134Chen/zh-literature-review-writer

Zh 문헌 리뷰 작성기

개요

이 스킬을 사용하여 논문을 검색하고, 주제 관련성에 따라 선별하며, 문제 중심 스타일의 중국어 학술 문헌 검토(문헌 리뷰) 섹션을 초안 작성하거나 수정합니다.

동시에 세 가지 품질을 목표로 합니다:

• 엄격한 주제 집중
• 적은 불필요한 내용과 낮은 'AI 느낌'
• 사용자의 방법 선택을 진정으로 뒷받침하는 최종 연구 격차(gap) 진술

워크플로우

1. 검색 또는 작성 전에 범위 확정

• 주제, 연구 대상, 목표 과제, 핵심 변수 및 사용자의 방법이 해결하려는 모순을 추출합니다.
• 주제가 구체적이라면, 해당 주제와 인접 방법 내에 머무릅니다.
• 사용자가 명시적으로 확장을 요청하지 않는 한, 구체적인 주제에서 광범위한 산업, 정책, 제어, 시스템, 플랫폼 또는 관련 없는 응용 논의로 미끄러지지 마십시오.
• 사용자가 논문을 제공하면 해당 논문을 먼저 사용합니다.
• 사용자가 논문을 제공하지 않으면, 주제에서 방법 체인을 추론하고 주제 자체에 가깝게 유지합니다.

2. 초안 작성 전에 필요시 논문 검색 및 선별

• 사용자가 이미 논문 목록을 제공한 경우, 처음부터 다시 검색하는 대신 해당 목록을 먼저 선별합니다.
• 사용자가 주제만 제공한 경우, 다섯 가지 요소에서 검색어를 생성합니다:
  1. 연구 대상
  2. 목표 변수 또는 과제
  3. 도메인 프로세스
  4. 핵심 방법군
  5. 인접하지만 여전히 주제 내에 있는 변형
• 계층적으로 검색합니다:
  1. 핵심 정확 일치 논문
  2. 방법 체인을 설명하는 인접 논문
  3. 그런 다음에야 명확한 격차를 메우는 데 도움이 되는 근접 이웃 논문을 신중하게 추가합니다.
• 기술적 질문의 경우, 출판사 페이지, DOI 페이지, 저널 페이지, 학술대회 논문집, 학위 논문 및 저자의 기관 리포지토리와 같은 1차 출처를 우선시합니다.
• 논문에 의존하기 전에 제목, 저자, 연도, 게재지 및 DOI 또는 안정적인 URL을 확인합니다.
• 유행하는 방법을 사용한다는 이유만으로 논문을 유지하지 마십시오. 주제, 대상 과제 또는 해결되지 않은 모순과 강하게 연결된 경우에만 유지합니다.
• 초안을 작성하기 전에 각 후보를 다음과 같이 분류합니다:
  • 강(strong): 주제, 과제 또는 대상과 직접 일치
  • 중(medium): 대상과 정확히 일치하지는 않지만 방법 체인 또는 핵심 모순을 명확히 지원
  • 약(weak): 방법 이름에서만 관련되며, 이 검토에 대한 가치가 제한적임
  • 제외: 주제에서 벗어나거나, 키워드로 부풀려졌거나, 주로 제어, 플랫폼, 정책, 진단 또는 다른 작업에 관한 것
• 느슨하게 관련된 많은 논문보다 몇 개의 강한 논문을 선호합니다.

3. 사용자가 달리 요청하지 않는 한 기본 구조 사용

기본 순서:

1. 해외 연구 현황
2. 국내 연구 현황
3. 요약 및 본 연구의 차별점

각 부분 내에서, 문제 체인을 설명하는 데 도움이 될 때만 연대순 또는 기술적 진화를 사용합니다. 문헌이 뒷받침하지 않는다면 단계 레이블을 강제로 적용하지 마십시오.

4. 각 논문을 문제 중심 방식으로 작성

인용된 각 작업에 대해 다음 순서를 선호합니다:

1. 무엇을 했는가
2. 어떤 실용적인 문제를 해결했는가
3. '실용적인 문제'가 올바른 강조점이 아닌 경우, 어떤 한계가 남아 있었고 이후 어떤 작업이 이를 개선했는지로 대체합니다.

결론을 구체적으로 유지하십시오. 무엇이, 어떤 대상(예: 잡음, 지연, 비선형성, 변수 결합, 표본 크기, 운전 조건 변화, 해석 가능성)과 관련하여 개선되었는지 명시합니다.

5. 구체적인 방법론적 격차로 마무리

• 해결되지 않은 모순을 구체적인 용어로 요약합니다.
• 사용자의 방법 구성 요소를 해당 모순에 하나씩 매핑합니다.
• 사용자가 명시적으로 원하지 않는 한, '따라서 본 연구는 중요한 의의를 가집니다'와 같은 일반적인 표현으로 끝내지 마십시오.

검색 및 선별 결과물

사용자가 논문을 찾거나 필터링하도록 요청할 때, 필요시 전체 리뷰 전에 간결한 선별 결과를 생성합니다.

다음을 포함합니다:

1. 검색 초점
2. 포함 규칙
3. 제외 규칙
4. 강력한 후보
5. 방법 체인을 완성하는 데 필요한 경우 중간 후보
6. 주제 이탈을 유발할 가능성이 있는 경우 명시적으로 제외된 방향

유지된 각 논문에 대해 간략히 기록합니다:

• 관련성이 있는 이유
• 리뷰에서 수행할 역할
• 주제를 직접 지원하는지 아니면 방법 체인만 지원하는지

엄격한 규칙

• '저자 + 방법 이름' 식의 단순 나열식 리뷰(流水账)를 작성하지 마십시오.
• 키워드 중복을 주제 관련성으로 오해하지 마십시오.
• 논문이 어떤 문제를 해결했는지 언급하지 않고 단순히 방법을 제안했다고만 말하지 마십시오.
• 출처 자체가 명확히 뒷받침하지 않는 한, '이는 해당 분야가 성숙 단계에 진입했음을 증명한다' 또는 '이는 새로운 단계를 의미한다'와 같은 뒷받침되지 않는 주장을 하지 마십시오.
• 논문의 결론을 실제 범위 이상으로 과장하지 마십시오.
• '중요한 의미를 가짐', '발전을 크게 촉진함', '넓은 전망을 보여줌', '새로운 아이디어를 제공함'과 같은 구체적인 대상 없이 빈 문구로 리뷰를 채우지 마십시오.
• 교과서처럼 모든 방법을 정의하지 마십시오. 가독성을 높이는 경우에만 첫 언급에서 전체 이름과 약어를 확장합니다.
• 논문 간의 선행-후행 관계를 지어내지 마십시오. 연결이 텍스트적으로 뒷받침될 수 있는 경우에만 한 작업이 다른 작업을 개선했다고 말합니다.
• 사용자가 요청하지 않는 한, 사용자의 주제에서 더 넓은 분야로 확장하지 마십시오.
• 사용자의 주제가 특별히 측정, 예측 또는 소프트 센싱 작업에 관한 것일 때, 주요 작업이 제어, 진단, 최적화, 플랫폼 구축 또는 일반 산업 인텔리전스인 논문을 유지하지 마십시오.
• 사용자가 명시적으로 지시하지 않는 한 로컬 파일을 읽지 마십시오.

작성 스타일

• 학위 논문 제안서, 문헌 검토 장 및 연구 현황 섹션에 적합한 중국어 학술 산문으로 작성합니다.
• 사용자가 명시적으로 글머리 기호를 요청하지 않는 한, 개요식 나열 대신 간결한 문단을 선호합니다.
• 연결을 자연스럽고 절제되게 유지합니다.
• 추상적인 칭찬보다 구체적인 명사와 구체적인 문제를 선호합니다.
• '혁신 근거'가 슬로건이 아닌 모순에 기반하도록 합니다.

낮은 AI 감지율의 중국어 문헌 리뷰 방법

사용자가 'AI처럼 보이지 않는' 산문을 요청하거나, AIGC 검사에 실패했거나, 학위 논문의 문헌 리뷰 섹션이 인간 연구자가 작성한 것처럼 들리도록 해야 할 때 이 섹션을 사용합니다.

핵심 동작

더 부드러운 전환을 추가하여 문헌 리뷰를 다듬지 마십시오. 구체적인 연구 사슬을 중심으로 각 문단을 재구성합니다:

연구 대상 -> 데이터 또는 조건 -> 사용된 방법 -> 해결된 문제 -> 남은 한계 -> 본 연구와의 연관성

문단이 매번 여섯 부분 모두를 필요로 하는 것은 아니지만, 적어도 세 부분은 구체적이어야 합니다. 문단에 광범위한 분야 레이블, 방법 이름 및 칭찬 단어만 포함되어 있으면 생성된 텍스트처럼 읽힐 것입니다.

템플릿 리뷰 리듬 대체

동일한 골격을 반복하지 마십시오:

• 최근 몇 년 동안, ...의 발전과 함께, ...가 광범위한 관심을 받았습니다.
• 모씨는 ... 방법을 제안하여 좋은 결과를 얻었습니다.
• 이 연구는 ...에 대한 참고 자료를 제공합니다.
• 요약하면, 기존 연구는 풍부한 성과를 거두었지만 여전히 부족한 점이 있습니다.

실제 연구 대상에서 작성하는 것을 선호합니다:

• 시추기 운전 곡선은 먼저 작업 조건 레이블로 변환되어야 구간별 누적 깊이에 단계 경계가 생깁니다. 기존 연구는 일반적으로 회전 속도, 가해지는 힘(WOB), 펌프 압력 및 깊이에서 특징을 추출하여 시추, 순환, 인발(왕복) 및 정지 상태를 식별하는 데 사용합니다.
• 원본 고주파 파일의 노이즈 스파이크는 차분 결과를 증폭시킵니다. 강건 통계 연구에서 중앙값과 MAD는 국부적 추세 판단에 대한 단기 극단값의 영향을 약화시키는 데 자주 사용됩니다.

인용 문장 규율

• 하나의 인용 문장은 하나의 논문 또는 하나의 밀접하게 관련된 주장에 초점을 맞춥니다.
• 일반적인 주장 뒤에 많은 인용문을 쌓아 올리지 마십시오. 여러 논문이 함께 인용된 경우, 먼저 공통점을 말한 다음 다음 문장에서 하나의 구체적인 차이점을 제시합니다.
• 단순히 연구가 많음, 발전이 빠름, 널리 응용됨, 또는 중요한 의미를 가짐이라고 말하는 문장에 인용을 넣지 마십시오.
• 사용자의 학교에서 문장당 하나의 참고 문헌을 요구하는 경우, 유창성을 위해 다시 작성하는 동안에도 이 규칙을 유지합니다.

인간적인 문단 구성

리뷰 문단의 경우:

1. 광범위한 분야 배경이 아닌 연구 문제 또는 데이터 조건으로 시작합니다.
2. 방법 이름만으로가 아니라 논문이 실제로 수행한 작업을 통해 논문을 소개합니다.
3. 기술적 경로를 설명할 때만 방법 이름을 사용합니다.
4. 한계를 구체적인 용어로 표현합니다: 표본 크기, 잡음, 지연, 운전 조건 변화, 센서 배치, 약한 레이블, 해석 가능성, 현장 배포 또는 단위 불일치.
5. 연결이 실제일 때만 사용자의 요구로 끝냅니다. 모든 문단이 본 연구의 기초를 제공함으로 끝나지 않도록 합니다.

좋은 문단 리듬은 고르지 않을 수 있습니다. 한 문장은 데이터 중심일 수 있고, 다음 문장은 경계를 설명할 수 있습니다. 모든 문장의 길이를 동일하게 하거나 모든 문단의 모양을 동일하게 만들지 마십시오.

공학 학위 논문 리뷰 스타일

공학, 장비, 소프트웨어 플랫폼, 데이터 수집, 측정 및 알고리즘 장의 경우:

• 현장 체인과 데이터 체인에서 작성합니다. 센서, 신호, 파일, 윈도우, 변수, 단위, 단계 및 결과가 중요할 때 언급합니다.
• 멀티 소스 데이터 기술이 지능형 시추 개발을 추진했습니다보다는 회전 속도, WOB, 펌프 압력 및 깊이 변수가 시추, 순환 및 정지 상태를 식별하는 데 사용됩니다를 선호합니다.
• 알고리즘을 검토할 때, 방법이 데이터 문제와 일치하는 이유를 설명합니다. 예를 들어, MAD는 강건한 견고성을 가집니다 대신 MAD는 단기 스파이크 처리에 적합합니다를 사용합니다.
• 소프트웨어 또는 플랫폼 작업을 검토할 때, 아키텍처를 광범위한 정보화 주장이 아닌 데이터 흐름과 연결합니다.

탐지 회피 수정 패스

초안 작성 또는 수정 후, 이 패스를 실행합니다:

• 의미를 바꾸지 않고 삭제할 수 있는 도입부 구문을 제거합니다.
• 참조 제공, 기초 마련, 지원 제공, 중요한 의미를 가짐과 같은 반복되는 결말을 검색합니다.
• 연결어 클러스터를 검색합니다: 또한, 동시에, 더 나아가, 따라서, 요약하면.
• 대조 프레임을 검색합니다: ~이 아니라 ~이다, ~일 뿐만 아니라 ~도, ~에 있지 않고 ~에 있다.
• 모든 문장이 모씨 등으로 시작하는 문단을 검색합니다.
• 가능할 때 시스템, 플랫폼, 역량, 수준, 가치, 의미와 같은 광범위한 명사를 구체적인 대상으로 대체합니다.
• 문단이 이전 버전 또는 탐지 스니펫과 너무 가깝게 유지되면, 동의어를 교체하는 대신 문장 순서와 주제 초점을 변경합니다.

리뷰 및 학위 논문 섹션에 대한 10% 미만 AIGC 패스

중국어 학위 논문 또는 리뷰 섹션이 이미 축소되었지만 감지기가 여전히 약 10%-13%를 보고할 때 이 패스를 사용합니다.

• 먼저 반복되는 보고서를 비교합니다. 총 비율이 약간만 변동하는 동안 동일한 문단이 반복적으로 플래그 지정되면, 작업을 완전한 재작성이 아닌 수렴 패스로 처리합니다.
• 점수를 낮추기 위해 리뷰를 확장하거나 관련 없는 인용을 추가하지 마십시오. 추가적인 일반 문헌은 종종 AI 느낌을 높입니다.
• 각 반복 문단에 대해, 그 역할을 변경합니다:
  • 분야 배경에서 특정 데이터 조건으로;
  • 논문 목록에서 각 논문이 처리한 문제로;
  • 방법 칭찬에서 방법이 데이터 문제와 일치한 이유로;
  • 격차 슬로건에서 어떤 센서, 표본, 운전 조건, 레이블 또는 배포 문제가 남아 있는지로;
  • 따라서 본 연구는...에서 본 연구가 이 경계를 필요로 하는 이유는...로.
• Word 구조를 유지해야 하는 경우 하나의 문단을 하나의 문단으로 유지합니다. 분할하는 대신 내부 순서를 다시 작성합니다.
• 문단이 대부분 공식, 변수 또는 결과 통계인 경우, 숫자와 단위를 유지합니다. 설명을 일반적인 수학적 언어에서 변수 출처, 데이터 윈도우 및 공학적 의미로 이동합니다.
• 보고서가 이미 10% 미만인 경우, 여백을 위해 남은 일치하는 문단을 한 번만 다시 작성합니다. 인용, 표, 공식 또는 결과 값을 제거하지 마십시오.

낮은 AI 감지율 문장 동작

고집 센 리뷰 문단에 대해 다음 동작을 사용합니다:

• 분야 트렌드가 아닌 측정 또는 데이터 문제로 시작합니다.
• 모든 문장 앞에 모씨 등으로 두지 말고, 문제 문장 뒤에 인용된 작업을 배치합니다.
• 제안함, 구축함, 구현함, 검증함, 나타냄과 같은 요약 동사를 줄입니다. 실제 작업으로 대체하십시오. 예: 회전 속도와 WOB 윈도우를 사용하여 시추 구간 식별 또는 중앙값을 사용하여 단일 지점 스파이크 약화.
• 여러 문단을 본 연구에 참조/기초/지원 제공으로 끝내지 마십시오. 구체적인 경계 또는 필요로 끝냅니다.
• 약간의 고르지 않음을 유지하십시오. 인간 리뷰는 긴 기술 문장 뒤에 짧은 경계 문장이 올 수 있습니다.

전/후 패턴

약함:

국내외 학자들은 지능형 시추 작업 조건 인식에 대해 많은 연구를 수행했으며, 다양한 기계 학습 및 딥 러닝 방법을 제안하여 좋은 결과를 얻었고, 본 연구에 이론적 기초를 제공했습니다.

강함:

시추기 작업 조건 인식은 일반적으로 회전 속도, WOB, 펌프 압력 및 깊이와 같은 시계열 변수에 의존합니다. 기존 연구는 이러한 변수를 사용하여 시추, 순환, 인발(왕복) 및 정지와 같은 상태를 식별하여 연속 곡선과 현장 동작 간의 대응 문제를 해결했습니다. 본 연구의 후속 단계 인식 및 구간별 누적 깊이도 먼저 이 경계를 결정해야 합니다.

약함:

이상 탐지 방법은 데이터 품질을 효과적으로 향상시킬 수 있으므로 산업 데이터 처리에 널리 사용됩니다.

강함:

고주파 수집 파일의 단일 지점 스파이크는 차분 결과에 직접적인 영향을 미칩니다. 중앙값 및 MAD와 같은 강건 통계량은 먼저 이러한 단기 극단값을 약화시킨 후 단계 인식에 진입하는 데 적합합니다.

다음 참고 자료 사용

• 검색어 설계, 관련성 등급 및 후보 출력 형식에 대해서는 references/paper-discovery.md를 읽으십시오.
• 섹션 골격 및 문장 패턴에 대해서는 references/writing-template.md를 읽으십시오.
• 금지 패턴 및 재작성 예제에 대해서는 references/anti-patterns.md를 읽으십시오.
• 최종 확정 전에 references/quality-checklist.md를 확인하십시오.