英文学术论文写作指南
本文章出自 CCF 学生领航计划 （CCF SPP），讲义和回放都挂在 CCF 的电子图书馆，这里放一个传送门，方便大家前去了解（第一周限免，第二周起需要 CCF 学生会员）。
讲者于静老师，b 站帐号于老师的日常
学术研究过程与论文写作过程是一致的，从确定研究领域，找到研究动机，提出问题，设计方法，实验验证最后总结展望，也是我们论文 introduction related work 到 methodology 和 experiments 最后 conclusion 的一个流程。
目前新手上路完成论文存在以下几个问题
- 学生什么都不懂，希望老师一步一步教；老师希望学生自己完成论文，自己只做点拨（甚至带带老师）
- 选择了很好的主题，得到了或许很好的结果，但是由于论文写作水平的原因，自己所写并不能写出整个论文的水平
- 论文无法准确表达研究的内容，把文章逻辑和自己的贡献讲清楚
- 论文在 abstract 把贡献写的很大，但根据后面实验的结果来看难以自圆其说，应该在写论文之前把所有的内容有个把握
- 持续拖延：写论文与科研应该是协同的，可能重要性占 30-40%，不应该拖来拖去
- 不知道论文如何逐步完善
科研论文写作四步走
- 价值观: 为何做科研？为何选这个问题？（第一期 Why?）
- 思路: 写哪些？什么逻辑？什么内容？（第一期 What? ）
- 写法: 怎么写？怎么改？怎么高效？（第二期 How?）
- 规范: 英文怎么写规范、简洁、清晰？（第二期 How?）
研究动机——是否探究本质
| CCF-A | CCF-C |
|---|---|
| 问题-方法-实验，相互呼应 | 问题-方法-实验，各为其说 |
| 问题：有理有据，足够具体 | 问题：大家都在研究，所以我研究 |
| 方法：针对问题设计，每一步设计目标明确 | 方法：step1->step2->step3 |
| 实验：针对方法逐一证明，针对动机逐一分析 | 实验：达到了 SOTA，缺乏分析 |
SOTA model: state-of-the-art model，并不是特指某个具体的模型，而是指在该项研究任务中，目前最好/最先进的模型。
SOTA result: state-of-the-art result，指的是在该项研究任务中，目前最好的模型的结果/性能/表现。
各模块方法技巧
标题：核心问题与创新点的高度凝练
标题的基本要求：不超过 15 个单词、英文形式规范、语言精炼简洁、范围大小适当
一个好的标题：反应核心问题、突出技术创新、保护知识产权、易于记忆传播
一个不太好的标题：无法从标题中看不出工作或者贡献（创新点）、为了拼凑大写字母把单词中间的某个字母大写、或者直接凑了几个大写字母使得自己的论文难以记忆
MuKEA: Multimodal Knowledge Extraction and Accumulation for Knowledge-based Visual Question Answering（CVPR 2022）
其中 Multimodal Knowledge Extraction and Accumulation 是贡献，Knowledge-based Visual Question Answering 是领域，一目了然；为了方便记忆，把字母最好拼成方便读的单词，效果会更好
摘要——题目的扩展
现在这个问题存在的挑战->现有方法存在的问题->本文方法思路（1 句）->本文的亮点->本文方法优势
引言
引言的内容与 abstract 格式大致相同，但是需要展开阐述。
引言要有理有据，足够具体：
- 背景阐述聚焦重点
- 问题提出明确具体
- 背景时提的问题是这个 task 最核心的问题，要解决的任务的本质问题
- 而 Related work 是具体某个方法提出来的问题，是某个方法的具体缺陷
- 聚焦研究动机，总结现状问题
- 认真阅读，客观评价
- 基于研究动机，概述研究方法
- 为什么方法可以解决问题，每一步具体是解决了问题的哪个部分，不需要详细介绍每个步骤
- 面向领域需求，拔高论文贡献
- 准确评估自己的贡献，每个贡献要分开分点表述
介绍大背景->对现有方法问题进行归纳，进行客观的评价->从具体方法归纳技术问题->介绍自己方法，如何解决这些问题，每一步解决了问题的哪个环节->评估自己的贡献（提出新问题、解决的新视角、实现的新框架、新方法、达到了新 SOTA、具备了新的能力）
相关工作
基本要求：
- 包括理解本文的所有主题，不要罗列看过的所有论文
- 包括问题相关的所有工作，Task 或者我的方法的相关工作
- 自己研究领域的相关工作+自己的方法在领域内外的应用+与自己方法起到相同的功能的方法的介绍
- 从不同维度划分主题
- 同一主题方法归类
- 总结问题
- 引出本研究的区别和贡献
方法
方法是最容易写的部分，可以先写。不过真正的科研论文，方法内是含有问题的研究思路的，而不是简简单单的第一步第二步第三步。
- 总原则：换位思考，从读者角度出发
- 最费力的部分不一定是最重要的部分
- 问题建模：数学语言描述、确定研究目标
- 模型介绍：
- 模型框架图，清晰定义模块，突出创新之处
- 小标题确定，突出方法特色、用于、创新性，图文一致
- 模型总体介绍，突出模块间关联
- 分模块介绍，突出模块设计动机
- 精简表达，善用公式，理论分析
- 根据重点，重新组织方法介绍思路
- 标题和图突出创新性和重点，相互呼应
- 每一步方法设计都有理可依，介绍这一步是解决了什么样的问题
绘制 Framework 图
- 把输入输出、模块（大块里的小块）表现好，一个例子贯穿始终
- 图上的模块名字与论文子标题要一致
每个过程首先介绍背后的动机以及目标，具体的过程可以分小标题或加粗来表现逻辑。
在讲方法之前，整体介绍模型设计思路，描写动机以及为什么不选择其他的方式的原因，以便给审稿人进行解释。
实验
- 一致：支撑理论/方法、动机（实验要印证工作的特性）
- 核心：提供重要实验结果
- 诚实：不只展示最佳个例（开源之后得到反差可能会影响自己学术生涯）
- 分析：给出结果的合理解释（为什么会这样，结果与设计的关联）
- 局限：给出方法的能力边界（写出自己方法的边界，不要凭空地去解释，可以学习 ML 的论文的设计）
提出一个具体的问题->针对问题设计方法，每一步目标明确->针对方法逐一证明，针对动机逐一分析，以不同的维度进行分析。
结论
尽量简洁、避免过度夸大地总结论文的主要发现以及经过验证后的结论，介绍未来工作等。
总结工作体现效果+说明局限指明方向
致谢
- 帮助这篇论文的人员、机构、项目资助
- 审稿人
- 提供建议的其他科研人员
- 非 co-author
参考文献
- 不遗漏，查全
- 按照会议/期刊既定格式
- 常见错误：大小写、全称/缩写、漏写、名字错拼
做图规范
研究动机图绘制
- 记录方法需要的输入输出，解决了什么问题
- 使用专业语言和符号表达，使用对比表示和之前工作的不同
- 使用例子来帮助理解问题，避免歧义和偏见
- 减少大面积的文字，使得图片直观
- 合理表现本文的研究内容和挑战
模型图绘制
- 目标：确定思路是否清晰，逻辑能否形成闭环
- 有哪些步骤，分别解决什么问题，每个模块概念和边界在哪里
- 训练过程和测试过程是什么样的（对边界进行确认），输入是什么，输出是什么
- 排版问题、字体字号、图片大小等
- 精准语言描述每个过程、变量、符号
- 相同的概念颜色保持一致（不然不知道是一个概念）
- 前后无歧义（否则审稿人会觉得是不是有什么操作没展示出来）
- 展示自己的创新点，而不是展示自己费劲的部分，例如数据处理
英语写作规范
精简的表达方式
- 用最简单的话表达最明白的意思，不需要非得凑成一句
- 一句话最好只表达一个意思
- 减少从中文翻译的英文
- 避免重复的表达
严谨的叙述逻辑
- 在术语使用之前进行定义，缩写为什么这么缩写
- 所有的符号在定义前后定义清楚，在全文表示相同的信息要用相同的符号
- 有清晰的段落结构，段落和章节之间有过度
- 图表文字清晰表达内容，与图注、表注、正文一致
专业的学术用语
- 表述自己的贡献的时候，不要过于绝对（the best）
- 不要过于口语化（As we know）
- 对于自己和他人的评价，不要太主观（good enough to）
- 学习《导师防秃指南》The Most Common Habits from more than 200 English Papers written by Graduate Chinese Engineering Students
- 学术论文需要精准把握学术术语边界（共识），可以参考计算机 CCF 计算机术语工委的CCFpedia
规范的符号运用
- 阅读英文论文符号公式定义规范 Comprehensive List of Mathematical Symbols
- 学习本领域的经典论文
客观的图表绘制
- 展示探究本质的全面结果：不要只展示自己方法的 best case，客观展示自己的结果以便其他人复现参照
- 多视角量化分析结果提升原因
- 模型细节明确，提供代码
正确的文献引用
- 使用会议期刊标准模板
- 使用 DBLP 寻找文献信息
- 一键完善参考文献工具 Rebiber: A tool for normalizing bibtex with official info
坚守的学术道德
- 严守学术道德，切忌抄袭
日常积累
日常 5L 积累： Paper List, Idea List, Math List, English List, Code List
Paper List
找论文
- 从自己的方向找相关方向，收集相关的讲座、报告、workshop 和综述
- 会议里经常出现相关的综述
- 找一个经典的工作（引用量高的论文）
- 从一个工作向前向后找到整个发展脉络
- 可以 Follow 研究团队，文章 related work 等
读论文
读之前进行积极的提问，带着问题读论文——
- 文章是关于什么领域的？
- 解决什么问题？为什么要解决此问题？
- 创新点在哪里？为何巧妙？
- 如何验证并得出结论的？
- 对“我”的研究有何启发？
用批判性思维读论文——
- 论文是否正确、真正地解决了问题？
- 论文所用的方法是否具有局限性？
- 论文的实验能否证明观点 or 方法的有效性?
- 所读论文没有解决的问题，“我”能解决吗？
- 能采用比论文中更简单的方法解决问题吗？
循序渐进阅读——
- 第一遍：阅读标题、摘要和文中图表
- 第二遍：阅读引言、结论、关键信息，结合图表快速扫视其他内容
- 第三遍：整体阅读论文，可跳过陌生复杂的技术、数学公式
- 第四遍：增强对数学、技术和未知术语了解
- 为对领域深入研究，还可再多读几遍
系统记录——
- 记录文章的主体内容
- 记录有启发的地方
- 记录有问题的地方
对接下来工作的帮助——
- “我”错过了哪些相关论文？
- 这篇论文值得关注吗？对我的工作有何帮助?
- 这个领域的领头人有哪些？哪些团队值得关注？
- 如果我遇到作者，“我”会问什么问题？
- 下一步可以做什么？
文献整理——
- 按内容整理：将论文按照不同的主题进行分类
- 按时间整理：年份+ 来源+ 题目+ 内容简介
- 可以将领域内的经典模型方法记录在 Excel 表格中，便于查找。
Idea List
- 论文读好了，自然而然就有 idea 的 list
- 根据所需目标、时间要求、资源实际情况统筹考虑 idea 顺序
- 及时复盘自己的计划
Math List
- 积累基础的数学知识
- 对模型中重要的数学公式进行推导
- 积累领域常用的符号、公式，形成自己与专家的共同语言
English List
- 积累专业知识相关的英语词汇
- 积累论文中的好句、好词（但是注意不要抄袭）
Code List
- 注意代码的命名，注释规范
- 统一函数接口，形成自己的代码库，便于复用代码
- 整理深度学习框架的常用函数
QA 及小问题整理
- 论文写作及修改过程：
- 从论文到期刊：改进方法（更加通用、更加优化、可迁移性高、泛化性强）、扩展实验（增加数据集、对比方法、对比任务，更全面、更深入进行分析）、完善描述（背景、问题、模型、实验部分描述更加详细，related work 随着方法设计内容更多增多）、增多 contribution
- 本科生做科研的发展路径：找科研导师，给定点指导，复现论文，从调研小问题相关的工作，找到关联启发和改进。
- 在引言中挑战和问题哪个更重要：都是非常重要的
- Contribution 在摘要和引言的区别：引言里详细写对领域的推进作用
- 写综述论文与这个有什么区别：刚入门时，更像调研报告，分类组织，找到相关问题，完成偏总结性文章；到博士中后期，对领域有非常多的理解，在小领域的范围内写现在有哪些方法以及他们的缺陷，存在哪些挑战，方法在哪些情况下是适用的。
- 在进入工业界如何提升学术敏感度：从技术与本质问题做关联，从细节中理解问题，把实际需求与本质问题关联在一起
- 找导师：为什么要来实验室，未来有什么计划？看看老师的方向，与老师沟通。
- 导师指导比较少，怎么发出第一篇：调研问题（选论文读论文讲论文）、把论文写好、给别人介绍工作以获得其他人的 feedback
- Step by step 不好的地方在哪里：让外行人无法看出自己的贡献
- 在开始研究问题前，如何积累对一个研究领域的认识：在网上找其他老师的 tutorial，从他们所讲比较泛泛的内容进行了解，从打动自己的方向进行研究
- 如果研究内容比较工程，比较 open，无法抽出研究问题：把实际问题用 research 的方法去解决
- 老师对于科研热爱的点在哪里：如果是充满好奇心去做新的东西，做好了可以有成就感
- 写论文先写中文框架还是全英文：先抛开语言，把逻辑表示清楚，再先按中文组织，但是写完之后一定要保证逻辑正确，再看看英文怎么组织
