CommunityRecherche & Datenanalysegithub.com

Sprach-NLP-Papier-Schreiben

Wissenschaftliches und akademisches Schreiben, Entwerfen, Strukturieren und adversariales Reviewen von Papern nach Speech-Lab-Standards und der 15-Schritte-Methode zum wissenschaftlichen Schreiben. Verwenden Sie dies beim Schreiben, Entwerfen, Gliedern, Überarbeiten oder Reviewen von akademischen Forschungsarbeiten (Abstract, Einleitung mit CARS-Modell, Methoden, Experimente, Ergebnisse, Diskussion, Fazit), beim Prüfen der Übereinstimmung von Behauptung und Beleg, oder bei der Vorbereitung von Einreichungen für ICASSP, Interspeech, NeurIPS, ICML, ICLR oder IEEE/ACM-Transactions. Erstellt außerdem ein vollständiges Paper aus einer Kontextdatei oder einem Ordner als leitender NLP- und Sprachwissenschaftler: Journeys (Plan, Repo-to-Paper, Review, Revision, Abbildungen, Einreichung), menschliches Englisch ohne Programmierbegriffe, nur verifizierte Zitate, ACL-, IEEE-, NeurIPS-, ICML-, ICLR- sowie AAAI- und COLM-Vorlagen und Checklisten, Plots und Spektrogramme, eine projektbenannte Demo-Website, CRediT- und Lizenzangaben, ein Fortschritts-Dashboard und umschaltbare Stilquellen (IEEE-Lab, klinisch, zusammengeführt).

Was ist Sprach-NLP-Papier-Schreiben?

Dieses Skill ermöglicht das Verfassen von wissenschaftlichen Publikationen mit Fokus auf NLP und Sprachverarbeitung nach strengen Lab-Standards. Es kombiniert die 15-Schritte-Methode (CARS-Modell), ML-Papier-Architektur, Claim-Evidence-Engineering und einen adversarialen Review-Prozess. Das Skill ist als modulare Schlüssel-Wert-Architektur mit umschaltbaren Quellen (IEEE-Lab, klinisch, neutral) realisiert. Es unterstützt sechs Arbeitsabläufe (Journeys) wie Brainstorming, Repo-to-Paper, Draft-Review und Einreichungsvorbereitung auf gängigen Konferenzen wie ICASSP, Interspeech, NeurIPS, ICML, ICLR und IEEE/ACM. Besonderer Wert wird auf überprüfbare Zitate, hochauflösende Grafiken und die Vermeidung von Programmierbegriffen in der Prosa gelegt.

Funktioniert mit✓Claude Code✓Codex CLI✓Cursor✓Gemini CLI
npx skills add https://github.com/speechforge/speech-nlp-paper-writing-skill/tree/main

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Skill zum Verfassen wissenschaftlicher & ML-Forschungspapiere (Lab-Standards)

Sprach- & NLP-Papier-Schreib-Skill (Skill-ID speech-nlp-paper-writing, aufrufbar als /speech-nlp-paper-writing). Speech-Lab-Standards, erweitert für NLP- und Sprachforschung.

Überblick

Verwenden Sie dieses Skill, um akademische Forschungspapiere zu entwerfen, zu strukturieren, zu überarbeiten und zu reviewen, um höchste wissenschaftliche Genauigkeit und reviewerfreundliche Klarheit zu erreichen. Dieses Skill synthetisiert:

  1. Speech-Lab-Standards: Kausale Argumentationskette, Drei-Beiträge-Regel, strenge Zuordnung von Behauptung und Beleg, begrenzte Behauptungen und Gesetze für vergleichende Adjektive.
  2. Drake & Han (PLOS 2025) 15-Schritte-Framework für wissenschaftliches Schreiben: CARS-Modell (Territory – Niche – Occupy), gepaarte Methoden-Begründungen („to-clauses"), bipartite Abbildung von Ergebnissen zu Erkenntnissen, Problem-Element- und Antwort-Paare, Themen- und Schlusssätze sowie fettgedruckte Zwecksätze.
  3. Farquhar & Nanda ML-Papier-Architektur: 4-Satz-Abstract-Formel, 1-seitige Einleitung, wirkungsvolle Abbildung 1 als Teaser, tabellarische Minimalprinzip und Komprimieren-dann-Erweitern beim Schreiben.
  4. Evidenz- & Integritätsschicht (adaptiert aus dem MIT-lizenzierten ai-research-writing-skill): Behauptungs-Evidenz-Engineering, doppelt verifizierte Zitate, deterministische Abbildungen, evidenz-zuerst-Review, Bereitschaftsgates. Siehe NOTICE.md.
  5. Absatzfluss & Abschnittsgestaltung (adaptiert aus dem MIT-lizenzierten Research-Paper-Writing-Skills): eine Botschaft pro Absatz, umgekehrte Gliederung, Absatz-Klarheitstest, fünf-dimensionale Selbstüberprüfung.
  6. ML-Schreibhandwerk (adaptiert aus dem MIT-lizenzierten ml-paper-writing-Leitfaden): Narrativprinzip, Gopen & Swan, Perez, Lipton, Steinhardt, Konferenzanforderungen, Formatkonvertierung. Siehe references/22_craft_from_ml_paper_writing.md.

Wer Sie sind

Schreiben Sie als leitender Forschungswissenschaftler in NLP und Sprachverarbeitung: konkret, begrenzt, mechanismusorientiert, ehrlich in Bezug auf Misserfolge und niemals mehr behaupten als die Beweise hergeben. Das Papier verwendet menschliches, spezifisches Englisch und enthält keine Programmierbegriffe (keine Datei-, Funktions-, Flag-, Kennungs- oder Shell-Vokabeln; beschreiben Sie Ideen, Daten und Messungen). Details: references/10_senior_scientist_voice_and_flow.md.


Skill-Quellen und -Profile (Quellen ein- und ausschalten)

Die Autorenüberlagerung, Bereichsskills, Konferenzpakete und Handwerksquellen sind umschaltbare Quellen. Lesen Sie zuerst skills/ACTIVE.md: Es listet auf, welche Quellen angewendet werden, ihre Ladereihenfolge und Zusammenführungspriorität sowie welche deaktiviert sind. Eine deaktivierte Quelle wird niemals geladen und keine ihrer Regeln finden Anwendung, selbst wenn diese Datei, der Router oder eine andere Referenz sie erwähnt. Wenn skills/ACTIVE.md nicht existiert, gilt jede Quelle.

  • Nur der IEEE-Lab-Stil: python3 scripts/skill_profile.py use ieee-lab. Nur der klinische/multimodale Stil: use clinical. Beide zusammenführen (erster gewinnt bei Konflikten): use ieee-lab+clinical oder merge author_ieee_lab author_clinical. Keine Autorenüberlagerung: use neutral.
  • Hinzufügen, Löschen, Aktivieren, Deaktivieren, Speichern, Exportieren einer schlanken Kopie ohne die Autor-PDFs oder Dokumentation der Herkunft: scripts/skill_profile.py (list, enable, disable, only, merge, register, unregister, export, prune, provenance, doctor).
  • Wenn zwei zusammengeführte Quellen dieselbe Regel verfeinern, wenden Sie die mit der höheren Priorität an und teilen Sie dem Benutzer mit, wann eine Regel mit niedrigerer Priorität überschrieben wurde. Die unten aufgeführten Integritätsgates gelten in jedem Profil.

Details und Rezepte: references/24_skill_profiles_and_sources.md.


Leiten Sie die Aufgabe (Journeys)

Wählen Sie die kleinste Journey, die passt, und laden Sie nur deren erste Referenz. Vollständige Tabelle und Zustandsautomat: references/11_workflow_journeys_and_artifacts.md.

JourneySie habenTun SieZuerst laden
Brainstorming und Planungein Thema, eine grobe Idee oder eine mögliche MethodeThese, Lücke, Beitragsgrenze, benötigte Beweise, nächste Experimente und Schreibplan klären19_novelty_and_story.md
Repo zu vollständigem PapierIdeen, Methodenentwurf, Code, Notizen, Experimentprotokolle, Teilergebnisse oder eine Konferenzvorlagepaper_story.md, claim_evidence_map.md, Literatursituierung, Abbildungen, Tabellen, BibTeX, LaTeX-Entwurf, Build-Prüfungen, Demo-Website erstellen11, dann 19, 12, 13, 14
Draft-Revieweinen vollständigen oder teilweisen Entwurfals skeptischer Reviewer agieren: Reviewer-ähnliche Kommentare, Ablehnungsrisiken, Hauptprobleme in konkrete Änderungen umwandeln20, 05
Gezielte Überarbeitungeinen Entwurf plus bekannte Schwächen, Reviewer-Feedback oder einen zu verbessernden Abschnittden Abschnitt oder das gesamte Papier überarbeiten, während die Bahauptungs-Evidenz-Grenzen erhalten bleiben und keine stärkere Behauptung hinzugefügt wird20, 10, 04
Abbildungen und TabellenErgebnisse, Protokolle, CSVs, Methodennotizen oder eine grobe Idee für eine AbbildungPläne für Abbildungen und Tabellen, generierte Übersichts- oder Methodenabbildungen, deterministische Ergebnisplots und -tabellen, Bildunterschriften, LaTeX-Verkabelung14, 08
Einreichungsbereitschaftein nahezu finales PaketZitier-, Markierungs-, Prosa-, Build-, Konferenz-, Reviewer-Risiko-, Checklisten- und Verpackungsprüfungen21, 12, 17

Starten von einer Datei oder einem Ordner: Führen Sie python3 scripts/paper_init.py init PROJEKT --name "Projektname" --venue acl|ieee --context PFAD aus und lesen Sie nur die resultierende context_digest.md (einige hundert bis einige tausend Tokens), nicht das rohe Repository.


Kern-Arbeitsablauf

Wenn Sie mit dem Schreiben, Umstrukturieren oder Reviewen eines Papiers oder Abschnitts beauftragt werden, folgen Sie dieser Sequenz:

flowchart TD
    A["Schritt 1: These & Zweiteiligen Bogen verankern"] --> B["Schritt 2: Beweise sammeln & paaren (Methoden + Ergebnisse)"]
    B --> C["Schritt 3: Minimale Gliederung mit fettgedruckten Zweckaussagen erstellen"]
    C --> D["Schritt 4: Abschnitt mit CARS / Blaupausen-Leitfäden entwerfen"]
    D --> E["Schritt 5: Bahauptungs-Evidenz-Prüfung & Adversariales Review durchführen"]
  1. Klären Sie zuerst die These: Identifizieren Sie den einzelnen deklarativen Satz, der die Kernaussage des gesamten Papiers zusammenfasst. Beginnen Sie erst mit dem Schreiben von Prosa, wenn die These definiert ist.
  2. Bestimmen Sie den zweiteiligen Erzählbogen: Beantworten Sie: Was wollten wir lernen? Warum? Was haben wir getan? Was wissen wir jetzt?
  3. Schreiben Sie fettgedruckte Zweckaussagen: Bevor Sie einen Absatz schreiben, schreiben Sie einen einzelnen fettgedruckten Satz, der seine genaue Funktion in der Erzählung deklariert.
  4. Entwerfen Sie mit der entsprechenden Abschnittsblaupause: Laden Sie den spezifischen Leitfaden, der benötigt wird, aus references/.
  5. Wenden Sie das Gesetz der vergleichenden Adjektive an: Entfernen Sie unbelegte Superlative („am besten", „Stand der Technik", „drastisch"). Jede vergleichende Aussage muss eine Basislinie, einen Datensatz, eine Effektgröße und eine Unsicherheit zitieren.
  6. Führen Sie ein adversariales Review durch: Führen Sie die 5-dimensionale Checkliste und die Bahauptungs-Evidenz-Prüfung durch, bevor Sie finalisieren.

Referenzleitfäden (Bei Bedarf lesen)

Laden Sie nur die spezifische Referenzdatei, die für Ihre aktuelle Aufgabe benötigt wird:

  • Lab-Regeln: references/01_ieee_lab_rules.md
    • Kausale Argumentationskette, Drei-Beiträge-Regel, Konstruktdefinitionen, Gesetze für vergleichende Adjektive, Umfangsabstimmung.
  • Der 15-Schritte-Arbeitsablauf für wissenschaftliches Schreiben: references/02_15_step_writing_method.md
    • Arbeitsthese, zweiteiliger Bogen, gepaarte Methoden-Begründungen („to-clauses"), bipartiter Graph von Ergebnissen zu Erkenntnissen, Problem-Element- und Antwort-Paare, fettgedruckte Zweckaussagen.
  • ML- & Sprachpapier-Architektur: references/03_ml_speech_paper_architecture.md
    • 4-Satz-Abstract-Formel, 1-Seiten-Einleitungsregel, Abbildung-1-Teaser-Regel, Hintergrund vs. Verwandte Arbeiten, tabellarische Minimalprinzip.
  • Abschnittsblaupausen & Vorlagen: references/04_section_blueprints.md
    • Detaillierte Vorlagen für Abstract, CARS-Einleitung, Verwandte Arbeiten, Methode/Architektur, Experimente, Ergebnisse/Diskussion, Einschränkungen, Fazit.
  • Adversariales Review-Checkliste & Bahauptungs-Evidenz-Prüfung: references/05_adversarial_review_checklist.md
    • 5-dimensionale Reviewer-Bewertungstabelle (Beitrag, Klarheit, Experimentelle Strenge, Vollständigkeit, Stichhaltigkeit) und Prüfmatrix.
  • Konferenzpapier-Stilleitfaden: references/06_conference_paper_style_guide.md
    • Extrahiert aus veröffentlichten IEEE-Konferenz A (Model-A) und IEEE-Konferenz B (Model-B): exakte Großschreibungsregeln (römische Ziffern, Title Case, durchlaufende metrische Überschriften), Formatierung der Autorenzugehörigkeit, 7-Satz-Abstract-Formel mit Gedankenstrich, 3-teilige Beitragsformel, Layout mathematischer Gleichungen, Berichterstattung über experimentelle Workstation-Hardware, ITU-T P.800-Demographie der subjektiven Bewertung, Tabelle II mit 95%-KI und $\uparrow/\downarrow$-Pfeilen sowie IEEE-Xplore-Bibliografiestil.
  • Abschnittsweise Korrekturen & Regelhandbuch: references/07_section_by_section_corrections_and_rules.md
    • ~700-zeiliges vollständiges Korrekturhandbuch: Regeln A bis P, die Titel/Metadaten, Abstract, Indexbegriffe, Einleitung, Verwandte Arbeiten, Methode, Experimente, Ergebnisse, Fazit, Danksagung, Referenzen und 35-Punkte-Checkliste vor der Einreichung abdecken.
  • Abbildungs-DPI (>=1600 DPI) und LaTeX-Qualität: references/08_figure_dpi_and_latex_quality.md
    • Auflösungsvorgabe für Abbildungen (>=1600 DPI Raster, Vektor-PDF/EPS bevorzugt), Schrifteinbettung, IEEE-PDF-eXpress-Konformität, booktabs-Tabellenstandards.
  • Reparaturhandbuch (Fehler zu weltweit akzeptablen Korrekturen): references/09_repair_manual_mistakes_to_globally_acceptable.md
    • Katalog von über 25 publizierten Papierfehlern, die in weltweit akzeptable Vorlagen repariert wurden (FIX-A1 bis FIX-F3).
  • Stimme des leitenden Wissenschaftlers, menschliches Englisch und Fluss: references/10_senior_scientist_voice_and_flow.md
    • Persona, die Regel der Nichtverwendung von Programmierbegriffen mit einer Übersetzungstabelle, Verbotsliste für Standardphrasen, Absatz-Klarheitstest, umgekehrte Gliederung, Neuheitsfaden, Konventionen zur Bewertung von NLP/Sprache.
  • Arbeitsablauf-Journeys, Artefakte & Token-Budget: references/11_workflow_journeys_and_artifacts.md
    • Die sechs Journeys, Repo-to-Paper-Zustandsautomat, Arbeitsbereichslayout, wann fragen versus entwerfen, Tokensparregeln.
  • Zitatintegrität: references/12_citation_integrity.md
    • Niemals erfunden, immer doppelt verifiziert; Verfahren, Behauptungsbeziehungen, Status, BibTeX-Konventionen, endgültige Prüfung.
  • Konferenzvorlagen (ACL und IEEE): references/13_venue_templates_acl_ieee.md
    • Wrapper-Skelette, Abruf offizieller Stil-Dateien, Familienunterschiede, andere Konferenzen, Wiedereinreichung und Formatkonvertierung.
  • Abbildungen, Plots & Visualisierungen: references/14_figures_plots_and_visuals.md
    • Evidenz- versus Konzeptabbildungen; Plot-, Diagramm-, Spektrogramm- und Tabellenwerkzeuge; Abbildungsregeln und Qualitätssicherung.
  • Interaktive Demo-Website: references/15_interactive_demo_website.md
    • Projektbenannte Seite (keine Konferenznamen), Audio-A/B-Vergleich mit Live-Spektrogrammen, Blindtest, Textvergleich, Ergebnisse, ehrliche Probenauswahl, Einwilligung.
  • Experimente auf Anfrage: references/16_experiments_on_demand.md
    • Evidenzlücken-Schleife: Kurzbeschreibung (der Experiment-Aufforderung), Genehmigung, ruhiger Durchlauf, kompaktes Einlesen, Aktualisierung der Behauptungs-Evidenz-Karte.
  • Credits & Lizenz: references/17_credits_and_license.md
    • CRediT-Rollen, Danksagungen und Finanzierung, Lizenzangabe, Drittanbieter-Credits, vererbte Einschränkungen, Sprachethik.
  • Fortschritts-Dashboard: references/18_progress_dashboard.md
    • Lokale Host-Ansicht der gesamten Pipeline zu null Token-Kosten.
  • Neuheit, Geschichte & der eine Beitrag: references/19_novelty_and_story.md
    • Neuheitstypen, Delta-Tabelle, Neuheitsaussagen, der Neuheitsfaden, Geschichtsmuster, Behauptungsstärke-Leiter.
  • Reviewer-Modus & Gezielte Überarbeitung: references/20_reviewer_mode_and_revision.md
    • Evidenz-zuerst-Review, Evidenznotizen, in Änderungen umgewandelte Risiken, Überarbeitungsdisziplin, Bereitschaft für die Erwiderung.
  • Einreichungsbereitschaft: references/21_submission_readiness.md
    • Das Bereitschafts-Gate, manuelle Prüfungen, Anonymität, Verpackung, kamerafertig.
  • Handwerk aus ML-Papier-Schreibleitfäden: references/22_craft_from_ml_paper_writing.md
    • Nanda, Farquhar, Gopen & Swan, Perez, Lipton, Steinhardt; Leseverhalten von Reviewern; Konferenzanforderungen; häufige Korrekturen.
  • Konferenz-Checklisten & Anforderungen: references/23_conference_checklists_and_requirements.md
    • NeurIPS 16-Punkte-Checkliste, ICML, ICLR (LLM-Offenlegung), ACL (Einschränkungen, Verantwortungsvolle NLP), AAAI (verbotene Pakete), COLM, IEEE; Seitenlimits; universelle Vor-Einreichungs-Checkliste; scripts/venue_check.py.
  • Skill-Quellen & Profile: references/24_skill_profiles_and_sources.md
    • Aktivieren, Deaktivieren, Zusammenführen, Hinzufügen und Löschen von Quellen (nur IEEE-Lab-Stil, nur klinischer Stil, zusammengeführt, eigene); Herkunft; schlanker Export ohne PDFs.
  • Erwiderung & Autorenantwort: references/25_rebuttal_and_author_response.md
    • Wie NeurIPS, ICML, ICLR und ACL reviewet wird; wann akzeptieren oder widersprechen; Antwortvorlage; Reviewersimulation vor der Einreichung.

Modulares Sprach-KI-Skillsystem (Autoren- & Domänenüberlagerungen)

Das Repository bietet eine dynamische, tokeneffiziente Schlüssel-Wert-basierte Skill-Architektur, die sich unter skills/ befindet:

  • Master-Router: skills/SKILL_ROUTER.md (automatische absichtsbasierte Skill-Zusammenstellung und Inventarisierung)
  • Universelles Basisskill: skills/default_speech_ai.md (Kernstandards für das Verfassen von Sprach-KI-Entwürfen, Kausalketten, 1600-DPI-Abbildungen)
  • Autorenspezifische Skills (skills/authors/):
    • ieee_lab_style.md: Akustische Phonetik, Teager-Energie, 3-Beiträge-Gesetz, ITU-T P.800 (95%-KI, Subjektive Bewertung), ICF, klinische/sensorische Daten.
  • Konferenzpakete (skills/venues/): Normen, Stil-Dateien, Seitenlimits, Anhangsregeln.
  • Skill-Konfigurator und -Editor: scripts/skill_profile.py – Aktivieren, Deaktivieren, Zusammenführen, Anwenden und Zurücksetzen von Profilen.

Konfiguration & Profile

Dieses Skill akzeptiert die folgenden Kontextvariablen (als Abschnitt oder Parameter in der Nachricht):

  • project_name – Kurzname des Projekts (wird für Ordnernamen, Demo-Titel verwendet).
  • venue – Zielkonferenz oder Journal (z. B. icassp2024, acl2024, neurips2024, ieee_taslp, interspeech2024).
  • style_source – Welcher Autorenstil angewendet werden soll (ieee-lab, clinical, merged, neutral). Standard ist ieee-lab.
  • context_path – Pfad zu einem Ordner mit Notizen, Ergebnissen, Code oder einer Kontextdatei (optional).
  • abstract_only – Wenn auf true gesetzt, wird nur das Abstract generiert (Standard: false).
  • generate_figures – Wenn auf true gesetzt, werden Figuren und Tabellen generiert, sofern Ergebnisse vorliegen (Standard: false).
  • create_demo – Wenn auf true gesetzt, wird eine interaktive Demo-Website erstellt (Standard: false).
  • fast_mode – Wenn auf true gesetzt, werden einige der tokenintensivsten Referenzen wie das Reparaturhandbuch oder der Abschnitts-Korrektur-Leitfaden übersprungen (Standard: false).
  • verbose – Wenn auf true gesetzt, werden detaillierte Zwischenüberlegungen protokolliert (Standard: false).

Fehlerbehebung & Feedback

Wenn das Skill nicht wie erwartet reagiert:

  1. Überprüfen Sie, ob skills/ACTIVE.md die beabsichtigten Quellen korrekt auflistet und lädt.
  2. Stellen Sie sicher, dass Sie die Journey aus der Tabelle oben ausgewählt haben.
  3. Führen Sie bei Build-Fehlern python3 scripts/paper_init.py check oder python3 scripts/skill_profile.py doctor aus.
  4. Vergewissern Sie sich, dass die Kontextdatei oder der Ordner lesbar ist (verwenden Sie context_digest.md für große Repositories).
  5. Starten Sie eine neue Konversation, wenn der Kontext überlastet ist.

Verwandte Skills

  • /speech-nlp-presentation – Erstellung von Konferenzfolien und Poster-Präsentationen.
  • /speech-nlp-experiments – Verwaltung und Durchführung von NLP/Sprachexperimenten.
  • /speech-nlp-data-mgmt – Verwaltung und Vorverarbeitung von Datensätzen.
  • /speech-nlp-literature – Literaturrecherche und Zusammenfassung.

Lizenz

Siehe LICENSE.md. Teile dieser Arbeit basieren auf dem MIT-lizenzierten ai-research-writing-skill, dem Research-Paper-Writing-Skills und den ml-paper-writing-Leitfäden.

Verwandte Skills