节结束）	无间隙（标志）

A4：漏斗形引用密度（LLM-判断）

规则：引用密度应遵循广泛→集中→具体的漏斗：从一般领域开始，缩小到子问题，以最相关的先前工作结束。扁平或倒置的漏斗表明叙事结构不佳。

这条规则需要法学硕士的判断来评估叙述弧。

---

横截面逻辑链闭合 (C3)

规则：引言中提出的贡献声明必须在结论中明确回答。如果引言中声明“我们提出X”或“我们的贡献包括Y”，则结论必须包含相应的回答语言（“我们已经展示”、“结果证明”、“实验证实”）。

检测启发式（脚本自动化，--cross-section 标志）：

• 从 introduction 部分提取贡献关键字
• 从 conclusion 部分提取答案关键字
• 如果介绍有主张但结论有零答案语言 → Major/P1（标记为 [Script] 观察）

简介声明	预期结论答案
“我们提出了一种新颖的注意力机制。”	“我们已经证明，所提出的注意力机制实现了……”
“我们的主要贡献是：（1）……”	“实验证实贡献（1）……”

注意：此检查本质上是启发式的。调查结果只是观察结果，而不是明确的判断。当结论使用不同的措辞来解决相同的主张时，可能会出现误报。

---

动机红线关闭（选择加入：--motivation-thread）

规则：一篇强有力的论文是一个问题→解决方案弧。引言中做出的每一个承诺（“我们建议 X 去做 Y”）都应该在结果/实验中进行“测试”，并在讨论/结论中进行“解决”。此诊断显示断线。

如何运行（附加 - 当标志不存在时，正常逻辑输出不变）：

uv run python -B scripts/analyze_logic.py main.tex --motivation-thread

它产生什么（只读，所有结果都标记为 [Script]）：

• 承诺地图 — 每个介绍承诺 (CONTRIBUTION_KEYWORDS匹配）→ 最佳重叠结果/实验线。[NO EVIDENCE FOUND]标志着一个实验从未检验过的承诺。
• 闭合图 — 每个引言主张 → 最佳重叠的讨论/结论线。 [UNCLOSED] 标记了该论文从未解决的声明。
• 无承诺的证据 — 结果行包含数字发现，可以追溯到没有介绍承诺（可能的范围蔓延）。

机制：关键字+内容标记重叠（英语单词≥4个字符加上CJK二元组）。这是有意提供的导航帮助，不是结论——报告明确表示可能存在误报，并要求读者进行验证。当承诺看起来不匹配只是因为结果重复使用不同的措辞时，请将其视为添加显式回显的提示，而不是硬错误。

图案	判决
简介“我们提出了一种减少延迟的稀疏注意力”→ 结果“减少了 42% 的延迟”	匹配（通过）
简介承诺可解释性，但结果小节没有提及它	[NO EVIDENCE FOUND]（旗帜）
简介声明从未在讨论/结论中得到回应	[UNCLOSED]（旗帜）