学位论文写作哲学
"论文不是实验的堆砌，而是一个有清晰贡献的学术故事。" — 改编自 Neel Nanda
目录
叙事原则
(核心要义)
学位论文的核心是围绕一个明确的研究贡献展开叙述。
三大支柱（绪论结束前必须清晰呈现）：
| 支柱 | 说明 | 示例 |
|---|---|---|
| 做了什么 | 1-3 个具体的创新点 | "本文提出了X方法，在Y条件下实现了Z" |
| 为什么可信 | 严谨的实验证据 | 充分的基线对比、消融实验 |
| 为什么重要 | 读者为何应该关注 | 与领域公认问题的联系 |
如果你不能用一句话陈述你的贡献，你还没有形成一篇完整的论文。
摘要五句公式
(改编自 Sebastian Farquhar, DeepMind)
- 本文的核心成果（"本文提出..."、"本文证明..."）
- 为什么这个问题困难且重要
- 采用的方法（含关键术语以提升可搜索性）
- 实验证据
- 最显著的量化结果
删除泛泛的开头，如"随着深度学习的快速发展..."
读者期望七原则
(改编自 Gopen & Swan)
| # | 原则 | 规则 | 示例 |
|---|---|---|---|
| 1 | 主谓邻近 | 主语和谓语紧密相连 | ❌ "本文提出的基于...的方法，取得了" → ✅ "本文方法取得了..." |
| 2 | 重点置尾 | 句子重心放在末尾 | ✅ "通过注意力机制，准确率提升了15%" |
| 3 | 旧信息在前 | 已知信息开头，新信息在后 | ✅ "基于上述分析，本文提出..." |
| 4 | 一段一义 | 每段只讲一个要点 | 拆分多要点段落 |
| 5 | 动作用动词 | 避免名词化 | ❌ "进行了分析" → ✅ "分析了" |
| 6 | 先铺垫后展示 | 先解释背景再给公式 | 公式前先说明含义 |
| 7 | 显式过渡 | 段落间使用信号词 | "因此"、"然而"、"此外" |
用词精准
(改编自 Zachary Lipton)
具体化
- ❌ "性能" → ✅ "准确率"、"推理延迟"
- ❌ "显著" → ✅ "统计显著 (p < 0.05)" 或删除
消除模糊
- ❌ "可能有助于提升" → ✅ "准确率提升了3.2%"
避免空话
删除：显然、毫无疑问、众所周知、不可否认
精确优先
(改编自 Jacob Steinhardt, UC Berkeley)
- 术语一致：同一概念全文使用相同术语
- 假设明示：在定理前明确列出所有假设条件
- 直觉+严谨：给出直觉解释的同时提供形式化证明
- 先定义后使用：每个符号和术语在首次使用前定义
微观写作技巧
(改编自 Ethan Perez, Anthropic)
- [ ] 避免模糊指代：❌ "这说明..." → ✅ "该实验结果说明..."
- [ ] 动词前置：谓语动词尽量靠近句首
- [ ] 删除填充词：实际上、某种程度上、相当、比较、基本上
- [ ] 主动语态：❌ "该方法被应用于" → ✅ "本文将该方法应用于"
- [ ] 量化表述：❌ "大幅提升" → ✅ "提升了12.3%"
分章节指南
| 章节 | 篇幅建议 | 核心要求 |
|---|---|---|
| 摘要 | 300-500字 | 五句公式；删除泛泛开头 |
| 绪论 | 3-5页 | 研究背景→问题→贡献列表→章节安排 |
| 文献综述 | 5-10页 | 按主题分组；逐篇讨论每篇文献的贡献与局限；同一句并列引用不超过 2 个 |
| 研究方法 | 按需 | 确保可复现；所有超参数列出 |
| 实验 | 主体 | 每个实验说明验证什么主张；含误差分析 |
| 总结与展望 | 1-2页 | 回答研究问题；可执行的未来工作 |
绪论必须包含：
- 清晰的研究问题陈述
- 2-4条贡献列表（每条不超过1-2行）
- 简要的方法概述
- 章节安排说明
- 引用整合：每篇被引文献必须附带对其贡献、方法或局限的简要描述，禁止同一句中 3 个及以上引用无分析堆叠（参见 guide.md 类别 6）
实验必须包含：
- 每个实验验证的具体主张
- 误差分析（标准差 vs 标准误）
- 超参数搜索范围
- 计算资源（GPU型号、总时长）
时间分配建议
将大约等量时间用于：
- 摘要
- 绪论
- 图表
- 其余所有内容合计
原因：大多数评审在阅读方法章节之前就形成判断。
读者阅读顺序：题目 → 摘要 → 绪论 → 图表 → 可能阅读其余部分。
修改顺序（逻辑 → 句子 → 词汇，不可逆）
当一次润色需要多轮处理时，按以下顺序、且不可颠倒：
- 论证 / 逻辑：段落顺序、主旨重复或缺失、章节过渡。
- 句子结构：拆分超长句、被动改主动、信息密度高的成分前置。
- 词汇 / 排版：AI 高频词、数字与单位格式、术语与缩写一致性。
为何顺序固定：若先抠某句措辞（第 3 层），第 1 层修改又把该段删除或合并，前面的 功夫就白费。先粗后细，效率高数倍。
来源
| 来源 | 核心贡献 |
|---|---|
| Neel Nanda (Google DeepMind) | 叙事原则 |
| Sebastian Farquhar (DeepMind) | 五句摘要公式 |
| Gopen & Swan | 读者期望七原则 |
| Zachary Lipton | 用词精准 |
| Jacob Steinhardt (UC Berkeley) | 精确性 |
| Ethan Perez (Anthropic) | 微观写作技巧 |