Research Paper Production Pipeline

论文生产流水线

使用这个技能，把实验与证据组织成“论点-证据”对齐清晰的论文叙事。

当草稿需要更强的 scientific-writing、ML paper 或 figure planning 模式时，读取 references/upstream-patterns.md。

核心原则

在论文具备以下基础之前，不要直接开始写长段 prose：

• 一句主贡献表达
• 一套 figure plan
• 一条清楚的 baseline story
• 一句解释“为什么这项结果重要”

工作流程

1. 先搭一个紧凑的论文骨架：
   • problem
   • gap
   • method idea
   • evidence
   • takeaway
2. 把每个 claim 映射到支撑它的具体实验、图或引用。
3. 按以下顺序起草：
   • title candidates
   • abstract skeleton
   • introduction logic
   • method outline
   • experiment narrative
   • conclusion and limits
4. 对 AI 论文，显式检查：
   • 是否基于弱增益过度宣称
   • 基线叙事是否不公平
   • 数据设定是否含糊
   • 是否缺少算力或成本讨论
   • 是否缺少失败案例
5. 如果证据还不够强，回退到 research-experiment-design-planner 或 research-training-and-ablation-loop。
6. 如果方法表述仍然模糊，回退到 research-idea-clarifier 或 research-novelty-audit。

修改与 Rebuttal

当任务与 review 或 rebuttal 有关时：

• 把每条 reviewer 意见转成 action item
• 标记它属于 writing、evidence 或 positioning
• 用最小但有把握的 claim 回答
• 只有在论文不补实验就过不去时，才请求新实验

输出要求

返回：

• 当前论文骨架
• 缺失证据清单
• 你需要的 draft 段落或改写版本
• 如果被卡住，给出最合适的下一步转交

示例

• “使用 $research-paper-production-pipeline 把这些笔记整理成一篇序列表征学习论文的大纲。”
• “使用 $research-paper-production-pipeline 重写引言，让贡献更清楚。”
• “使用 $research-paper-production-pipeline 写一版不夸大的 reviewer 2 rebuttal。”