写正文前，先用下面 8 个问题检查项目是否已经能讲成论文。

本章的核心逻辑：先画清楚 pipeline，先搭 story，再写 Introduction / Method / Experiments，最后写 Abstract 和 Title；写完后要像 reviewer 一样反复审自己。

Title 和 Abstract 是读者的第一判断入口。Title 要让人一眼知道任务、方法和关键条件；Abstract 要在很短时间里讲清任务、困难、方法、证据和结论边界。

检查问题：读完 Abstract，读者能否回答“你解决什么、为什么难、你怎么做、凭什么信、适用边界是什么”。

Introduction 的任务是制造“必要性”：让 reviewer 觉得这篇论文不是可有可无，而是自然地从已有问题中长出来的。

Method 不是代码说明书，而是设计论证。读者关心的不是你代码怎么写，而是每个模块为什么必要、如何解决前文 gap、是否能被实验验证。

常见误区：把代码流程当 Method；堆公式但不解释每项作用；模块名很高级但没有动机；pipeline 图和正文符号不一致。

Implementation Details 的任务是保证别人能复现你的实验，不是把所有代码细节都倒出来。

检查问题：别人看到这节，能否复现主要实验？reviewer 能否判断 comparison 是公平的？

Experiments 的任务不是展示“我做了很多实验”，而是用证据回答 reviewer 的疑问。

Related Work 的任务是定位本文贡献，而不是证明自己读了很多论文。

检查问题：读完 Related Work，读者是否知道本文站在哪几条路线的交叉处，以及本文和每条路线的关键差异。

Conclusion 不是简单重复 Abstract，而是收束全文：本文解决了什么、靠什么解决、证据说明什么、还有什么边界。

好结论的感觉：读者读完会觉得“这篇论文的贡献、证据和边界都收住了”。

写完初稿后，要用 adversarial writing 的方式审自己：假设 reviewer 正在挑毛病，提前把问题修掉。

组会不是证明“我这周很忙”，而是让大家快速判断项目下一步怎么走。

低效汇报：

我试了 A，不 work；试了 B，好一点。

有效汇报：

我想验证 claim X，所以做了实验 A。结果说明模块 M 对数据集 D 有帮助，但在场景 S 失败。我目前判断失败原因是输入噪声破坏了假设 H，下一步要做实验 B 来确认。

IEEE / ACM 数字制：

[1] A. Vaswani et al., "Attention Is All You Need," in Advances in Neural Information Processing Systems, 2017, pages 5998-6008.

GB/T 7714 组内推荐：

[2] MILDENHALL B, SRINIVASAN P P, TANCIK M, et al. NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis[C]//European Conference on Computer Vision. 2020: 405-421.

IEEE / 数字制：

[3] J. Jumper et al., "Highly accurate protein structure prediction with AlphaFold," Nature, volume 596, number 7873, pages 583-589, 2021, DOI: 10.1038/s41586-021-03819-2.

APA 7：

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444. https://doi.org/10.1038/nature14539

@inproceedings{mildenhall2020nerf,
  author    = {Mildenhall, Ben and Srinivasan, Pratul P. and Tancik, Matthew and Barron, Jonathan T. and Ramamoorthi, Ravi and Ng, Ren},
  title     = {NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis},
  booktitle = {European Conference on Computer Vision},
  year      = {2020},
  pages     = {405--421},
  doi       = {10.1007/978-3-030-58452-8_24}
}

• 彭思达老师 Learning Research 仓库：https://github.com/pengsida/learning_research
• 论文写作参考资料：https://pengsida.notion.site/c1a22465a0fa4b15a12985223916048e
• Research Paper Writing Skills 结构化仓库：https://github.com/Master-cai/Research-Paper-Writing-Skills
• APA Style 官方参考文献指南：https://apastyle.apa.org/style-grammar-guidelines/references
• IntrinsicAnything / Learning Diffusion Priors for Inverse Rendering Under Unknown Illumination：https://arxiv.org/abs/2404.11593
• Learning Diffusion Priors for Inverse Rendering Under Unknown Illumination, IEEE Transactions on Pattern Analysis and Machine Intelligence：https://doi.org/10.1109/TPAMI.2026.3650770
• Attention Is All You Need 论文页：https://proceedings.neurips.cc/paper/7181-attention-is-all-you-need
• NeRF 论文记录：https://par.nsf.gov/biblio/10301170-nerf-representing-scenes-neural-radiance-fields-view-synthesis
• AlphaFold 期刊论文：https://www.nature.com/articles/s41586-021-03819-2