研究写作 是做什么的？
大多数糟糕的研究写作并非文笔差。而是不可证伪——文笔流畅、措辞准确的散文，却不做任何可能被证明为错的声明，导致读者读完无所适从。有据可查，而非主观臆断：一段AI生成的研究散文，在整词级别检查中得分每万字0.0个命中，472个词中只包含一个可证伪的声明。它通过了所有表面检查，却什么都没说。
因此，第一步是声明审计。其他一切均为次要。
第一步 —— 审计（始终运行此步）
首先选择模式。 向文档提出错误的问题将一无所获。
| 你的身份… | 分析单元 | 核心问题 |
|---|---|---|
| 修改散文 | 每个段落 | 什么观察结果会使此判断为假？ |
| 起草散文 | 你打算提出的每个声明，在写作之前 | 同上，在散文存在之前回答 |
| 设计尚无结果的工作 | 每个承载假设 | 如果此假设是错误的，工作是否仍能测量它所声称的内容？ |
设计模式并非一种变体。设计的断言关乎将要被测量的内容，而“我们将扫遍八层”不可能为假，因此可证伪性无从着力。一个即使被证明为错也仍能成立的假设没问题；反之，则是在工作开始前就需要控制的混杂因素。
修改与起草
| 段落 | 该段的一个核心声明 | 自己的还是引用的？ | 什么会使它为假？ |
|---|
- 自己的 vs 引用的。 即使所有引用都准确无误，一个自己的声明仍可能是错的。“Qin等人报告了X”是引用的；“X不能作为门控”是自己的。一个只包含引用声明的草稿不可能出错——这正是缺陷所在。
- 书面形式下的可证伪性 —— 读者仅凭句子本身就能指出反驳的观察结果。“强相关”不满足，因为没有要违反的阈值。“在三个模型上相关系数r>0.5”满足。
- 未量化的最高级是最常见的失败：最清晰的、主要的、大多数、少数几个之一。给出标准，否则删除排名。
- 分析性声明带有标记
[A]。 一个衍生声明 —— “对于任何u，系数恰好为1” —— 无法被任何观察结果反驳，只能被推导错误或前提失败所反驳。将前提的可证伪条件放在第四列，而非声明的，因为经验内容存在于前提。我们自己的例子：核心声明是分析性的，其前提是前缀共享属性，而该前提是[E-017]和[E-018]所测量的。防护：分析性声明必须在文档或引用中提供其推导过程。未显示推导过程则意味着并非分析性，只是不可证伪。
修复第四列为空的每一行 —— 要么锐化，要么降级为明确的引用，要么删除。如果完全没有自己的声明，则停止并声明；没有重写能解决这个问题。
“我不知道该拿这个怎么办”在此处解决，而非通过格式化。 一份草稿可能充满无法执行的指令 — “使用GradSim作为预编辑风险评分” 有动词也有宾语，但无法执行，因为门控需要阈值和原文本从未给出的错误率。空洞的指令建立在未量化的声明之上。 不要在未通过此步的草稿上附加一个“下一步行动”列表；这只能得到一个整洁的、但无人能执行的清单。
设计
| 编号 | 承载假设 | 如果为假，工作还能成立吗？ | 控制措施 |
|---|
将可行性也视为一个假设：这在我实际拥有的计算、数据和依赖预算内运行。 一个依赖项在其调用中有一半失败，这是一个会改变工件的设计参数 —— 需要设置检查点、可恢复性 —— 而非稍后要吸收的意外事件。第三列为“否”是一个混杂因素；在开启任务之前指明其控制措施。
第二个任务，也是最重要的任务
一旦每一行都有了第四列，哪个声明是承载性的就变得可见。
审计告诉你什么是承载性的。它不告诉你强加什么顺序 —— 这由文体决定。
- 论文按依赖关系排序：其他声明所依赖的声明放在首位，仅仅是确认它的则降级。
- 实验笔记、记录或叙述按时间顺序排序。一项旨在展示八个声明按其被撤回的顺序被撤回的帖子，如果按依赖关系排序将被毁掉。
- 两者可以组合。按时间顺序排列的文档仍然有进行论证的章节，并且在论证章节内，依赖关系决定文档顶层所采用的任何顺序。
将这一点弄反是此步骤可能造成损害的唯一方式，因此在移动任何内容之前先确定文体。
在三次实际使用中，过滤机制捕获了零个不可证伪的声明 —— 每个来源本身就已达到该标准 —— 而排序每次都改变了结构。期待排序，而非过滤。 一个什么都没捕捉到的审计并未失败；读取表格以了解什么优于什么。
第二步 —— 七个结构性问题
按顺序。工作示例：references/structure.md。问题2和3是三次实际使用中真正触发过的问题 —— 2触发两次，3触发一次 —— 因此优先关注它们。三次使用不足以构成排名，只是值得关注之处。
- 标题 —— 每个标题能否重写为带有真值的句子？ （导航标签 —— 参考文献、附录、方法、以及任何承担局限性章节角色的标题 —— 除外。）
- 缺口 —— 哪个缺口？填补它需要多少成本？填补后会改变什么？未定价的缺口是一种空想。
- 符号 —— 每个对象在获得符号之前，是否先以英文按其功能命名？
references/mathematics.md。 - 省略 —— 每个被省略的项是否在其被省略处得到确认？“……为了符号简洁性，我们省略了x。”
- 命名 —— 现有词汇是否能精确地描述此概念？如果可以，借用它；不确定时则自创新词，因为新词失败时很明显，而借用不当会静默地失败。
- 含混措辞 —— 将其隔离，而非减少。 所有限定性陈述都进入一个命名的“局限性”章节，正文部分不加修饰地陈述。相同的认知内容，但更集中且更诚实：具体的局限性被命名，而非使用模糊的副词。
- 批评 —— 在指出损害之前是否先固定了范围？“X被构建来做A，它做到了。B是另一个不同的问题。问题在于下游。”
每份草稿都有一个局限性章节，无论其名称是什么
隔离是要求；名称不是。 在对抗性语域中，“攻击点”也能起到同样的作用。无论哪个章节扮演此角色，都豁免于真值标题规则。
但需检查第三类别在重命名后是否得以保留。 对抗性框架只收集审稿人会攻击的内容，而没有人会攻击使用上的约束 —— 因此当该章节被命名为其他内容时，该类别的条目往往消失。
三种类型的条目，其中第三类从不单独出现：
- 结果未显示的内容 —— “测量的是知识是否存在，而非模型是否会生成它。”
- 未完成的内容 —— “我尚未在GPT-2-XL上运行受约束的测量。”
- 结果可能不被如何使用 —— “这是研究结果的一个推论，而非我提供的方法。” 第二步没有任何问题生成它；需有意添加。
第三步 —— 语法检查（地板，而非门禁）
python scripts/lint.py --rate DRAFT.md
参考比率：内联风格散文每万字0.0（基于27700词），已发表的机械解释性论文5.1，未编辑的调查报告散文6.4。1.25倍的差距 —— 这无法区分一篇好论文和一篇坏报告。
它也不是作者身份测试。 比率追踪的是作者是否遵循内联风格，而非谁敲打了文字：在实际使用中，两篇AI编写的文档得分0.0（分别是3200词和13100词）。永远不要将干净的语法检查报告作为质量或出处的证据。
定位声明
关于新颖性的判断 —— “这是未被声称过的”、“我们被抢先了” —— 本身也是一个声明，因此第一步保持不变地适用。一个未经修饰的判断是意见；一个指出最相关论文未做什么的判断则可以核查。以下是审计不产生的两条规则：
搁置项目需要比继续项目更强的证据。 一个错误的“道路畅通”判断后来会在论文出现时浮出水面。而一个错误的“我们被抢先了”判断会静默地终止工作，并且不产生任何证明其错误的证据。 未经核实的抢先判断是进行核实的理由，而非搁置的理由。
当一个判断涉及论文实际做了什么时，应阅读其方法或附录，而非其正文。 引言部分说明作者希望构建能产生什么；附录说明实际执行了什么。再多的额外搜索也无法捕获这一点。
此技能不能做什么
这些步骤改进了草稿的认识论结构，而非其证据基础。 有据可查：应用它们增加了七个可证伪的声明和零个新数据，因为原始来源没有任何数据。在证据薄弱的情况下，它们会生成“证据薄弱”的明确陈述 —— 这比自信的薄弱要好，但不等同于证据充分。
如果草稿需要它没有的数据，请指出并停止。
它也不决定工作是否值得做、不运行文献搜索、也不选择下一步要构建什么。这些属于项目级设计协议的范畴。
参考文献
references/structure.md—— 七个问题，附有前后对比示例references/mathematics.md—— 先文字后符号；名称的自由推理测试references/exemplars.md—— 标记的段落，以及一个完整的反例references/voice.md—— 仅用于从零起草。 扩展现有文档？从文档中获取语体。