brycewang-stanford/Auto-Empirical-Research-Skills / skills/35-bahayonghang-academic-writing-skills/skills/latex-thesis-zh
latex-thesis-zh
VerifiedChinese LaTeX thesis assistant for existing .tex degree thesis projects (XeLaTeX/LuaLaTeX/latexmk). Use this skill whenever a user works on a Chinese master's or doctoral thesis needing compilation, GB/T 7714 bibliography checks, chapter structure mapping, template detection (thuthesis, pkuthss), terminology consistency, logic coherence review, heading lead-in checks, title optimization, de-AI editing, experiment chapter review, three-line table validation, or abstract structure diagnosis. Trigger even for single issues like "帮我编译论文", "检查国标格式", "看看绪论逻辑", "毕业论文", "学位论文", "硕士/博士论文", "三线表", "检查摘要", or "摘要结构".
references/DEAI_GUIDE.md
View on GitHub# 中文学位论文去AI化写作指南
## 目录
- [目的](#目的)
- [核心原则](#核心原则)
- [1. 语法保真优先](#1-语法保真优先)
- [2. 零捏造原则](#2-零捏造原则)
- [3. 提高信息密度](#3-提高信息密度)
- [4. 克制措辞](#4-克制措辞)
- [常见 AI 痕迹模式及消除方法](#常见-ai-痕迹模式及消除方法)
- [类别 1:空话与口号](#类别-1空话与口号)
- [类别 2:过度确定](#类别-2过度确定)
- [类别 3:机械排比](#类别-3机械排比)
- [类别 4:模糊量化](#类别-4模糊量化)
- [类别 5:模板引言](#类别-5模板引言)
- [分章节准则](#分章节准则)
- [摘要](#摘要)
- [引言](#引言)
- [相关工作](#相关工作)
- [方法](#方法)
- [实验](#实验)
- [结果](#结果)
- [讨论](#讨论)
- [结论](#结论)
- [去AI化编辑输出格式](#去ai化编辑输出格式)
- [改动类型](#改动类型)
- [检测清单(配合 `deai_check.py --analyze` 使用)](#检测清单配合-deai_checkpy---analyze-使用)
- [高优先级 AI 痕迹(必须修复)](#高优先级-ai-痕迹必须修复)
- [中优先级 AI 痕迹(应当修复)](#中优先级-ai-痕迹应当修复)
- [低优先级 AI 痕迹(考虑修复)](#低优先级-ai-痕迹考虑修复)
- [各章节 AI 痕迹密度评分](#各章节-ai-痕迹密度评分)
- [快速参考:常见替换](#快速参考常见替换)
- [参考文献配合使用](#参考文献配合使用)
---
## 目的
本指南帮助降低 AI 生成文本的痕迹,同时保持技术准确性和 LaTeX 语法完整性。
**目标模式**:Mode T - 博士论文中文初稿(更完整解释)
---
## 核心原则
### 1. 语法保真优先
- **绝不修改**:LaTeX 命令、环境、公式、引用、标签
- **仅修改**:普通段落文字、章节标题、图表标题文字
- **保持**:所有结构完整性以确保可编译
### 2. 零捏造原则
- **绝不新增**:数据、指标、对比结论、实验设置
- **绝不新增**:新断言、新贡献点、新引用
- **仅改进**:表达清晰度和自然流畅度
### 3. 提高信息密度
- 每句话必须传递可核查信息
- 删除无实质内容的空话
- 用具体主张替换空泛表述(如有数据)
- 标记无法核查的断言为【待补证】
### 4. 克制措辞
- 避免无证据支持的过度确定
- 对推测性断言使用适当限定
- 客观陈述贡献,不夸大其价值
---
## 常见 AI 痕迹模式及消除方法
### 类别 1:空话与口号
| ❌ AI 痕迹 | ✅ 拟人化 | 说明 |
|-----------|----------|------|
| 显著提升 | 将 MAE 降低了 X% | 使用具体数字 |
| 全面系统 | 分析了 X、Y、Z 三方面 | 列举具体内容 |
| 有效解决 | 相比基线提升 X% | 陈述对比指标 |
| 重要意义 | 使 X 任务成为可能 | 说明实际价值 |
| 鲁棒性好 | 在噪声环境下保持准确 | 说明条件 |
| 新颖方法 | 在 X 基础上引入 Y | 解释创新点 |
**检测方法**:查找可被具体主张替换的形容词。
### 类别 2:过度确定
| ❌ 绝对化 | ✅ 限定化 |
|-----------|----------|
| 显而易见 | 实验结果表明 |
| 毫无疑问 | 可认为 / 据此推断 |
| 必然 | 在本文设置下倾向于 |
| 完全 | 在大多数情况下 |
| 毫无例外 | 在实验观察范围内 |
| 总是 | 在本文实验条件下一致 |
| 从不 | 极少观察到 |
**检测方法**:没有限定条件或证据支持的绝对断言。
### 类别 3:机械排比
**无实质内容的三段式并列**:
❌ "该方法**快速**、**准确**、**高效**。"
✅ "该方法处理速度达 1000 样本/秒,准确率 95%。"
**模板化过渡**:
❌ "近年来,深度学习发展迅速。"
✅ "自 2020 年以来,深度学习在 X 任务上取得突破性进展 [1-3]。"
**通用型开头**:
❌ "随着科技的飞速发展..."
✅ 直接从具体问题背景入手。
**句式排比检测 (C2)**:
3 条及以上连续句子使用相同的开头模式(前 2-4 个字相同),暗示模板化生成。
❌ "本文提出了A方法。本文设计了B模块。本文实现了C框架。"
✅ "A方法旨在解决X问题。在此基础上,B模块通过Y机制增强了性能。此外,C框架将上述组件集成为端到端系统。"
**检测方法**:可适用于任何领域任何论文的短语;连续 3 行相同开头模式。
### 类别 4:模糊量化
| ❌ 模糊 | ✅ 具体 |
|--------|--------|
| 大量研究 | 三项近期研究 [1-3] |
| 多次实验 | 在 X、Y、Z 三个数据集上的实验 |
| 大幅提升 | 提升了 12% |
| 绝大多数 | 78% 的案例 |
| 显著优于 | 以 p<0.01 优于基线 |
**检测方法**:没有实际数字或引用的量化词。
### 类别 5:模板引言
❌ "时间序列预测是一个具有重要应用价值的课题。"
✅ "时间序列预测在电网优化 [1]、能源管理 [2]、金融规划 [3] 中发挥关键作用。"
❌ "机器学习技术已广泛应用于众多领域。"
✅ "机器学习已在医疗诊断 [1]、工业质检 [2]、金融风控 [3] 中取得显著成效。"
**检测方法**:可用于任何教科书中的宽泛概括。
### 类别 5b:AI 填充连接词 (C1)
AI 生成文本常使用特定的填充连接词作为段落或句子开头,这些词语在人类写作中较少出现或用法不同。
| ❌ AI 填充词 | ✅ 替换建议 |
|-------------|-----------|
| 总之 | 删除,直接陈述结论 |
| 综上所述 | 删除或替换为具体的逻辑推导 |
| 不可否认的是 | 删除,直接陈述事实 |
| 值得注意的是 | 删除,将"值得注意"的内容直接作为主句 |
| 需要指出的是 | 删除,直接陈述要点 |
| 不难发现 | 删除,让读者自行从数据中得出结论 |
| 众所周知 | 删除或引用具体文献支撑 |
| 毋庸讳言 | 删除,直接陈述观点 |
**检测方法**:这些词语通常出现在句首,是 AI 文本的高频特征词。删除后句子应仍然完整。
### 类别 6:堆叠式并列引用
在引言/绪论和相关工作/文献综述中,将多篇文献简单罗列而不进行逐篇分析,是典型的 AI 写作痕迹。
| ❌ 堆叠引用 | ✅ 分析性引用 |
|------------|-------------|
| 许多学者对此进行了研究 [1], [2], [3], [4], [5]。 | Smith 等人 [1] 提出了 X 方法,在 A 场景下取得了 Y 效果。Jones [2] 在此基础上引入了 Z 机制,但受限于 B。Wang 等人 [3] 则从 C 角度出发,解决了 D 问题。 |
| 近年来的研究取得了一系列进展 [6]-[12]。 | 近年来,基于 Transformer 的方法 [6, 7] 在长序列建模上展现优势,而基于 CNN 的方法 [8, 9] 在计算效率上更具竞争力。混合架构 [10] 试图兼顾两者,但在噪声环境下仍存在不足 [11]。 |
**适用范围**:引言/绪论 + 相关工作/文献综述
**规则:**
- 同一句话并列引用不超过 2 个(除非是公认事实的背景陈述)
- 每篇被引文献至少附带一句对其核心贡献、方法或局限的描述
- 优先使用叙述性引用("Smith 等人 [1] 提出了...")而非括号堆砌
- 文献综述中按方法/范式分组,组内逐篇讨论具体技术差异
**检测方法**:查找同一句中出现 3 个及以上 `\cite{}` 或 `[X]` 的位置。
---
## 分章节准则
### 摘要
**结构**:目的 → 方法 → 关键结果(带数字)→ 结论
**常见 AI 陷阱**:
- ❌ "本文提出了一种新颖的时间序列预测方法。"
- ✅ "本文提出了一种基于注意力机制的时间序列预测方法。"
- ❌ "实验结果表明,该方法取得了显著的性能提升。"
- ✅ "在 X 数据集上,该方法相比基线将 MAE 降低了 12%。"
- ❌ "本研究具有重要的理论意义和应用价值。"
- ✅ "该方法使实时预测成为可能,延迟低于 10ms。"
**约束**:
- 禁止无具体内容的通用断言("新颖"、"显著"、"重要")
- 关键结果必须包含具体数字
- 陈述具体贡献,不泛泛而谈价值
**示例**:
```latex
% ❌ AI 痕迹
本文提出了一种新颖的深度学习方法用于时间序列预测。该方法
相比现有方法取得了显著的性能提升。实验结果证明了该方法的
有效性。
% ✅ 拟人化
本文提出了一种基于注意力机制的多变量时间序列预测方法。
相比 Transformer 基线 [1],该方法在 UCR 数据集上将 MAE
降低了 12%。实验结果表明,注意力机制有效提升了长程依赖
捕获能力。
```
---
### 引言
**结构**:重要性 → 空白 → 贡献 → 组织结构
**常见 AI 陷阱**:
- ❌ "时间序列预测在现代社会中具有重要的地位。"
- ✅ "时间序列预测是电网优化 [1] 和供应链管理 [2] 的关键技术。"
- ❌ "然而,现有方法存在一定的局限性。"
- ✅ "然而,现有方法在噪声环境下无法有效捕获长程依赖 [2, 3]。"
- ❌ "本文的主要贡献如下:"
- ✅ "本文有三点贡献:"
**贡献陈述规则**:
- 每项贡献必须可核查
- 避免无证据支持的"首次"、"领先"、"最先进"
- 陈述做了什么,而非强调多重要
**示例**:
```latex
% ❌ AI 痕迹
时间序列预测非常重要。很多学者研究这个问题。但是现有方法
有一些不足。本文提出了一种新方法,取得了很好的效果。
% ✅ 拟人化
时间序列预测使能源管理 [1] 和供应链优化 [2] 能够实现主动
决策。近期基于 Transformer 的方法 [3, 4] 展现出潜力,但在
噪声环境下表现不佳 [5]。本文提出了一种噪声鲁棒注意力机制,
相比标准 Transformer 将预测误差降低了 12%。
```
---
### 相关工作
**结构**:分类 → 对比 → 定位
**常见 AI 陷阱**:
- ❌ "Smith 等人提出了一种方法,效果很好。"
- ✅ "Smith 等人 [1] 提出了 X 方法,在 Z 数据集上达到 Y 准确率。"
- ❌ "现有方法可以分为两类:统计方法和深度学习方法。"
- ✅ "现有方法遵循两种范式:统计方法 [1-3] 和深度学习方法 [4-6]。"
- ❌ "我们的方法与他们的方法不同。"
- ✅ "与 [1, 2] 不同,本文方法引入注意力机制以..."
**准则**:
- 按方法/范式分组,而非按时间顺序
- 对比具体技术差异
- 说明本文的不同之处
- 避免模糊赞扬("优秀"、"突出")
- 同一句中并列引用不超过 2 个,每篇文献需有具体分析(参见类别 6)
**示例**:
```latex
% ❌ AI 痕迹
很多人研究时间序列预测。有的用统计方法,有的用深度学习。
Smith 提出了一个很好的方法。Jones 也提出了一个方法。
我们的方法比他们的方法都好。
% ✅ 拟人化
时间序列预测方法分为两类:统计模型 [1-3] 和深度学习方法
[4-6]。Smith 等人 [1] 提出了 ARIMA,假设线性关系。近期
基于 Transformer 的方法 [4, 5] 捕获非线性模式,但需要大量
训练数据。与 [4, 5] 不同,本文方法采用混合架构,在数据
有限时仍保持准确率。
```
---
### 方法
**结构**:概述 → 详细设计 → 算法 → 复杂度
**常见 AI 陷阱**:
- ❌ "我们使用了一个神经网络。它非常强大。"
- ✅ "我们使用了一个 3 层 LSTM,隐藏单元数为 256。"
- ❌ "算法收敛很快。"
- ✅ "算法在 100 轮迭代内收敛。"
- ❌ "模型性能很好。"
- ✅ "模型处理速度为 1000 样本/秒。"
**准则**:
- 提供实现细节以保障可复现性
- 说明超参数和架构选择
- 如相关,包含算法复杂度分析
- 专注于做了什么,而非效果如何(效果在结果章)
**示例**:
```latex
% ❌ AI 痕迹
我们使用了一个深度学习��型。模型有很多层,可以自动学习
特征。我们用梯度下降训练模型。
% ✅ 拟人化
我们使用了一个 4 层 Transformer,包含 8 个注意力头
(第 3.1 节)。模型使用 Adam 优化器训练,学习率为 0.001,
批大小为 32(第 3.2 节)。在单张 NVIDIA V100 GPU 上,
训练在 50 轮后收敛。
```
---
### 实验
**结构**:实验设置 → 数据集 → 评价指标 → 基线方法
**常见 AI 陷阱**:
- ❌ "我们进行了大量的实验。"
- ✅ "我们在 UCR 档案的 5 个数据集上进行了评估。"
- ❌ "我们和很多方法进行了对比。"
- ✅ "我们与 4 个基线对比:ARIMA [1]、LSTM [2]、Transformer [3]、Informer [4]。"
- ❌ "实验设置很合理。"
- ✅ "我们采用 70%/15%/15% 的训练/验证/测试集划分。"
**准则**:
- 陈述实际做了什么
- 列出具体数据集和基线
- 描述评价指标
- 避免主观评价("合理"、"全面")
---
### 结果
**结构**:主要结果 → 消融实验 → 分析
**常见 AI 陷阱**:
- ❌ "我们的方法比基线方法好很多。"
- ✅ "相比最佳基线,本文方法将 MAE 降低了 12%。"
- ❌ "结果证明了我们方法的有效性。"
- ✅ "表 1 显示,本文方法在 4/5 个数据集上取得最低 MAE。"
- ❌ "从图 2 可以看出我们的方法更优。"
- ✅ "图 2 显示,本文方法在 50% 训练数据下仍保持准确率。"
**准则**:
- 仅报告事实和数值
- 不解释原因(那是讨论章的任务)
- 避免解释性语言("更优"、"胜过"但无数字)
- 让表格/图表自己说话
**示例**:
```latex
% ❌ AI 痕迹
实验结果如表 1 所示。我们的方法表现最好。基线方法的性能
不如我们的方法。从结果可以看出我们的方法非常有效。
% ✅ 拟人化
表 1 报告了所有方法在 5 个数据集上的 MAE。本文方法在 4 个
数据集(Electricity、Traffic、Solar、Exchange)上取得最低
MAE。相比最佳基线(Transformer),本文方法平均将 MAE
降低了 12%。
```
---
### 讨论
**结构**:结果解释 → 机制分析 → 局限性 → 未来工作
**常见 AI 陷阱**:
- ❌ "良好的性能证明了我们的方法非常优秀。"
- ✅ "准确率的提升表明,注意力机制有效捕获了长程依赖。"
- ❌ "我们的方法没有任何局限性。"
- ✅ "本文方法训练时间更长(2.3 小时 vs 基线的 1.5 小时)。"
- ❌ "未来工作包括更多实验。"
- ✅ "未来工作将探索注意力机制的可解释性。"
**准则**:
- 解释机制,而非重述结果
- 承认失败和边界条件
- 诚实陈述局限性
- 提出具体的未来工作
---
### 结论
**结构**:总结 → 回答研究问题 → 未来工作
**常见 AI 陷阱**:
- ❌ "本文提出了一种新颖方法,取得了显著提升。"
- ✅ "本文提出了一种基于注意力机制的方法,将 MAE 降低了 12%。"
- ❌ "本研究具有重要的理论和实践价值。"
- ✅ "本研究使计算资源有限时的实时预测成为可能。"
- ❌ "未来我们将继续改进我们的方法。"
- ✅ "未来工作将把该方法扩展到含缺失值的多变量时间序列。"
**准则**:
- 直接回答研究问题
- 不引入新结果或断言
- 不提出新实验
- 具体、可执行的未来工作
---
## 去AI化编辑输出格式
```latex
% ============================================================
% 去AI化编辑(第X行 - [章节名称])
% ============================================================
% 原文:[AI 痕迹文本]
% 修改后:[拟人化文本]
%
% 改动说明:
% 1. [改动类型]:[具体说明]
% 2. [改动类型]:[具体说明]
%
% ⚠️ 【待补证:需要证据支撑的断言】
% ============================================================
[修改后的完整源码]
```
## 改动类型
1. **删除空话**:删除模糊形容词/副词
2. **补充具体**:用具体内容替换空泛表述
3. **拆分长句**:分割超过 50 字的句子
4. **调整结构**:改善逻辑流畅度
5. **降级措辞**:添加适当限定
6. **删除冗余**:移除重复内容
7. **补充主语**:插入缺失的语法主语
8. **替换模板**:用具体内容替换通用表达
---
## 检测清单(配合 `deai_check.py --analyze` 使用)
### 高优先级 AI 痕迹(必须修复)
- [ ] 无具体信息的形容词:显著、全面、有效、重要
- [ ] 绝对化断言:显而易见、必然、完全、毫无疑问
- [ ] 模糊量化词:大量、众多、大幅、绝大多数
- [ ] 模板化表达:近年来、越来越多的、发挥重要作用
- [ ] 堆叠式并列引用:同一句中 3 个及以上引用无逐篇分析(引言+文献综述)
### 中优先级 AI 痕迹(应当修复)
- [ ] 无实质内容的三段式并列
- [ ] 可用于任何论文的通用开头
- [ ] 过度自信的预测或断言
- [ ] 无具体内容的三点列举
### 低优先级 AI 痕迹(考虑修复)
- [ ] 重复的句式结构
- [ ] 过度使用连接词
- [ ] 被动语态(主动更清晰时)
---
## 各章节 AI 痕迹密度评分
运行 `deai_check.py --analyze` 后,按以下优先级处理:
| 得分 | 行动 |
|------|------|
| >70% | 紧急:立即重写 |
| 50-70% | 高:尽快重写 |
| 30-50% | 中:审查并修订 |
| <30% | 低:轻微润色即可 |
---
## 快速参考:常见替换
| ❌ 删除 | ✅ 替换为 |
|--------|----------|
| 显著提升 | [具体指标 + 数字] |
| 全面研究 | 分析了 X、Y、Z |
| 有效解决 | 相比基线提升 X% |
| 新颖方法 | 在 X 基础上引入 Y |
| 鲁棒性好 | 在[条件]下保持准确 |
| 显而易见/显然 | 实验结果表明 / 结果表明 |
| 大量研究 | [数字]项研究 [引用] |
| 近年来 | 自[年份]以来 / 在[具体时期] |
| 越来越多的 | 逐渐 / 从 X 增长到 Y |
| 发挥重要作用 | 使...成为可能 / 是...的关键 |
---
## 参考文献配合使用
本指南应与以下文档配合使用:
- [ACADEMIC_STYLE_ZH.md](ACADEMIC_STYLE_ZH.md):中文学术写作规范
- [FORBIDDEN_TERMS.md](FORBIDDEN_TERMS.md):受保护术语列表
- [STRUCTURE_GUIDE.md](STRUCTURE_GUIDE.md):学位论文结构要求
- [GB_STANDARD.md](GB_STANDARD.md):GB/T 7714 格式规范
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis. | Stars: 472k | Updated | Claude CodeCodex | Verified | Install |
| diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness. | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |
| dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |
| executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is available | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |