把自己的研究，写成别人能够理解和继续使用的知识。
上一讲讨论了实验流程与规范：如何把研究问题转化为实验，如何获得可信的结果，以及如何从结果中提炼结论。接下来的问题是，这些工作怎样才能被别人理解？
许多同学到了写论文的时候，才发现自己虽然做了不少实验，却很难说清楚整项研究。背景可以写很长，方法可以列出很多模块，结果也能填满几张表，但读者仍然不知道：这篇论文究竟解决了什么问题，最值得记住的地方在哪里？
论文写作需要我们重新审视研究中的每一层关系：问题是否具体，方法是否回应了问题，实验是否支持了判断，以及这些判断对别人有什么用。把这些关系写清楚，研究才能从作者自己的经验，转化为可以交流、检验和积累的知识。
这一讲主要讨论以方法和实验为核心的论文，依次梳理标题、摘要、引言、相关工作、方法、实验、分析和结论，并说明 AI、写作工具与投稿安排怎样配合这一过程。分析论文、评测论文和综述可以借鉴其中的表达原则，但需要根据各自的研究目标调整结构。
一、什么时候开始写，什么时候具备成文的条件
开始写论文之前，至少要能够回答几个基本问题：研究的对象是什么，已有工作走到了哪里，自己准备解决什么问题，采用什么方法，以及什么样的证据能够支持预期的结论。
当这些问题逐渐明确，相关实验和分析也形成了足够的支撑，论文才有可以成立的内容。否则，即使先写满了各个章节，文章最关键的地方仍然是空的。
但这不意味着必须等所有实验结束，才能开始写作。研究进行到哪里，就可以把相应的问题定义、方法设计、实验记录和初步判断写下来。写作常常会暴露研究中的缺口：一个概念始终解释不清，可能是定义还不准确；一个模块只能描述"用了什么"，可能是它与研究问题的联系还不充分；一个结论找不到对应证据，可能是实验仍需补充。
因此，可以尽早动笔，并让文字随着研究更新；到了形成完整论文和准备投稿时，则需要让主要主张得到充分支持。
论文还有一个容易被忽视的作用：保存知识。一次讨论结束后，参与者可能只记得大概；一篇写清楚的文章，却能让后来者重新理解问题、学习方法，并继续开展工作。即使文章暂时没有正式发表，这种记录与积累仍然有价值。它也减少了作者反复讲解同一项工作的成本，并训练了作者的书面表达能力。
二、先理解每一部分要替读者解决什么问题
初学写作时，学习一套基本结构很有必要。就像学习一套基本功，先知道每个动作为什么存在，才能在熟悉之后根据自己的研究调整。
| 论文部分 | 读者希望得到的回答 | 写作重点 |
|---|---|---|
| 标题 | 这篇论文研究什么？ | 研究重点、对象与任务 |
| 摘要 | 做了什么，有什么不同，结果如何？ | 用较少篇幅交代完整研究 |
| 引言 | 为什么值得研究，为什么需要这项工作？ | 问题、动机、思路与贡献 |
| 相关工作 | 这项研究与已有知识是什么关系？ | 研究脉络、联系和区别 |
| 方法 | 具体怎样实现？ | 定义、流程、关键设计与细节 |
| 实验 | 用什么条件检验，结果是什么？ | 设定、比较和主要证据 |
| 分析 | 为什么有效，在哪些情况下有效？ | 机制、适用条件、错误与进一步发现 |
| 结论 | 读完之后应该记住什么？ | 已经得到支持的贡献和认识 |
标题、摘要和引言之间，可以理解为信息逐步展开的关系。同一项研究，标题让读者迅速定位，摘要让读者形成整体认识，引言再提供理解这项工作所需的背景和理由。
这种展开应当保持一致。如果标题强调效率，摘要主要讲准确率，引言最后又落到可解释性，读者就很难判断论文到底想解决什么。几个方面可以同时存在，但作者需要明确主次，并让文章各部分围绕同一个研究重点组织。
三、标题：让读者准确知道你研究了什么
标题往往是读者最先接触的信息。一个好的标题，应当让相关领域的读者迅速判断，这项研究与自己是否有关，最主要的内容是什么。
拟题时，可以从三个角度拆解自己的工作：研究重点、研究对象和研究任务。 研究重点是本文着重研究的技术或机制；研究对象是这项技术作用于什么；研究任务则说明最终要完成什么。
例如，BERT 的论文题目是《BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding》。从写作角度，可以把其中的预训练理解为研究重点，把深度双向 Transformer 理解为研究对象，把语言理解理解为任务方向。这个拆解帮助我们理解标题承载了哪些信息，并不是要求所有论文都使用相同句式。
在信息准确的前提下，可以尽量压缩标题。删去重复、空泛或没有必要的修饰，会让研究重点更突出。不过，必要的任务条件不能为了简短而删除。只在某类数据、某种资源条件下成立的工作，如果用一个没有限制的大标题概括，就可能让读者产生超出证据的期待。
模型名称、缩写或有记忆点的表达可以帮助传播。《Attention Is All You Need》就是课程中提到的一个例子。但是否使用冒号、问句或醒目的命名，应当服从研究内容，没有必要把标题形式当作录用的保证。
让 AI 协助拟题时，最需要检查的是：它抓住的研究重点，是否就是自己真正想强调的重点？标题读起来顺畅，只是第一步；它必须准确代表这篇文章。
四、摘要：在有限篇幅内交代一项完整研究
摘要需要给读者一幅完整但简洁的研究图景。读完之后，读者至少应该知道任务是什么、已有方法存在什么具体不足、本文提出了什么思路、怎样实现，以及得到了什么结果。
如果任务比较小众，开头可以先用一句话解释任务。课程中提到的篇章分析就是这样的情况：相关研究者很熟悉它，但更广泛的读者未必知道具体输入和输出。任务交代清楚之后，再介绍本文要解决的问题，读者才能理解后面的改进。
接下来，摘要应当尽快落到本文的工作。问题描述要具体，方法描述要有动作，结果描述要有实质信息。"现有方法仍存在挑战""我们提出了一种新颖有效的框架""大量实验证明了优越性"，这些句子即使语言没有错误，读者得到的信息仍然很少。
可以试着给摘要中的每句话标注用途：这句在说明任务，那句在指出不足，下一句在表达核心思路，再下一句交代关键做法，最后报告主要发现。如果连续几句话都在描述背景，而方法和结果只能挤在结尾，通常需要重新分配篇幅。
BERT 的摘要可以作为练习材料：它先介绍模型及其特点，再交代对下游任务的作用，最后报告实验表现。学习时更值得关注的是每句话承担的功能，以及这些功能如何衔接。BERT 摘要
摘要可以先写一个工作版本，等正文、图表和结论稳定后再精修。课程里关于摘要行数的经验，也应当理解为特定排版条件下的参考。实际写作要根据投稿要求控制篇幅，不必机械追求固定行数或句数。
五、把"思路"和"做法"分别说清楚
写摘要和引言时，一个常见困难是分不清思路与做法。作者知道自己加了哪些模块，却很难解释这些模块共同体现了什么想法。
思路说明我们怎样看待问题，以及准备通过什么原则解决它；做法则说明这一原则怎样落实为可以执行的操作。两者的关系，类似数学解题中的解题思路与具体步骤。
下面是一个仅用于说明写法的教学示例，不对应某项已完成研究：
思路：判断两个篇章单元之间的关系时，需要兼顾单元本身的语义和它们在全文中的联系。
做法：分别编码局部文本与篇章上下文，通过信息交互得到联合表示，再预测关系类别。
第一句帮助读者理解为什么要这样考虑问题，第二句才进入实现层面。如果直接列出编码器、交互模块和分类器，读者可能知道系统由什么组成，却仍然不知道这套设计的理由。
检查这类文字时，可以特别看动词：提取了什么、建模了什么、区分了什么、约束了什么，以及这些动作怎样服务于研究目标。清楚的动作往往比堆叠模块名称更容易传达方法。
六、引言：逐步建立研究的必要性
引言需要给读者足够的理由，让他理解为什么有这个问题，为什么已有方法还不够，以及本文的思路怎样回应这些不足。
对初学者而言，可以先尝试以下五个段落功能，再根据内容合并或拆分。
| 段落功能 | 主要内容 | 写完后读者应当理解 |
|---|---|---|
| 介绍对象、任务与意义 | 任务是什么，它在什么场景中有用 | 为什么值得关心这个方向 |
| 概述已有方法 | 相关技术路线及其与本文问题有关的特点 | 研究已经进行到了哪里 |
| 聚焦不足与研究思路 | 哪个具体问题仍然存在，本文如何看待它 | 为什么还需要进一步研究 |
| 介绍本文方法 | 核心想法如何落实为主要步骤 | 本文准备怎样解决问题 |
| 概括贡献 | 新的内容、带来的作用与主要证据 | 本文最值得记住什么 |
这里需要区分研究意义与本文动机。研究意义关注这个问题为什么值得解决；本文动机则进一步说明，在这个已有价值的方向上，为什么需要开展当前这项具体工作。
例如，"篇章关系识别有助于理解文本内部的组织与联系"，是在说明任务的价值；"某类方法在特定条件下难以利用某种信息，因此我们尝试相应的建模方式"，才逐渐进入本文的动机。前者给研究定位，后者把读者带到具体问题。
如果引言一直停留在任务很重要、应用很广泛，读者仍然不知道为什么要读这篇新论文。研究意义说清楚之后，就需要尽快聚焦到自己的工作。
五个段落功能也不是必须逐一对应五个自然段。有的论文需要更多背景，有的可以直接提出问题；有的将方法和贡献合并。可以调整形式，但要让读者沿着一条清楚的理由逐步走到本文的研究。
七、介绍前人工作的不足，要准确到具体条件
引言中对已有方法的介绍，承担着引出研究问题的功能。因此，最需要说明的是已有方法与当前问题有关的特点，以及这些特点在什么条件下带来了限制。
"现有方法无法理解上下文"是一种范围很大的判断。如果实际上只有某一类方法在某种输入条件下受到限制，就应该把范围写出来。适当限定对象、场景和信息条件，可以让问题更准确，也让后续的方法更容易回应。
对已有工作的概括还需要有文献依据。不能为了让自己的动机更有力度，把别人已经解决的问题重新写成无人研究，或者把某篇论文没有关注的目标当作它的普遍缺陷。
课程以 BERT 的引言说明了这种聚焦方式：先交代研究背景和已有路线，再把讨论落到具体的建模限制。阅读这个历史案例时，还要注意技术区别：ELMo 已经利用了两个方向的信息，不能简单概括成"以前都没有双向信息"。BERT 所强调的差别包括深层表示中左右上下文的联合建模。BERT 引言与相关工作
这个案例带来的写作提醒是，问题越具体，方法与问题之间的对应关系就越容易说明。一个准确、有限但有价值的问题，完全可以支撑一篇扎实的论文。
八、一个句子有重点，一个段落有任务
论文的整体结构需要清楚，句子和段落内部也需要有层次。
一个句子最好有一个明确的表达重点。必要的条件、解释和补充可以通过从句或并列成分展开，但读者应当能够识别这句话最主要的判断。把背景、问题、方法、结果和意义全部塞进一句话，往往会增加理解负担。
段落也一样。初学者可以多练习总分结构：先交代本段的主要判断，再提供解释、证据或例子；内容较复杂时，最后再收回到本段的结论。总起句不必总是一个宏大的观点，也可以是一个分类、一个观察，或者对后续内容的简明概括。
一个实用的检查方法是，只读各段的首句，看看能否辨认文章的大致推进。如果每段都在重新介绍背景，或者上一段提出的问题在下一段突然消失，就说明段落之间的联系需要调整。
再回到段落内部，检查每一句是否服务于当前任务。某句话即使本身正确，如果与本段的主要内容没有直接联系，也可能需要移到其他位置。
九、贡献点：写出工作带来的变化
贡献点很容易写成工作清单：提出了一个模型、设计了一个模块、开展了大量实验。这些内容说明作者做了哪些事情，但还需要进一步回答，这些事情给研究带来了什么。
概括贡献时，可以逐层检查：本文新增了什么，它解决或改善了什么，以及什么证据支持这种改善。新的方法、数据资源、评测方式和分析发现，都可能成为贡献；具体如何组织，应当取决于论文实际完成的工作。
例如，"设计了一种交互模块"只交代了产物。如果还能够说明它针对哪种信息利用问题，以及后面的哪项实验检验了这个设计，贡献就会更容易理解。这里的证据既可能是性能变化，也可能是成本降低、适用范围扩展，或者对某个现象形成了新的认识。
贡献点不必固定为三条，也不必每一条都以"首次"开头。没有充分依据的优先性判断会让论文承担额外的论证负担。把自己确实完成、确实验证的内容讲清楚，更有助于读者判断工作的价值。
写完贡献点之后，可以逐条去正文中找对应内容：方法在哪里解释，证据在哪里呈现，适用条件在哪里交代。如果某一点只有引言里出现过，后文没有支撑，就需要补充工作或调整表述。
十、相关工作：围绕本文建立研究脉络
相关工作需要介绍与本文有关的知识，并让读者理解本文在这条研究脉络中的位置。写作时，最重要的取舍标准是，这篇文献与本文的哪个问题、哪种方法或哪项判断有关。
引言和相关工作可能引用同一批论文，但承担的任务有所不同。引言中的介绍集中服务于问题的提出；相关工作则可以更系统地交代相关方向的发展、主要类别，以及它们与本文的联系和区别。
可以按照问题类型、技术路线、信息来源或学习方式组织。选定一个分类依据之后，各小节之间要有合理的顺序，同一层级的类别也应尽量可比较。读者应当能够理解为什么先介绍这一类，再介绍下一类。
课程提到，BERT 的相关工作围绕无监督特征方法、无监督微调方法和从有监督数据进行迁移学习展开。这些类别为理解它的研究提供了背景，而不是要求后来的论文照搬这三个小标题。BERT 相关工作
在介绍一篇具体论文时，也不必复述它的整个摘要。先找出与当前讨论有关的内容，再准确概括。一个小节读完之后，读者最好能知道这一类工作解决了什么、与本文有什么关系，以及本文在哪个方面继续向前推进。
十一、方法：让别人能够沿着文字重新实现
方法部分需要把研究思路落实到足够明确的操作。读者应当能够知道输入是什么、输出是什么、中间经历了哪些步骤，以及关键变量之间是什么关系。
一个比较容易理解的组织顺序是：先给出问题定义和整体流程，再展开主要模块，随后说明训练或推理过程，最后补足影响实现的关键细节。具体顺序可以调整，但要避免读者还不知道系统整体在做什么，就先被带进大量局部公式。
形式化描述能够减少歧义。符号第一次出现时需要定义，输入和输出之间需要有明确关系，损失中的各项也需要说明含义。如果引入了新的术语或模块名称，应当解释它具体指什么，而不是仅靠一个看起来专业的名称承载全部信息。
公式的多少取决于表达需要。已有方法可以引用原文并交代本文采用的部分；本文新提出的计算过程，则应当写到足够清楚。简单操作可以用文字说明，复杂流程也可以借助伪代码。不必为了让文章显得技术性强，把每一句普通描述都改写成公式。
方法写完后，可以做一个很直接的检查：假设读者无法向作者提问，仅凭论文和附录，能否知道关键步骤怎样实现？如果还存在多种会明显影响结果的理解，就应该进一步澄清。
作者尤其要警惕一种错觉：自己脑中有完整实现，所以读到简略的文字时，会自动把缺失的信息补全。真正需要检查的是读者能够从页面上获得多少信息。
十二、方法图：把注意力放在贡献发生的地方
方法图可以帮助读者迅速形成整体认识。它需要表达系统怎样工作，也需要让读者看见本文的重点在哪里。
课程中对 BERT 图示的讨论，很值得借鉴。其整体图把预训练与微调、输入组织和输出任务放在一起呈现；从写作角度看，这使读者的注意力更容易落在方法的主要思路上。
画自己的方法图时，可以先问：这张图最需要让读者看懂哪一个变化？是输入信息的组织方式，是模块之间的信息传递，是一种新的训练安排，还是同一方法在不同任务中的使用方式？想清楚这一点之后，再决定图中各部分的大小、位置和细节程度。
如果主要贡献发生在输入组织上，却把大部分面积用于重复绘制通用网络内部结构，读者可能会被带到错误的重点上。已有模块可以适度概括，但影响理解和复现的条件仍然需要交代清楚，不能因突出贡献而省略关键步骤。
图中的名称、颜色、箭头和符号应与正文保持一致。图注也需要说明读图所需的信息。检查时，可以请别人先看图，再用自己的话复述方法；他最先注意到的部分，往往能够反映这张图究竟强调了什么。
十三、解释关键选择，也保留研究过程的真实程度
方法介绍到一定程度，读者自然会问：为什么选择这种信息组织方式？为什么采用这个学习目标？某个参数如何确定？这些问题与设计本身有关，值得在文章中解释。
不同选择可以有不同来源。有的来自理论或数学推导，有的沿用已有工作的设定，有的通过验证集确定，也有的最初来自直觉和探索。文章应当如实说明这些来源，并根据它们对核心结论的影响，提供相应证据。
尤其需要区分设计时的考虑与实验后的解释。做实验之前提出一个假设，随后用结果检验它，这是一种研究过程；观察到结果之后，再提出可能的解释，是另一种研究过程。两者都可以有价值，但不能把后来的推测写成一开始就已知的必然结论。
解释也要有重点。对于直接关系到论文贡献的选择，可以安排对比、消融或敏感性分析；对于常规实现细节，清楚交代依据即可。没有必要为每个小参数补出一套宏大的理由，也没有必要为了预先回应所有可能的问题，让方法部分充满与主线无关的辩解。
如果暂时只有合理假设，还没有直接证据，就把它作为假设表达。文字的确定程度应当与证据相匹配。
十四、实验：把比较条件和主要发现一起交代清楚
上一讲已经讨论了怎样做实验。到了论文中，还需要把实验条件写清楚，让读者知道这些结果是在什么基础上获得的。
通常至少需要交代四类信息：
- 数据与处理方式。 使用什么数据，怎样划分，有哪些会影响结果的预处理；如果数据较小众，还需要解释其内容和任务特点。
- 评价方式。 指标怎样计算，采用什么评估设定，人工评价或模型评价遵循什么流程。
- 比较对象。 选择哪些基线，它们代表什么路线，结果来自原论文还是统一复现，以及哪些条件存在差异。
- 实现条件。 关键参数、模型与配置，以及其他影响复现和公平比较的因素。
常见数据集和标准方法可以简要介绍并引用来源。自行构建的数据、基线或评估流程，则需要更充分的说明。影响结果的细节可以放在附录，但正文应当明确指向对应位置。只在作者电脑里保存了配置，并不等于读者已经获得这些信息。
主要结果通常通过图表呈现。表格便于精确比较，图形更适合观察趋势；具体选择应由信息决定。图表中需要能够辨认指标、单位、比较分组和关键条件，正文则负责引导读者理解最重要的发现。
解释结果时，可以按三个层次推进：先报告观察，再解释含义，最后说明它支持了什么判断。
例如，下面仍然只是写法示例，使用时必须替换成真实结果：
在按文本长度划分的测试子集中，方法在长文本组的增益更明显。这一差异提示，方法的作用可能与较长上下文中的信息利用有关。结合针对该机制的进一步实验，我们才能判断，这是否支持了本文最初的设计假设。
其中，组间差异是能够从结果中检查的观察；关于信息利用的解释需要证据支持；它与研究假设的关系则需要作者进一步论证。这几个层次分清楚，文章就不容易从一个数字直接跳到过强的结论。
结果段落也应有顺序。可以先说明整体表现，再讨论最重要的分组差异，最后指出例外或需要进一步解释的现象。按照图表的组织顺序展开，通常更方便读者核对。没有必要把每一个数值都重新抄进正文。
十五、分析：围绕核心问题继续追问
主结果交代方法在主要评估中表现如何，进一步分析则需要回答更深入的问题：为什么会出现这样的表现，哪个设计发挥了作用，效果受什么条件影响，以及还有哪些现象没有得到解释。
消融实验是其中一种工具。选择消融对象时，应当先回到论文的核心主张：作者认为哪个部分带来了关键变化，就优先检验哪个部分。一个模块拿掉之后分数下降，说明它在当前组合和设定下可能有贡献，但还需要考虑训练条件是否公平、差异是否稳定，以及是否存在其他解释。
因此，消融的价值取决于它能否回答研究问题。把所有小组件都逐一删除，未必能让文章更深入；围绕一个关键机制设计有区分力的实验，反而可能带来更有价值的认识。
通用性和迁移性分析也需要相应条件。如果论文主张方法能够适用于不同任务或场景，就应尽量覆盖与这一主张有关的变化。只在一个数据集上获得更高分数，能够支持的范围是有限的；不能仅凭一个结果，就把结论推广到所有类似问题。
错误分析和样例分析则帮助读者看见数字背后的具体行为。可以先归纳错误类型，再说明分类依据与占比，并用有代表性的样例展示现象。如果样例只是为了说明一种机制，也应明确其作用，避免用几个挑选出来的成功案例代替整体证据。
每篇论文需要的分析组合并不相同。方法论文可能重点研究组件作用，工具论文可能更关心下游使用价值，评测或分析论文则可能把主要篇幅用于现象、规律与适用条件。可以根据研究的价值所在选择实验，不必把"消融、参数、案例"当作必须填满的三个空格。
十六、结论：帮助读者带走已经得到支持的认识
摘要和结论都会概括工作，但它们面对的阅读阶段不同。
摘要面对尚未阅读全文的读者，需要交代任务、问题、方法和结果，帮助对方判断论文讲什么。结论面对已经读过正文的读者，可以直接回到本文完成的工作和获得的认识，突出哪些改进已经得到了证据支持。
结论可以简洁回答：本文提出或发现了什么，实验支持了什么判断，这项工作留下了什么可以继续使用的知识。需要时，也可以说明主要限制，或提出一两个自然延伸的研究方向。
展望应当与当前工作有关，不必为了显得完整而列出一长串未来任务。已经完成的贡献与尚待研究的设想，也要保持清楚的区分。
写完之后，可以与摘要放在一起读。如果两段只是换了几个词，往往说明还没有根据读者的阅读阶段重新安排重点。
十七、使用 AI：作者需要掌握内容和表达的对应关系
AI 可以帮助拟题、组织段落、改写句子、转换格式和检查表达。能否有效使用这些能力，很大程度上取决于作者提供了什么信息，以及如何判断输出是否符合研究事实。
课程中反复强调的一点是：AI 写得通顺，与它准确表达了作者的研究，是两个需要分别检查的问题。如果只提供"我们使用了一个多模块框架"这样的笼统说明，它生成的文字即使很流畅，也很难包含真正的实现细节。
更有效的做法，是先准备可以依赖的材料：研究问题、方法步骤、具体定义、真实图表、已有证据和希望强调的发现。然后给出明确的写作任务，让 AI 围绕这些材料组织表达。
例如，请它改写结果段落时，可以要求：只根据给定数据描述观察，把机制解释与直接观察区分开，缺少依据的地方标出来，并检查这一段是否回应了文章的研究问题。这样，作者更容易核对文字与证据之间的关系。
检查 AI 稿件时，尤其要留意三类变化。第一，研究重点是否被换了：本来研究某个具体机制，最后却写成笼统的性能提升。第二，判断是否被放大了：有限条件下的改善，被写成普遍有效。第三，是否加入了不存在的信息：例如未实现的步骤、未运行的实验、未核验的引用。
AI 还可以提供另一种解释或指出遗漏，但作者需要把这些建议重新放回研究中检验。论文最终表达的是作者对工作及证据的判断，这份判断需要由作者掌握。
十八、写作与绘图工具：为持续修改保留条件
论文通常会经过多轮修改。选工具时，应当考虑协作是否方便、源文件是否容易保存，以及文字、图表和数据能否随着研究更新。
| 工作内容 | 可以采用的工具或方式 | 需要保留的材料 |
|---|---|---|
| 论文撰写与排版 | Overleaf、离线 LaTeX 环境，或投稿支持的文字处理工具 | 正文源文件、模板和引用数据 |
| 框架图与流程图 | PowerPoint、draw.io、Visio 等 | 可编辑图形源文件 |
| 实验数据图 | Python 绘图库、ECharts 等 | 原始数据与绘图代码 |
| 表格、公式转换 | 转换工具或 AI 辅助 | 原始表格、公式及核对后的版本 |
| 参考文献整理 | 文献来源导出的条目与文献管理工具 | 准确的元数据及来源链接 |
这是课程中工具建议的用途梳理，不需要为写一篇论文把所有工具都学一遍。选择自己能够持续维护的组合即可。LaTeX 的图表、公式和参考文献用法可以查阅 Overleaf 学习文档；使用 Python 绘制实验图时，也可以参考 Matplotlib 文档。
绘图时尤其要保存源文件。如果只留下最终截图，后面修改一个名称、一条箭头或一个数据点，都可能需要重做。框架图应尽量保留可编辑元素，实验图应保存生成它的真实数据和代码。
格式转换完成之后，也要核对内容。一个公式能够成功编译，并不说明变量和上下标都正确；一个表格看起来整齐，也不说明行列关系和数值没有变化。转换工具帮助减少重复劳动，源材料仍然是检查依据。
十九、参考文献：既核验条目，也核验它支持了什么
参考文献需要逐条核验。论文是否真实存在，题目、作者、年份和发表信息是否准确，链接是否指向正确来源，都是提交前需要检查的内容。
除此之外，还有更重要的一层：这篇文献是否支持正文中的那句话？找到一篇题目相关的真实论文，并不意味着它能够作为任意相关判断的依据。尤其是在陈述前人工作的不足、某项技术的效果或某个领域的研究空白时，需要查看原文。
整理引用时，可以优先从论文正式页面、出版方或可靠的文献数据库获取条目，再按照投稿格式处理。让 AI 协助调整格式之后，也要检查它有没有同时改动作者、题目或发表信息。排版调整和书目信息修改应当分别核对。
对于预印本与正式发表版本，还需要确认当前引用的是哪个版本，避免把不同版本的题目、年份与发表信息混在一起。
虚假或不准确的引用会损害论文的可信度，因此不能把检查留给审稿人。具体投稿要求应以目标会议或期刊的官方说明为准；作者在提交前，应确保每一条引用都可以追溯，并且与正文的使用方式相符。
二十、倒排投稿时间，把完整稿留给别人检验
投稿安排需要给修改留出时间。课程建议，在截止日期前一至两周，尽量形成一份已经具备投稿完整度的稿件，再用剩余时间请别人阅读、发现问题并进行修订。
这里的完整，意味着主要章节、图表、方法说明和证据已经能够连成一篇文章。读者可以从头到尾判断这项研究，而不需要作者不断补充"这里以后会解释""这个实验还没放进来"。
下面是一种可调整的安排，具体节奏应根据研究进展和投稿要求确定。
| 时间 | 主要任务 | 希望达到的状态 |
|---|---|---|
| 截止前约两周 | 完成主要正文、图表和必要附录 | 形成可以独立阅读的完整稿 |
| 截止前一至两周 | 请同事、导师或其他合适的读者预读 | 找到逻辑缺口、证据不足和理解障碍 |
| 截止前一周内 | 根据反馈集中修改 | 主要疑问得到回应，新增内容经过核对 |
| 提交前 | 检查全文一致性、引用、格式及提交要求 | 提交文件准确、完整且版本一致 |
请别人预读时，可以少问一句"你觉得写得怎么样"，多问几个具体问题：读完之后，你认为本文最主要的贡献是什么？哪一处最难理解？哪一个结论的证据还不够？如果复现方法，你还缺少什么信息？
这些回答能够帮助作者发现自己的盲点。作者知道的背景越多，越容易忽略读者不知道的部分；让一个没有参与全部实现的人阅读，恰好能够检验论文是否已经把必要信息写在了页面上。
可以一直修改到最后一天，但不要到最后一天才拥有一份能够投稿的版本。前者是在已有完整稿的基础上继续改进，后者则几乎没有给外部反馈和实质修改留下时间。
写完之后，做一次从标题到证据的检查
可以把全文暂时放下，先尝试用几句话说明自己的研究，然后再回到论文中逐项核对：
- 标题是否准确指向最主要的研究内容？
- 摘要是否交代了问题、思路、做法与结果？
- 引言是否让读者理解这项具体工作为什么有必要？
- 对已有工作的概括是否准确，引用是否支持相应判断？
- 方法是否定义清楚，关键步骤是否能够从文字和图中找到？
- 主要结果是否与研究问题对应，观察和解释是否区分清楚？
- 每项核心贡献是否有相应证据，结论是否超出了验证范围？
- 图表、正文、附录和引用是否保持一致，并经过他人预读？
真正写清楚一项研究，意味着读者能够沿着文章理解作者提出问题的理由，掌握方法的具体做法，核对证据，并判断这些发现怎样用于下一步工作。当一篇论文能够做到这些，作者的研究经验就有了被别人理解和继续积累的可能。