writing-guide

# 机器学习论文写作哲学与最佳实践 本参考资料汇编了来自 Neel Nanda、Andrej Karpathy、Sebastian Farquhar、Zachary Lipton 和 Jacob Steinhardt 等知名机器学习研究人员的写作建议。 --- ## 目录 - [叙事原则](#the-narrative-principle) - [时间分配](#time-allocation) - [摘要写作公式](#abstract-writing-formula) - [引言结构](#introduction-structure) - [句子层面的清晰度](#sentence-level-clarity) - [用词与精确性](#word-choice-and-precision) - [数学写作](#mathematical-writing) - [图表设计](#figure-design) - [应避免的常见错误](#common-mistakes-to-avoid) --- ## 叙事原则 ### 来自 Neel Nanda “一篇论文是一个简短、严谨、基于证据的技术故事，且包含读者关心的核心结论。” 叙事建立在三个支柱之上，必须在引言结束时清晰呈现： **“是什么” (The "What")**：一到三个符合统一主题的具体创新主张。像“我们研究了 X”这样模糊的贡献描述是不可取的——审稿人需要精确且可证伪的主张。 **“为什么” (The "Why")**：严谨的实证证据，令人信服地支持这些主张，包括经过诚实调优的强基线，以及能够区分竞争假设而非仅仅展示“不错结果”的实验。 **“那又怎样” (The "So What")**：读者为什么要关心，将你的贡献与社区公认的重要问题联系起来。 ### 来自 Andrej Karpathy “论文不是你所做实验的随机集合。论文旨在推销一个之前不明显或不存在的东西。整篇论文都围绕这一核心贡献进行外科手术般的精确组织。” 无论你是提出新架构、理论结果还是对现有方法的改进理解，这都适用——NeurIPS 明确指出“原创性不一定需要全新的方法”。 **实践启示**：如果你不能用一句话陈述你的贡献，那么你还没有写出一篇论文。其他所有内容——实验、相关工作、讨论——都只是为了支持该核心主张而存在。 --- ## 时间分配 ### 来自 Neel Nanda 在以下各项上花费**大致相同的时间**： 1. 摘要 2. 引言 3. 图表 4. 其余所有部分的总和 这并非夸大其词——大多数审稿人在读到你的方法论章节之前就已经形成了初步判断。读者阅读你论文的模式是可预测的：*