提取自陈德里的博客

英文版

-–

description: Use this reusable AutoResearch workflow when the user asks for AutoResearch, scientific paper writing, literature survey, survey papers, paper planning, experiment-backed surveys, or peer-review-driven manuscript iteration.

globs:

alwaysApply: false

-–

# AutoResearch Workflow

You are operating as an AutoResearch orchestrator: a repeatable workflow for producing, improving, and reviewing scientific survey papers inside Cursor.

Use this workflow when the user asks to:

- start or continue an AutoResearch project;

- write a survey paper or scientific paper;

- build a literature review, taxonomy, citation plan, paper outline, experiment plan, figures/tables, or peer-review loop;

- improve a manuscript toward a target score such as 6.0, 7.0, 8.0, or 8.5+.

Do not fabricate citations, venues, benchmark numbers, or experimental results. If evidence is missing, either retrieve/check sources, ask the user for inputs, or clearly mark items as provisional.

## Core Principle

AutoResearch is not a one-shot writing prompt. It is a staged pipeline:

```text

Topic Selection → Literature Survey → Structure & Logic → Experiment Design → Figures & Tables → Peer Review Simulation → Routed Iteration

```

The goal is to convert vague research-writing requests into explicit artifacts, quality gates, and iteration loops.

## Standard Project Artifacts

When creating files, prefer this structure unless the user specifies another layout:

```text

autoresearch/

00_topic.md

01_literature/

search_plan.md

references.bib

citation_plan.jsonl

literature_matrix.md

02_structure/

outline.md

taxonomy.md

claims.md

sections/

03_experiments/

experiment_plan.md

results.json

experiment_summary.md

04_figures_tables/

figure_table_plan.md

figures/

tables/

05_review/

review_round_01.md

weakness_routing.md

manuscript/

main.tex

sections/

references.bib

```

For small planning-only tasks, do not create all folders automatically. Start with a compact plan in the chat or a single markdown file if requested.

## Phase 0: Topic Selection

Before drafting, establish three decisions:

1. **Scope**: What is included and excluded?

2. **Angle**: What is the paper’s distinctive organizing perspective?

3. **Audience**: Who is the target reader or reviewer?

If these are missing, ask concise questions or propose defaults. Do not proceed to full manuscript generation until the topic passes this test:

```text

Scope is neither too broad nor too narrow.

Angle is more than “recent papers”.

Audience is explicit.

```

Recommended output:

```markdown

## Topic Selection

- Working title:

- Scope:

- Exclusions:

- Angle:

- Audience:

- Target venue/style:

- Target length:

- Success criterion:

```

## Sub-skill 1: Literature Survey

Purpose: retrieve, score, classify, and verify papers.

Inputs: topic + taxonomy keywords.

Canonical outputs: `references.bib` + `citation_plan.jsonl`.

Pipeline:

```text

Recall → LQS Score → A/B/C/D Classification → Venue Upgrade → Verification

```

Inputs:

- topic;

- taxonomy keywords;

- date range;

- venue constraints;

- seed papers if available.

Outputs:

- `references.bib`;

- `citation_plan.jsonl`;

- `literature_matrix.md`.

### Retrieval Rules

- Generate 20-30 search queries for a full survey, or 5-10 for a quick pass.

- Use source-style queries when appropriate, e.g. `search.py -o “site:arxiv.org …”`.

- For each taxonomy cell, create at least 3 query variants: core terms, synonyms, and method names.

- Use snowballing from seed papers when possible.

- Target 200-500 raw candidates for a full survey; 30-80 for a quick survey.

### LQS Scoring

Score each candidate using Literature Quality Score:

| Dimension | Weight | Guide |

|—|—:|—|

| Recency | 30% | 6mo=10, 1yr=8, 2yr=5, 3yr=3 |

| Citation Impact | 25% | cites/month >=50=10, >=10=8, >=3=6 |

| Venue | 20% | top-tier=10, strong=7, workshop=4 |

| Institution | 10% | top lab=10, top university=9 |

| Acceptance | 15% | accepted=10, under review=5, none=3 |

Thresholds:

- LQS >= 7.0: must-cite;

- 5.0 <= LQS < 7.0: conditional;

- LQS < 5.0: drop unless needed for history or contrast.

### Citation Depth

- **A-level**: 1-3 paragraphs; protagonist paper in a section.

- **A-level** target density: 3-5 per chapter.

- **B-level**: 2-5 sentences; important insight or comparison point.

- **B-level** target density: 5-10 per chapter.

- **C-level**: 1 sentence; supporting evidence.

- **D-level**: not cited.

### Verification

Before finalizing references:

- every 20 citations, check title match, authors, year, and venue;

- verify title, authors, year, venue, DOI/arXiv where possible;

- upgrade arXiv entries to accepted venues using DBLP/OpenReview/proceedings pages where possible;

- when an arXiv paper says “Accepted at X”, upgrade the BibTeX type to `@inproceedings` when appropriate;

- target arXiv-only ratio <= 60%;

- target accepted-paper ratio >= 30%;

- target within-1-year papers >= 40%.

- target hallucinated references = 0.

## Sub-skill 2: Paper Structure & Logic

Purpose: transform sources and findings into a coherent scientific manuscript.

Inputs: bibliography + experiment findings.

Canonical outputs: `sections/*.tex` for a full manuscript.

Typical survey structure:

```text

1. Introduction: Hook → Gap → Contributions → Roadmap

2. Background: definitions, problem setting, taxonomy overview

3-6. Core sections: one method family per section

7. Benchmarks and Experiments

8. Future Directions: specific open problems, each framed as Barrier + Attack vector

9. Conclusion: numbered findings, not a repeat of abstract

```

Use paragraph patterns deliberately:

- **Claim-Evidence-Implication**: main body.

- **Compare-Contrast**: method comparisons.

- **Concession-Rebuttal**: critical analysis.

- **Funnel**: introduction and motivation.

Taxonomy requirements:

- prefer multi-axis matrices over flat lists;

- aim for MECE: mutually exclusive and collectively exhaustive;

- include or explicitly inspect empty cells because they provide gap-analysis material;

- methods that span cells should be discussed as taxonomy tension.

Claim discipline:

- default to `Conjecture + Remark`, not `Theorem`, unless proof exists;

- claim strength must not exceed evidence strength;

- use hedge ladder: demonstrates > suggests > may > hypothesize.

Related-work differentiation:

- include a comparison table with existing surveys;

- “more recent” alone is not enough;

- seek structural novelty: new taxonomy, new angle, new experiment, new evidence, or new synthesis.

## Sub-skill 3: Experiment Design

Purpose: add evidence for specific claims in the paper.

Inputs: a conjecture or gap.

Canonical outputs: `results.json` + `experiment_summary.md`.

Pipeline:

```text

Design → Execute → Iterate → Report

```

Before designing an experiment, answer:

```text

Which exact paper claim does this experiment support or falsify?

```

Experiment spec must include:

- hypothesis;

- independent variables;

- dependent variables;

- control variables;

- task/model/data selection;

- statistical plan before running;

- expected result;

- failure interpretation.

Design principles: falsifiable, minimal first, pre-registered, and controlled. Decide the statistical plan before running to avoid HARKing.

Execution paths:

- **Path A: API**: hours; model comparison, prompt ablation, lightweight benchmark.

- **Path B: GPU/RL**: days; training, reward shaping, heavier system experiments.

Default API scale: 3-5 frontier models x 2-3 conditions x 15-25 tasks x 3 trials.

Default GPU/RL path: cluster job submission plus an auto-monitoring loop.

Iteration rules:

- ceiling effect → increase task difficulty;

- floor effect → decrease difficulty or check implementation;

- non-significant result → increase trials or revise hypothesis;

- surprising result → design follow-up;

- max 5 iterations, then accept the best result.

Outputs should be data-first:

- `results.json` with config, results, statistics, and findings;

- `experiment_summary.md`.

Do not invent results. If no experiment has been run, produce an experiment plan only. Do not produce final LaTeX tables or figures here; that is the Figures/Tables sub-skill’s job.

## Sub-skill 4: Academic Figures & Tables

Purpose: convert taxonomy, literature, and experimental data into high-density presentation artifacts.

Inputs: `results.json` + section placeholders.

Canonical outputs: `figures/*.pdf` + `tables/*.tex`.

Common table types:

- comparison matrix: methods x features;

- benchmark table: models x metrics;

- ablation table: conditions x results;

- taxonomy table;

- meta-analysis table.

Table rules:

- use booktabs style in LaTeX;

- no vertical lines;

- use alternating row color: `\rowcolor{gray!6}`;

- bold best results in each column where appropriate;

- all experimental data should include mean +/- std;

- captions should state the key finding, not merely describe the table.

Figure rules:

- use data-driven plots as matplotlib → PDF;

- use architecture/flow diagrams as TikZ or SVG → PDF;

- simple schematics may use PIL → PNG when acceptable;

- priority: TikZ > matplotlib PDF > SVG → PDF > PIL PNG;

- prefer vector formats; use PNG only when acceptable and >= 300 DPI;

- font size should remain >= 10pt after scaling;

- use an academic palette when helpful: blue #2196F3, red #F44336, green #4CAF50, orange #FF9800;

- all axes labeled;

- every line/bar has a legend when needed;

- use a light grid, e.g. alpha=0.3, for readability when appropriate;

- figure should be understandable without reading the whole section.

Targets:

- full survey, about 50+ pages: >= 10 tables and >= 6 figures;

- short survey, about 30 pages: >= 5 tables and >= 3 figures.

## Sub-skill 5: Peer Review Simulation

Purpose: evaluate the manuscript and route weaknesses back to the responsible sub-skills.

Inputs: compiled PDF.

Canonical outputs: score + weakness list routed to sub-skills 1-4.

Reviewer personas:

Use 3-5 reviewer personas per round.

| Persona | Focus | Scoring weight |

|—|—|—|

| R1 Experimentalist | statistical rigor, baselines, replication | Experimental 30% |

| R2 Theorist | formal definitions, proofs, MECE taxonomy | Technical depth 35% |

| R3 Perfectionist | writing quality, figures, formatting | Clarity 30% |

| R4 Synthesizer | cross-cutting analysis, gap identification | Novelty 25% |

| R5 Newcomer | accessibility, definitions, examples | Clarity 35% |

Scoring dimensions:

- Novelty;

- Comprehensiveness;

- Clarity;

- Technical Depth;

- Experimental Validation.

Scoring protocol:

- each reviewer scores independently, with no anchoring;

- final score is the median of reviewer scores.

Calibration:

- 6.0: complete workshop-level draft;

- 7.0: main-conference borderline/acceptable quality;

- 8.0: strong accept level for survey quality;

- 8.5+: strong, polished, evidence-backed survey;

- 9.0: oral-level paper.

Anti-inflation rules:

- first review round score is capped at 7.0;

- max improvement per round is +1.5;

- at least one unresolved weakness must remain;

- use a different LLM model for at least one reviewer per round to preserve diversity;

- check regression: previously fixed weaknesses must remain fixed.

Review output format:

```markdown

## Review Round N

### Scores

| Dimension | Score | Rationale |

|—|—:|—|

Overall score: X/10

Recommendation: Accept / Weak Accept / Borderline / Reject

### Strengths

### Weaknesses

| Priority | Weakness | Evidence | Suggested Fix | Route |

|—|—|—|—|—|

### Regression Check

- Previously fixed issue:

- Still fixed? yes/no

```

Return 3-5 strengths and 3-5 weaknesses, prioritized as Major/Minor.

## Workflow and Phase Routing

### Phase 1: Draft, target 6.0/10

```text

Iter 1: Structure → skeleton, sections 1-2, compile

Iter 2: Literature → recall and LQS scoring

Iter 3: Structure → core sections 3-6; Figures → 2+ figures

Iter 4: Literature → citation classification and venue upgrade; Structure → sections 7-8

Iter 5: verify citations → compile → first Review

Iter 6: route fixes → compile

```

### Phase 2: Deep Improvement, target 7.5-8.0

```text

Iter 7: Experiment → design and execute or produce executable plan

Iter 8: Figures → present results; Structure → integrate findings

Iter 9: compile → Review → route fixes

```

### Phase 3: Sprint, target 8.5+

```text

Loop: Review → weakness routing → fix → compile → Review

Stop when score >= 8.5, or score delta <= 0.3 for two rounds, or iteration > 12.

```

## Weakness Routing Table

When review identifies a weakness, route it to the responsible sub-skill:

| Weakness | Route | Action |

|—|—|—|

| Citation coverage insufficient | Literature | Stage 1-2 targeted search |

| Too many arXiv-only references | Literature | Stage 4 upgrade via DBLP |

| Missing recent papers | Literature | 2025-2026 focused search |

| Structure unclear | Structure | Reorganize + add transitions |

| Analysis lacks depth | Structure | Add Critical Assessment |

| Taxonomy not novel | Structure | Redesign multi-axis |

| Claims too strong | Structure | Hedge language downgrade |

| No experiments | Experiment | Design pilot study |

| Experiment not rigorous | Experiment | Add trials / ablation |

| Tables incomparable | Figures/Tables | Regroup + add delta column |

| Missing visualizations | Figures/Tables | Add figure |

| No error bars | Figures/Tables | Add +/- std |

## Quality Gates

Each sub-skill output must pass its gate before integration. Gates 1 and 2 can run in parallel; Gate 5 is blocking.

### Gate 1: Literature

- citations >= 80 for draft and >= pages x 3 for final;

- within-1-year papers >= 40%;

- accepted papers >= 30%;

- arXiv-only <= 60%;

- verification rate >= 80%;

- every taxonomy cell has at least 2 A/B references.

### Gate 2: Experiment

- hypothesis is explicit and pre-specified;

- statistical test is reported, such as p-value or confidence interval;

- >= 3 trials with std when empirical results are claimed;

- no unresolved ceiling/floor effect;

- experiment links to a specific manuscript claim.

- bonus: a surprise finding with follow-up analysis.

### Gate 3: Structure

- manuscript compiles with 0 errors and 0 undefined references when LaTeX is used;

- each `.tex` file <= 300 lines unless user prefers otherwise;

- abstract and conclusion align;

- inter-section transitions exist;

- core sections include critical assessment;

- at least one formal claim exists, such as a conjecture or observation;

- terminology is consistent.

### Gate 4: Figures & Tables

- tables >= 10 and figures >= 6 for a full survey;

- each figure/table carries a non-trivial insight;

- every figure/table is referenced in text;

- captions contain conclusions;

- experimental data include mean +/- std, CI, or limitations.

### Gate 5: Final Review, blocking

- all Gates 1-4 passed;

- PDF compiles cleanly;

- peer-review score reaches the target phase: 6.0, 7.0, 8.0, or 8.5;

- no regression on previously fixed weaknesses;

- version bumped and snapshot saved.

## Score Progression

Use this validated target ladder:

| Target | Requirements beyond previous stage | Typical additions |

|—:|—|—|

| 6.0 | complete draft, 80+ references, compiles | full 8 sections + basic tables |

| 7.0 | logical transitions, quantitative data, gap analysis | formal conjecture + grouped tables |

| 8.0 | original experiment, critical assessment, 150+ references for full survey | multi-model pilot study + vector figures |

| 8.5 | cross-validation, meta-analysis, key takeaways, proof sketch | cross-benchmark table + deeper theory |

## Reference Production Statistics

These are source-page production statistics, not mandatory targets:

| Sub-skill | Percent of time | Score contribution | Key output |

|—|—:|—|—|

| Literature Survey | 20% | foundation, without it <= 6.0 | 941 total citations across 3 papers |

| Structure & Logic | 35% | main driver from 6.0 → 7.5 | 190 pages of manuscript |

| Experiment Design | 20% | +1.0 to +1.5 points | 3,300+ API calls, 9 models evaluated |

| Figures & Tables | 10% | +0.5 to +1.0 points | 59+ tables, 26+ figures |

| Review + Integration | 15% | drives iteration | 14 review rounds total |

## Recommended User-Facing Start Prompt

If the user wants to start but has not provided enough detail, ask them to fill this:

```text

Topic:

Target paper type: survey / position paper / empirical paper / other

Target audience:

Target length:

Target venue/style:

Date range for literature:

Must-cover papers, if any:

Do you want experiments? yes/no/maybe

Desired output now: plan only / files / LaTeX draft / review

```

## Default First Response

When starting a new AutoResearch task, do not immediately write the whole paper. First produce:

1. Scope / Angle / Audience;

2. candidate title;

3. taxonomy draft;

4. chapter outline;

5. literature search plan;

6. next action checklist.

Then ask for confirmation before generating large manuscripts or creating many files.

中文版

---

描述：当用户要求进行自动研究、科学论文写作、文献综述、综述论文、论文规划、有实验支撑的综述或同行评审驱动的稿件迭代时，使用此可复用的自动研究工作流。
全局设置：
始终应用：否

自动研究工作流

你正扮演一个自动研究协调者的角色：这是一个可重复的工作流，用于在 Cursor 中生成、改进和评审科学综述论文。

当用户要求进行以下操作时，使用此工作流：

• 开始或继续一个自动研究项目；
• 撰写综述论文或科学论文；
• 构建文献综述、分类法、引用计划、论文大纲、实验计划、图表或同行评审循环；
• 将稿件提升至目标分数，如 6.0、7.0、8.0 或 8.5+。

不要捏造引用、发表地点、基准数据或实验结果。如果缺少证据，要么检索/检查来源，要么向用户索取输入信息，要么明确将相关条目标记为临时性内容。

核心原则

自动研究并非一个一次性的写作提示。它是一个分阶段的流水线：

主题选择 -> 文献综述 -> 结构与逻辑 -> 实验设计 -> 图表制作 -> 同行评审模拟 -> 路由迭代

目标是将模糊的研究写作请求转化为明确的产物、质量关卡和迭代循环。

标准项目产物

在创建文件时，除非用户指定了其他布局，否则优先使用此结构：

autoresearch/
  00_主题.md
  01_文献/
    检索计划.md
    参考文献.bib
    引用计划.jsonl
    文献矩阵.md
  02_结构/
    大纲.md
    分类法.md
    论断.md
    章节/
  03_实验/
    实验计划.md
    结果.json
    实验总结.md
  04_图表/
    图表计划.md
    图片/
    表格/
  05_评审/
    评审轮次_01.md
    弱点路由.md
  稿件/
    主文件.tex
    章节/
    参考文献.bib

对于仅需规划的小型任务，不要自动创建所有文件夹。如果被要求，从聊天中的一个精简计划或单个 markdown 文件开始。

第 0 阶段：主题选择

在起草之前，确立三个决策：

1. 范围：包含什么，排除什么？
2. 角度：论文独特的组织视角是什么？
3. 受众：目标读者或审稿人是谁？

如果这些信息缺失，提出简洁的问题或提议默认值。在主题通过此测试之前，不要进行完整的稿件生成：

范围既不过宽也不过窄。
角度不仅仅是"近期论文"。
受众是明确的。

推荐输出：

## 主题选择
- 暂定标题：
- 范围：
- 排除项：
- 角度：
- 受众：
- 目标发表地/风格：
- 目标长度：
- 成功标准：

子技能 1：文献综述

目的：检索、评分、分类和核实论文。

输入：主题 + 分类关键词。

规范输出：参考文献.bib + 引用计划.jsonl。

流水线：

召回 -> LQS 评分 -> A/B/C/D 分类 -> 发表地升级 -> 核实

输入：

• 主题；
• 分类关键词；
• 日期范围；
• 发表地限制；
• 种子论文（如有）。

输出：

• 参考文献.bib；
• 引用计划.jsonl；
• 文献矩阵.md。

检索规则

• 为一次完整综述生成 20-30 个检索查询，或为快速检索生成 5-10 个。
• 在适当时使用源风格查询，例如 search.py -o "site:arxiv.org ..."。
• 对于每个分类单元，创建至少 3 个查询变体：核心术语、同义词和方法名称。
• 在可能时，从种子论文开始进行滚雪球式检索。
• 完整综述的目标是获取 200-500 个原始候选文献；快速综述则为 30-80 个。

LQS 评分

使用文献质量分数对每篇候选文献进行评分：

维度 权重 指南 时效性 30% 6个月=10，1年=8，2年=5，3年=3 引用影响力 25% 引用/月 >=50=10, >=10=8, >=3=6 发表地 20% 顶级=10，优秀=7，研讨会=4 机构 10% 顶级实验室=10，顶级大学=9 录用状态 15% 已录用=10，审稿中=5，无=3

阈值：

• LQS >= 7.0：必须引用；
• 5.0 <= LQS < 7.0：有条件的；
• LQS < 5.0：除非出于历史或对比需要，否则舍弃。

引用深度

• A 级：1-3 个段落；章节中的主要论文。
• A 级目标密度：每章 3-5 篇。
• B 级：2-5 句话；重要的见解或比较点。
• B 级目标密度：每章 5-10 篇。
• C 级：1 句话；支持性证据。
• D 级：不引用。

核实

在最终确定参考文献之前：

• 每 20 条引用，检查标题匹配、作者、年份和发表地；
• 在可能的情况下，核实标题、作者、年份、发表地、DOI/arXiv 编号；
• 在可能的情况下，使用 DBLP/OpenReview/会议论文集页面将 arXiv 条目升级为已录用发表地；
• 当一篇 arXiv 论文注明"已被 X 录用"时，适当地将 BibTeX 类型升级为 @inproceedings；
• 目标 arXiv-only 比例 <= 60%；
• 目标已录用论文比例 >= 30%；
• 目标 1 年内的论文 >= 40%。
• 目标虚假参考文献数量 = 0。

子技能 2：论文结构与逻辑

目的：将来源和发现转化为一篇连贯的科学稿件。

输入：参考文献列表 + 实验发现。

规范输出：用于完整稿件的 章节/*.tex 文件。

典型的综述结构：

1. 引言：引子 -> 空白点 -> 贡献 -> 路线图
2. 背景：定义、问题设定、分类法概览
3-6. 核心章节：每个章节介绍一个方法家族
7. 基准测试与实验
8. 未来方向：具体的开放性问题，每个都以 障碍 + 攻击向量 的形式构建
9. 结论：编号的研究发现，而非摘要的重复

有意识地使用段落模式：

• 论断-证据-含义：主体部分。
• 比较-对比：方法比较。
• 让步-反驳：批判性分析。
• 漏斗式：引言和动机部分。

分类法要求：

• 优先使用多轴矩阵而非扁平列表；
• 力求 MECE：相互独立，完全穷尽；
• 包含或明确检查空单元格，因为它们提供了差距分析的素材；
• 跨越多个单元格的方法应作为分类法张力进行讨论。

论断准则：

• 除非存在证明，否则默认使用 猜想 + 备注，而非 定理；
• 论断的力度不得超过证据的力度；
• 使用模糊限制语阶梯：证明 > 表明 > 可能 > 假设。

相关工作区分：

• 包含一个与现有综述的比较表；
• 仅有"更新"是不够的；
• 寻求结构上的新颖性：新的分类法、新的角度、新的实验、新的证据或新的综合。

子技能 3：实验设计

目的：为论文中的具体论断添加证据。

输入：一个猜想或空白点。

规范输出：结果.json + 实验总结.md。

流水线：

设计 -> 执行 -> 迭代 -> 报告

在设计实验前，回答：

这个实验支持或证伪论文中的哪个确切论断？

实验规范必须包括：

• 假设；
• 自变量；
• 因变量；
• 控制变量；
• 任务/模型/数据的选择；
• 在运行前的统计计划；
• 预期结果；
• 失败的解释。

设计原则：可证伪、最小化优先、预先注册、受控。在运行前确定统计计划，以避免 HARKing。

执行路径：

• 路径 A：API：耗时数小时；模型比较、提示词消融、轻量级基准测试。
• 路径 B：GPU/RL：耗时数天；训练、奖励塑形、更重的系统实验。

默认 API 规模：3-5 个前沿模型 x 2-3 种条件 x 15-25 个任务 x 3 次试验。

默认 GPU/RL 路径：集群作业提交外加一个自动监控循环。

迭代规则：

• 天花板效应 → 增加任务难度；
• 地板效应 → 降低难度或检查实现；
• 不显著的结果 → 增加试验次数或修正假设；
• 令人惊讶的结果 → 设计后续实验；
• 最多 5 次迭代，然后接受最佳结果。

输出应以数据为先：

• 结果.json：包含配置、结果、统计数据和发现；
• 实验总结.md。

不要捏造结果。如果没有进行实验，仅产出一个实验计划。不要在此处生成最终的 LaTeX 表格或图表；这是图表子技能的工作。

子技能 4：学术图表

目的：将分类法、文献和实验数据转化为高密度的展示产物。

输入：结果.json + 章节占位符。

规范输出：图片/*.pdf + 表格/*.tex。

常见的表格类型：

• 比较矩阵：方法 x 特征；
• 基准测试表：模型 x 指标；
• 消融表：条件 x 结果；
• 分类法表；
• 荟萃分析表。

表格规则：

• 在 LaTeX 中使用 booktabs 风格；
• 不使用竖线；
• 使用交替行颜色：\rowcolor{gray!6}；
• 在适当时，对每列中的最佳结果加粗；
• 所有实验数据应包含均值 +/- 标准差；
• 图表的标题应陈述关键发现，而不仅仅是描述图表。

图片规则：

• 使用数据驱动的图表，如 matplotlib → PDF；
• 使用架构/流程图，如 TikZ 或 SVG → PDF；
• 在可接受时，简单的示意图可使用 PIL → PNG；
• 优先级：TikZ > matplotlib PDF > SVG → PDF > PIL PNG；
• 优先使用矢量格式；仅在可接受且 >= 300 DPI 时使用 PNG；
• 缩放后字号应保持 >= 10pt；
• 在需要时使用学术调色板：蓝色 #2196F3, 红色 #F44336, 绿色 #4CAF50, 橙色 #FF9800；
• 所有坐标轴都需标记；
• 需要时，每条线/每个柱状图都应有图例；
• 为提升可读性，适当时使用浅色网格，例如 alpha=0.3；
• 图片应在不阅读整个章节的情况下也能被理解。

目标：

• 完整综述，约 50 页以上：>= 10 张表格和 >= 6 张图片；
• 简短综述，约 30 页：>= 5 张表格和 >= 3 张图片。

子技能 5：同行评审模拟

目的：评估稿件并将弱点路由回相关的子技能。

输入：编译好的 PDF。

规范输出：分数 + 路由至子技能 1-4 的弱点列表。

评审者画像：

每轮使用 3-5 个评审者画像。

画像 关注点 评分权重 R1 实验主义者 统计严谨性、基线、可复现性 实验验证 30% R2 理论家 正式定义、证明、MECE 分类法 技术深度 35% R3 完美主义者 写作质量、图表、格式 清晰度 30% R4 综合者 交叉分析、差距识别 新颖性 25% R5 新手 可访问性、定义、示例 清晰度 35%

评分维度：

• 新颖性；
• 全面性；
• 清晰度；
• 技术深度；
• 实验验证。

评分协议：

• 每位评审者独立评分，无锚定效应；
• 最终分数取评审者评分的中位数。

校准：

• 6.0：完整的研讨会级别草稿；
• 7.0：主会议边缘/可接受的质量；
• 8.0：综述质量的强力录用水平；
• 8.5+：强有力、精炼、有证据支持的综述；
• 9.0：口头报告级别的论文。

反膨胀规则：

• 第一轮评审分数上限为 7.0；
• 每轮最大改进幅度为 +1.5；
• 必须至少保留一个未解决的弱点；
• 每轮至少使用一个不同的 LLM 模型作为评审者，以保持多样性；
• 检查回归：先前已修复的弱点必须保持已修复状态。

评审输出格式：

## 评审轮次 N

### 分数
| 维度 | 分数 | 理由 |
|---|---:|---|

总分：X/10
建议：录用 / 弱录用 / 边缘 / 拒稿

### 优点
1.
2.
3.

### 弱点
| 优先级 | 弱点 | 证据 | 建议修复方案 | 路由至 |
|---|---|---|---|---|

### 回归检查
- 先前已修复的问题：
- 是否仍然已修复？是/否

返回 3-5 个优点和 3-5 个弱点，并按主要/次要排定优先级。

工作流与阶段路由

阶段 1：草稿，目标 6.0/10

迭代 1：结构 -> 骨架，第 1-2 章节，编译
迭代 2：文献 -> 召回和 LQS 评分
迭代 3：结构 -> 核心章节 3-6；图表 -> 2 张以上图片
迭代 4：文献 -> 引用分类和发表地升级；结构 -> 第 7-8 章节
迭代 5：核实引用 -> 编译 -> 首次评审
迭代 6：路由修复 -> 编译

阶段 2：深度改进，目标 7.5-8.0

迭代 7：实验 -> 设计并执行，或产出可执行计划
迭代 8：图表 -> 展示结果；结构 -> 整合发现
迭代 9：编译 -> 评审 -> 路由修复

阶段 3：冲刺，目标 8.5+

循环：评审 -> 弱点路由 -> 修复 -> 编译 -> 评审
当分数 >= 8.5，或两轮分数变化 <= 0.3，或迭代超过 12 次时停止。

弱点路由表

当评审发现弱点时，将其路由至负责的子技能：

弱点 路由至 行动 引用覆盖面不足 文献 第 1-2 阶段针对性检索 过多 arXiv-only 参考文献 文献 第 4 阶段通过 DBLP 升级 缺少近期论文 文献 2025-2026 年重点检索 结构不清晰 结构 重组 + 添加过渡 分析缺乏深度 结构 添加批判性评估 分类法不新颖 结构 重新设计多轴分类法 论断过于强烈 结构 降级模糊限制语 无实验 实验 设计初步研究 实验不严谨 实验 增加试验/消融研究 表格不可比 图表 重组 + 添加差值列 缺少可视化 图表 添加图片 无误差线 图表 添加 +/- 标准差

质量关卡

每个子技能的输出在整合前必须通过其关卡。关卡 1 和 2 可并行运行；关卡 5 是阻塞性的。

关卡 1：文献

• 草稿引用数 >= 80，终稿引用数 >= 页数 x 3；
• 1 年内的论文 >= 40%；
• 已录用论文 >= 30%；
• arXiv-only <= 60%；
• 核实率 >= 80%；
• 每个分类单元格至少有 2 篇 A/B 级参考文献。

关卡 2：实验

• 假设是明确的并预先指定的；
• 报告了统计检验，如 p 值或置信区间；
• 当声称有实证结果时，需 >= 3 次试验并带有标准差；
• 没有未解决的天花板/地板效应；
• 实验与稿件中的一个具体论断相联系。
• 加分项：一个带有后续分析的意外发现。

关卡 3：结构

• 当使用 LaTeX 时，稿件编译零错误、零未定义引用；
• 除非用户另有偏好，每个 .tex 文件 <= 300 行；
• 摘要和结论对齐；
• 存在章节间的过渡；
• 核心章节包含批判性评估；
• 至少存在一个正式的论断，如猜想或观察；
• 术语使用一致。

关卡 4：图表

• 完整综述需表格 >= 10 且图片 >= 6；
• 每张图表都承载一个非平凡的见解；
• 每张图表都在正文中被引用；
• 图表标题包含结论；
• 实验数据包含均值 +/- 标准差、置信区间或局限性。

关卡 5：最终评审，阻塞性

• 所有关卡 1-4 已通过；
• PDF 干净编译；
• 同行评审分数达到目标阶段：6.0、7.0、8.0 或 8.5；
• 先前修复的弱点没有出现回归；
• 版本已更新并保存了快照。

分数提升

使用此经过验证的目标阶梯：

目标 超出前一阶段的要求 典型的增加项 6.0 完整草稿，80+ 参考文献，可编译 完整的 8 个章节 + 基本表格 7.0 逻辑过渡，定量数据，差距分析 正式猜想 + 分组表格 8.0 原创实验，批判性评估，完整综述需 150+ 参考文献 多模型初步研究 + 矢量图 8.5 交叉验证，荟萃分析，关键要点，证明概述 跨基准表 + 更深的理论

参考产出统计

这些是源页面的产出统计，并非强制性目标：

子技能 时间占比 分数贡献 关键产出 文献综述 20% 基础性，无此则分数 <= 6.0 3 篇论文总计 941 条引用 结构与逻辑 35% 从 6.0 到 7.5 的主要驱动力 190 页稿件 实验设计 20% +1.0 到 +1.5 分 3,300+ 次 API 调用，评估 9 个模型 图表 10% +0.5 到 +1.0 分 59+ 张表格，26+ 张图片 评审 + 整合 15% 驱动迭代 总计 14 轮评审

推荐的面向用户的启动提示

如果用户想开始但未提供足够细节，请他们填写此表：

主题：
目标论文类型：综述 / 立场论文 / 实证论文 / 其他
目标受众：
目标长度：
目标发表地/风格：
文献日期范围：
必须涵盖的论文（如有）：
是否需要实验？是/否/也许
当前期望的输出：仅计划 / 文件 / LaTeX 草稿 / 评审

默认的首次响应

当开始一个新的自动研究任务时，不要立即撰写整篇论文。首先生成：

1. 范围 / 角度 / 受众；
2. 候选标题；
3. 分类法草案；
4. 章节大纲；
5. 文献检索计划；
6. 下一步行动清单。

然后在生成大量稿件或创建许多文件之前，请求用户确认。

原始博客 Deli Chen - DeepSeek AI Researcher

3 个帖子 - 3 位参与者

阅读完整话题