Logic Check Skill - 学术论文逻辑检查
专门用于答辩前全面检查学术论文的逻辑自洽性和论证完整性,帮助提前发现评委可能提出的问题。
适用场景
- 论文初稿完成后的整体逻辑检查
- 答辩前的全面自查
- 摘要、引言、结论一致性验证
- 实验设计完整性检查
- 论证链条漏洞识别
检查清单
✓ 整体逻辑结构(重点检查摘要、引言、结论)
基础逻辑链条完整性:
- 背景和动机:研究任务定义清晰(输入输出)、依托方法说明清楚
- 核心问题:明确列出几个关键问题,每个对应一个贡献点
- 相关工作:有明确分类、每类有优缺点总结、清晰界定贡献范围和创新点
- 核心洞察:你的独特观察
- 解决方案:系统设计/方法实现/创新点
- 实验结果:做了什么实验,得到什么结果
- 结论与讨论:结果推出的结论、局限性、对领域的指导意义
三大核心检查:
- 核心问题陈述完整性:检查是否明确包含以下要素
- 研究场景(在什么领域/环境)
- 具体问题(解决什么问题)
- 输入输出(处理什么数据,产生什么结果)
- 量化提升(相比基线在什么指标上提升了多少)
- 摘要-引言-结论一致性:三者是否覆盖相同要点,表述自洽,无夸大或遗漏
- 创新点区分度:明确区分"改了什么"(贡献) vs "用了什么"(工具)
- 每个创新点说明:为什么要改,改的难点在哪,改后效果如何
- 直接使用的现有方法应一笔带过
问题的有效论证:
- 每个问题有实验数据或直观图表支撑(揭示问题的性能后果)
- 问题的严重性是可量化的(性能差距、准确率下降等)
- 关键论点有 case study 或实验数据支撑
- 研究内容具体、量化、可拓展,避免歧义和虎头蛇尾
✓ 研究内容与方法论证
完整论证链条(动机→数据→启发→方法→验证):
- 动机(哪里需要改):明确指出现有方法的不足
- 预实验数据支撑:用实验数据证明"不改的话性能上不去"
- 性能差距要量化(准确率差多少、时间慢多少倍)
- 性能后果要反映成可见风险
- 启发(可以这么改):给出改进思路的理论分析或直觉解释
- 说明为什么这么改是有效的
- 为什么不能直接用其他场景的方法
- 方法(具体怎么改):详细描述改进方法
- 提到算法必须有算法流程图或伪代码
- 提到系统必须有系统框架图
- 提到关键参数要说明如何设置(超参数、规则设计)
- 实验验证:用实验证明改进有效
- 量化改进效果(提升百分比、倍数等)
- 效果要能用常识理解(如"从3小时降到30分钟"比"加速6倍"更直观)
✓ 实验设计完整性
实验设置的四大要素(必须明确说明):
- 优化对象:优化的是算子、模型、端到端系统,还是其他?
- 比较方法(基线):对比什么方法,为什么选这些基线
- 是否包含领域 SOTA
- 是否包含直接相关的近期工作
- 评估指标:使用什么指标评估性能
- 是否是该类方法的通用指标
- 是否与研究目标匹配(如优化推理速度就看延迟,优化准确率就看 accuracy)
- 实验平台:实验环境的软硬件配置
- 硬件平台(CPU/GPU 型号、架构)
- 软件环境(操作系统、框架版本)
- 数据集规模和特征
实验设计结构:
- 总体性能评估(与基线的全面对比)
- 消融实验覆盖所有关键创新点和规则设计
- 灵敏度分析(关键参数影响)
- 适用范围和局限性的诚实讨论
简化与假设:
- 做出的简化和假设需满足:其他工作也这么做,或说明在多大程度上有效
✓ 表述规范
术语使用(引入义务 + 一致性):
- 领域通用术语直接用,自创术语需显式定义
- 缩写首次出现时给出全称(如"LSTM (Long Short-Term Memory)")
- 同一概念在全文保持术语一致(不要一会儿叫"特征提取",一会儿叫"特征抽取")
- 非必要场合不引入术语,优先用通俗语言
- 术语引入时的解释义务:
- 提到"启发式"→ 说明规则是什么、如何降低搜索开销
- 提到"算法"→ 给出伪代码或详细流程
- 提到"知识库"→ 描述规则集合和内容
- 提到"大模型"→ 说明 prompt 工程和采样策略
- 提到"系统"→ 给出框架图和典型用例
- 提到"优化/加速"→ 说明优化什么指标、跟什么比、量级多少
数据表述(量化 + 常识解释):
- 性能数据同时给出绝对值和相对值(如"从100ms降到50ms,加速2倍")
- 数据的绝对值要说明程度(是好是坏)
- 从常识或领域标准解释数据(如"延迟50ms对实时系统是否可接受")
- 数量描述包含参照系(如"50台设备"需说明对应实际规模)
- 明确提升了什么方面的性能,跟什么相比,量级是多少,得出什么结论
段落逻辑:
- 每段服务于所属小节标题,段首句能概括段落内容
- 段落间有逻辑联系和过渡句
- 句子间逻辑连贯(因果/递进/转折关系清晰)
- 每个论点有充分论据支撑,推理过程完整
- 删减正确但与文章关系不大的内容
检查输出
完成检查后,你将收到按优先级组织的问题清单(每个问题附带具体位置和改进建议):
严重问题(可能被评委质疑)
- 整体逻辑链条缺失或不一致(动机→数据→启发→方法→验证)
- 存在问题缺乏数据/图表支撑
- 核心问题陈述要素不完整(场景、问题、输入输出、量化提升)
- 创新点区分不清(改了什么 vs 用了什么)
- 实验设计四要素缺失(优化对象、比较方法、评估指标、实验平台)
- 术语引入但未解释(尤其是"算法"无伪代码、"系统"无框架图)
- 相关工作未界定贡献范围
中等问题(影响论文质量)
- 段落逻辑跳跃
- 论证不充分(论点缺乏数据或案例支撑)
- 性能表述不精准(未说明跟什么比、提升多少)
- 数据缺乏常识性解释,读者不理解这个数据差异有什么现实意义
- 简化假设缺乏论证
轻微问题(建议改进)
- 过渡句不够流畅
- 部分内容与主题关联不强
- 术语使用不一致
报告呈现要求(新增,必须遵循)
- 不要只给“文件路径/行号”式引用。每条问题都要直接贴出相关原文片段,让用户一眼看到问题。
- 对“具体改写项”优先使用三段式固定模板:原句 / 建议 / 理由。
- 例子:
- 原句:被广泛用传感器的设计。
- 建议:被广泛用于传感器设计。
- 理由:缺少“于”,搭配错误。
- 例子:
分类与计数规则(新增,必须遵循)
- 每条问题只允许归入一个类别,采用主因归类法。
- 若同一问题同时涉及多个维度,只归入“主要影响”的类别,其他影响写入该条的“理由”中说明。
- 统计时不得重复计数,确保分类结果互斥。
⚠️ 重要提醒
不要打分! AI打分比较主观,用户不会看评分。
只需要在报告结尾做一个问题汇总即可,列出:
- 发现的主要问题类型和数量
- 最需要优先修改的内容
- 整体改进建议
使用方法
/logic-check
或在对话中:
请帮我检查全文的逻辑自洽性
针对特定部分:
请检查引言的整体逻辑结构
使用建议
推荐流程:
- 论文初稿完成后先运行
/logic-check - 根据检查报告修改论文结构和论证
- 将报告生成在跟源文件同目录下的
logic-check-report.md;里