@baimingtao/lbs-agent 1.0.0

package/extensions/skills/builtin/research/research-paper-writing/references/reviewer-guidelines.md

@@ -0,0 +1,433 @@
+# 审稿人指南与评估标准
+
+本参考文档介绍了主要 ML/AI 会议上审稿人如何评估论文，帮助作者预见并解决审稿人的顾虑。
+
+---
+
+## 目录
+
+- [通用评估维度](#universal-evaluation-dimensions)
+- [NeurIPS 审稿人指南](#neurips-reviewer-guidelines)
+- [ICML 审稿人指南](#icml-reviewer-guidelines)
+- [ICLR 审稿人指南](#iclr-reviewer-guidelines)
+- [ACL 审稿人指南](#acl-reviewer-guidelines)
+- [优秀审稿意见的要素](#what-makes-reviews-strong)
+- [审稿人常见顾虑](#common-reviewer-concerns)
+- [如何应对审稿反馈](#how-to-address-reviewer-feedback)
+
+---
+
+## 通用评估维度
+
+所有主要的 ML 会议都会从四个核心维度对论文进行评估：
+
+### 1. 质量（技术严谨性）
+
+**审稿人会问：**
+- 论文的主张是否有充分的理论分析或实验结果支撑？
+- 证明是否正确？实验是否经过了严格的对照？
+- baselines 是否合适且对比公平？
+- 方法是否严谨？
+
+**如何确保高质量：**
+- 提供完整的证明（在正文或附录中提供证明思路）
+- 使用合适的 baselines（避免 strawman）
+- 报告方差/误差棒及实验方法
+- 记录超参数的选择过程
+
+### 2. 清晰度（写作与组织结构）
+
+**审稿人会问：**
+- 论文是否写得清晰且组织良好？
+- 该领域的专家能否复现这些结果？
+- 符号是否一致？术语是否有明确定义？
+- 论文是否自成体系（自包含）？
+
+**如何确保清晰度：**
+- 全文使用统一的术语
+- 在首次使用时定义所有符号
+- 包含可复现性细节（可放在附录中）
+- 在提交前请非作者阅读论文
+
+### 3. 重要性（影响力与意义）
+
+**审稿人会问：**
+- 这些结果对社区有影响力吗？
+- 其他人会在这一工作基础上继续研究吗？
+- 它是否解决了一个重要问题？
+- 潜在的现实世界影响力如何？
+
+**如何证明重要性：**
+- 清楚地阐述问题的重要性
+- 将研究与更宏观的主题联系起来
+- 讨论潜在的应用
+- 与现有方法进行有意义的比较
+
+### 4. 原创性（新颖性与贡献）
+
+**审稿人会问：**
+- 这是否提供了新的见解？
+- 它与已有工作有何不同？
+- 这一贡献是否非同寻常（non-trivial）？
+
+**来自 NeurIPS 指南的关键见解：**
+> “原创性不一定要求引入一种全新的方法。那些通过评估现有方法提供新颖见解，或者阐明方法为何成功的论文，同样可以具有高度的原创性。”
+
+---
+
+## NeurIPS 审稿人指南
+
+### 评分系统（1-6 分制）
+
+| 评分 | 标签 | 说明 |
+|-------|-------|-------------|
+| **6** | Strong Accept | 开创性、完美无瑕的工作；位于投稿的前 2-3% |
+| **5** | Accept | 技术扎实，高影响力；将使社区受益 |
+| **4** | Borderline Accept | 扎实的工作，但评估有限；倾向于接收 |
+| **3** | Borderline Reject | 扎实但缺点大于优点；倾向于拒稿 |
+| **2** | Reject | 存在技术缺陷或评估薄弱 |
+| **1** | Strong Reject | 属于众所周知的结果，或存在未解决的伦理问题 |
+
+### 审稿人须知
+
+审稿人被明确要求：
+
+1. **根据写就的论文进行评估** - 而不是基于修改后可能变成的样子
+2. **提供建设性反馈** - 给出 3-5 个可操作的建议点
+3. **不要因为坦诚的局限性而惩罚作者** - 鼓励承认弱点
+4. **评估可复现性** - 该工作是否可被验证？
+5. **考虑伦理影响** - 潜在的滥用或危害
+
+### 审稿人应避免的行为
+
+- 肤浅、无知的评审
+- 要求作者进行不合理的额外实验
+- 因作者坦诚承认局限性而对其进行惩罚
+- 因作者未引用审稿人自己的工作而拒稿
+
+### 时间表（NeurIPS 2025 — 请核实当前年份的具体日期）
+
+- 投标：5月17-21日
+- 评审期：5月29日 - 7月2日
+- 作者 Rebuttal：7月24-30日
+- 讨论期：7月31日 - 8月13日
+- 最终通知：9月18日
+
+> **注意**：以上日期来自 2025 周期。请务必在会议官方网站上查看当年的征稿启事（Call for Papers）。
+
+---
+
+## ICML 审稿人指南
+
+### 审稿结构
+
+ICML 审稿人提供以下内容：
+
+1. **Summary** - 对贡献的简短描述
+2. **Strengths** - 积极的方面
+3. **Weaknesses** - 需要改进的地方
+4. **Questions** - 需要作者澄清的问题
+5. **Limitations** - 对声明局限性的评估
+6. **Ethics** - 任何伦理方面的顾虑
+7. **Overall Score** - 最终推荐意见
+
+### 评分指南
+
+ICML 使用带有校准的类似 1-6 分制：
+- 被接收论文中的前 25%：打分 5-6
+- 典型的接收论文：打分 4-5
+- 边缘情况：打分 3-4
+- 明确拒稿：打分 1-2
+
+### 核心评估点
+
+1. **可复现性** - 是否提供了足够的细节？
+2. **实验严谨性** - 是否使用了多种随机种子、合适的 baselines？
+3. **写作质量** - 是否清晰、有条理、结构良好？
+4. **新颖性** - 贡献是否 non-trivial？
+
+---
+
+## ICLR 审稿人指南
+
+### OpenReview 流程
+
+ICLR 使用 OpenReview 系统，包含：
+- 公开评审（在做出接收决定后公开）
+- 作者回复对审稿人可见
+- 审稿人与 AC 之间的讨论
+
+### 评分
+
+ICLR 评审意见包括：
+- **Soundness**：1-4 分制
+- **Presentation**：1-4 分制
+- **Contribution**：1-4 分制
+- **Overall**：1-10 分制
+- **Confidence**：1-5 分制
+
+### ICLR 特有考量
+
+1. **LLM 使用声明** - 审稿人会评估是否妥善披露了 LLM 的使用情况
+2. **可复现性** - 强调代码的可用性
+3. **互评机制** - 作者也必须担任审稿人
+
+---
+
+## ACL 审稿人指南
+
+### ACL 特有标准
+
+ACL 增加了针对 NLP 领域的特定评估：
+
+1. **语言学严谨性** - 语言学主张是否准确？
+2. **资源文档化** - 数据集/模型是否记录完善？
+3. **多语言考量** - 如果适用，是否解决了语言多样性问题？
+
+### Limitations 部分
+
+ACL 特别要求提供单独的 Limitations 部分。审稿人会检查：
+- 局限性说明是否坦诚且全面？
+- 这些局限性是否动摇了核心主张？
+- 是否讨论了潜在的负面影响？
+
+### 伦理审查
+
+ACL 设有专门的伦理审查流程，针对：
+- 双重用途（Dual-use）的顾虑
+- 数据隐私问题
+- 偏见与公平性影响
+
+---
+
+## AAAI 审稿人指南
+
+### 评估标准
+
+AAAI 审稿人按照与 NeurIPS/ICML 类似的维度进行评估，但也存在一些差异：
+
+| 标准 | 权重 | 说明 |
+|-----------|--------|-------|
+| **Technical quality** | 高 | 方法的严谨性、结果的正确性 |
+| **Significance** | 高 | 问题与贡献的重要性 |
+| **Novelty** | 中-高 | 新颖的思想、方法或见解 |
+| **Clarity** | 中 | 写作清晰、组织良好的展示 |
+| **Reproducibility** | 中 | 包含足以复现结果的细节 |
+
+### AAAI 特有考量
+
+- **更广的 AI 范围**：AAAI 涵盖整个人工智能领域，而不仅仅是 ML。涉及规划、推理、知识表示、NLP、视觉、机器人和多智能体系统（multi-agent systems）的论文都在范围内。审稿人可能并不是资深的 ML 专家。
+- **格式严格性**：AAAI 审稿人被要求标记格式违规。不合规的论文可能会在评审前被桌面拒稿（desk-rejected）。
+- **应用型论文**：与 NeurIPS/ICML 相比，AAAI 更倾向于接收以应用为导向的工作。构建一个强有力的应用贡献是可行的。
+- **高级程序委员会**：AAAI 使用 SPC（Senior Program Committee 成员），他们在审稿人之间进行协调，并提出接收/拒稿建议。
+
+### 评分（AAAI 分制）
+
+- **Strong Accept**：明显高于接收线，出色的贡献
+- **Accept**：高于接收线，带有微小问题的良好贡献
+- **Weak Accept**：处于边缘，优点大于顾虑
+- **Weak Reject**：处于边缘，顾虑大于优点
+- **Reject**：低于接收线，存在重大问题
+- **Strong Reject**：远低于接收线
+
+---
+
+## COLM 审稿人指南
+
+### 评估标准
+
+除了标准标准外，COLM 评审还重点关注与语言建模（language modeling）的相关性：
+
+| 标准 | 权重 | 说明 |
+|-----------|--------|-------|
+| **Relevance** | 高 | 必须与语言建模社区相关 |
+| **Technical quality** | 高 | 方法严谨，主张有充分支撑 |
+| **Novelty** | 中-高 | 关于语言模型的新见解 |
+| **Clarity** | 中 | 表达清晰，可复现 |
+| **Significance** | 中-高 | 对 LM 研究与实践的影响 |
+
+### COLM 特有考量
+
+- **语言模型焦点**：审稿人将评估贡献是否增进了对语言模型的理解。一般的 ML 贡献需要具有明确的 LM 框架。
+- **较新的会议规范**：COLM 是比 NeurIPS/ICML 更新的会议，因此审稿人的校准程度差异更大。在写作时要更具防御性——应预判审稿人专业背景更为广泛。
+- **源自 ICLR 的流程**：评审流程模仿 ICLR（公开评审、作者回复期、审稿人之间的讨论）。
+- **对“语言建模”的宽泛解释**：包括训练、评估、对齐（alignment）、安全、效率、应用、理论、多模态（如果以语言为核心）以及 LM 的社会影响。
+
+### 评分
+
+COLM 使用类似 ICLR 的评分系统：
+- **8-10**：Strong accept（顶级论文）
+- **6-7**：Weak accept（扎实的贡献）
+- **5**：Borderline
+- **3-4**：Weak reject（低于接收线）
+- **1-2**：Strong reject
+
+---
+
+## 优秀审稿意见的要素
+
+### 遵循 Daniel Dennett 的规则
+
+优秀的审稿人遵循以下原则：
+
+1. **公平地重申立场** - 证明你理解了这篇论文
+2. **列出同意的观点** - 承认做得好的地方
+3. **列出你学到的内容** - 肯定其贡献
+4. **然后再进行批评** - 在建立相互理解之后再批评
+
+### 审稿结构最佳实践
+
+**优秀的审稿结构：**
+```
+Summary (1 paragraph):
+- What the paper does
+- Main contribution claimed
+
+Strengths (3-5 bullets):
+- Specific positive aspects
+- Why these matter
+
+Weaknesses (3-5 bullets):
+- Specific concerns
+- Why these matter
+- Suggestions for addressing
+
+Questions (2-4 items):
+- Clarifications needed
+- Things that would change assessment
+
+Minor Issues (optional):
+- Typos, unclear sentences
+- Formatting issues
+
+Overall Assessment:
+- Clear recommendation with reasoning
+```
+
+---
+
+## 审稿人常见顾虑
+
+### 技术顾虑
+
+| 顾虑 | 如何预先应对 |
+|---------|-----------------|
+| “Baselines 太弱” | 使用 state-of-the-art 的 baselines，引用近期文献 |
+| “缺乏消融实验” | 包含系统的消融研究 |
+| “没有误差棒” | 报告标准差/误差，进行多次运行 |
+| “超参数未调优” | 记录调优过程和搜索范围 |
+| “主张缺乏支撑” | 确保每一个主张都有证据 |
+
+### 新颖性顾虑
+
+| 顾虑 | 如何预先应对 |
+|---------|-----------------|
+| “只是增量贡献” | 清楚地阐述与已有工作相比新在哪里 |
+| “与 [论文 X] 相似” | 在 Related Work 中明确与 X 进行比较 |
+| “直接的扩展” | 强调那些不那么显然的方面 |
+
+### 清晰度顾虑
+
+| 顾虑 | 如何预先应对 |
+|---------|-----------------|
+| “难以理解” | 使用清晰的结构和路标提示 |
+| “符号不一致” | 检查所有符号，制作符号表 |
+| “缺失细节” | 添加用于可复现性的附录 |
+| “图表不清晰” | 使用自包含的标题和合适的大小 |
+
+### 重要性顾虑
+
+| 顾虑 | 如何预先应对 |
+|---------|-----------------|
+| “影响有限” | 讨论更广泛的影响 |
+| “评估范围过窄” | 在多个 benchmarks 上进行评估 |
+| “只在受限环境中有效” | 承认适用范围，并解释为何仍然有价值 |
+
+---
+
+## 如何应对审稿反馈
+
+### Rebuttal 最佳实践
+
+**宜：**
+- 感谢审稿人付出的时间
+- 具体回应每一个顾虑
+- 提供证据（如果可能，提供新的实验）
+- 保持简洁——审稿人很忙
+- 接受合理的批评
+
+**忌：**
+- 充满防御性或轻视的态度
+- 做出无法兑现的承诺
+- 忽略难以回答的批评
+- 撰写篇幅过长的 rebuttal
+- 在主观评价上争论不休
+
+### Rebuttal 模板
+
+```markdown
+We thank the reviewers for their thoughtful feedback.
+
+## Reviewer 1
+
+**R1-Q1: [Quoted concern]**
+[Direct response with evidence]
+
+**R1-Q2: [Quoted concern]**
+[Direct response with evidence]
+
+## Reviewer 2
+
+...
+
+## Summary of Changes
+If accepted, we will:
+1. [Specific change]
+2. [Specific change]
+3. [Specific change]
+```
+
+### 何时应当接受批评
+
+对于部分审稿意见，应当直接接受：
+- 确实存在的技术错误
+- 遗漏了重要的相关工作
+- 解释不够清楚
+- 缺失了实验细节
+
+得体地承认这些问题：“审稿人说得对，确实……我们将修改为……”
+
+### 何时应当反驳
+
+在以下情况，你可以礼貌地表达不同意：
+- 审稿人误解了论文
+- 要求补充的实验超出了研究范围
+- 批评在事实上存在错误
+
+以建设性的方式表达分歧：“我们感谢审稿人提出这一视角。然而，[解释]……”
+
+---
+
+## 提交前的审稿人模拟
+
+在提交之前，请问自己：
+
+**质量：**
+- [ ] 如果我看到这些结果，我会相信吗？
+- [ ] 所有的主张都有证据支撑吗？
+- [ ] baselines 是否公平且是最新的？
+
+**清晰度：**
+- [ ] 别人能根据论文复现这项工作吗？
+- [ ] 对于该子领域的非专家来说，写作是否清晰？
+- [ ] 所有的术语和符号是否都已定义？
+
+**重要性：**
+- [ ] 为什么社区应该关注这项研究？
+- [ ] 人们可以用这项工作做什么？
+- [ ] 这是一个重要的问题吗？
+
+**原创性：**
+- [ ] 这里的新意具体体现在哪里？
+- [ ] 与最接近的相关工作有何不同？
+- [ ] 这一贡献是否 non-trivial？

package/extensions/skills/builtin/research/research-paper-writing/references/sources.md

@@ -0,0 +1,191 @@
+# 参考文献来源
+
+本文档列出了用于构建此 skill 的所有权威来源，并按主题进行了组织。
+
+---
+
+## 起源与归属
+
+本 skill 中的写作理念、引用验证工作流以及会议参考材料最初由 **[Orchestra Research](https://github.com/orchestra-research)** 编制，作为 `ml-paper-writing` skill（2026 年 1 月），参考了 Neel Nanda 的博客文章以及下面列出的其他研究者指南。该 skill 由 teknium（2026 年 1 月）集成到 hermes-agent 中，随后由 SHL0MS（2026 年 4 月，PR #4654）扩展为当前的 `research-paper-writing` 流程，在保留原有写作理念和参考文件的同时，增加了实验设计、执行监控、迭代改进和提交阶段。
+
+---
+
+## 写作理念与指南
+
+### 主要来源（必读）
+
+| 来源 | 作者 | URL | 核心贡献 |
+| -------- | -------- | ----- | ------------------ |
+| **Highly Opinionated Advice on How to Write ML Papers** | Neel Nanda | [Alignment Forum](https://www.alignmentforum.org/posts/eJGptPbbFPZGLpjsp/highly-opinionated-advice-on-how-to-write-ml-papers) | 叙事框架，“What/Why/So What”，时间分配 |
+| **How to Write ML Papers** | Sebastian Farquhar (DeepMind) | [Blog](https://sebastianfarquhar.com/on-research/2024/11/04/how_to_write_ml_papers/) | 5 句摘要公式，结构模板 |
+| **A Survival Guide to a PhD** | Andrej Karpathy | [Blog](http://karpathy.github.io/2016/09/07/phd/) | 论文结构配方，贡献框定 |
+| **Heuristics for Scientific Writing** | Zachary Lipton (CMU) | [Blog](https://www.approximatelycorrect.com/2018/01/29/heuristics-technical-scientific-writing-machine-learning-perspective/) | 词语选择，章节平衡，强化词警告 |
+| **Advice for Authors** | Jacob Steinhardt (UC Berkeley) | [Blog](https://jsteinhardt.stat.berkeley.edu/blog/advice-for-authors) | 精确性重于简洁性，术语一致性 |
+| **Easy Paper Writing Tips** | Ethan Perez (Anthropic) | [Blog](https://ethanperez.net/easy-paper-writing-tips/) | 微观技巧，撇号展开，清晰度窍门 |
+
+### 基础科技写作
+
+| 来源 | 作者 | URL | 核心贡献 |
+| -------- | -------- | ----- | ------------------ |
+| **The Science of Scientific Writing** | Gopen & Swan | [PDF](https://cseweb.ucsd.edu/~swanson/papers/science-of-writing.pdf) | Topic/stress positions，旧信息在前原则，7 项原则 |
+| **Summary of Science of Scientific Writing** | Lawrence Crowl | [Summary](https://www.crowl.org/Lawrence/writing/GopenSwan90.html) | Gopen & Swan 理论的精简版本 |
+
+### 其他资源
+
+| 来源 | URL | 核心贡献 |
+| -------- | ----- | ------------------ |
+| How To Write A Research Paper In ML | [Blog](https://grigorisg9gr.github.io/machine%20learning/research%20paper/how-to-write-a-research-paper-in-machine-learning/) | 实践演示，LaTeX 技巧 |
+| A Recipe for Training Neural Networks | [Karpathy Blog](http://karpathy.github.io/2019/04/25/recipe/) | 可转化为论文结构的调试方法论 |
+| ICML Paper Writing Best Practices | [ICML](https://icml.cc/Conferences/2022/BestPractices) | 官方会议投稿指南 |
+| Bill Freeman's Writing Slides | [MIT](https://billf.mit.edu/sites/default/files/documents/cvprPapers.pdf) | 论文结构视觉指南 |
+
+---
+
+## 官方会议指南
+
+### NeurIPS
+
+| 文档 | URL | 用途 |
+| ---------- | ----- | --------- |
+| Paper Checklist Guidelines | [NeurIPS](https://neurips.cc/public/guides/PaperChecklist) | 16 项强制检查清单 |
+| Reviewer Guidelines 2025 | [NeurIPS](https://neurips.cc/Conferences/2025/ReviewerGuidelines) | 评估标准，打分机制 |
+| Style Files | [NeurIPS](https://neurips.cc/Conferences/2025/PaperInformation/StyleFiles) | LaTeX 模板 |
+
+### ICML
+
+| 文档 | URL | 用途 |
+| ---------- | ----- | --------- |
+| Paper Guidelines | [ICML](https://icml.cc/Conferences/2024/PaperGuidelines) | 投稿要求 |
+| Reviewer Instructions 2025 | [ICML](https://icml.cc/Conferences/2025/ReviewerInstructions) | 审稿表格，评估机制 |
+| Style & Author Instructions | [ICML](https://icml.cc/Conferences/2022/StyleAuthorInstructions) | 格式规范 |
+
+### ICLR
+
+| 文档 | URL | 用途 |
+| ---------- | ----- | --------- |
+| Author Guide 2026 | [ICLR](https://iclr.cc/Conferences/2026/AuthorGuide) | 投稿要求，LLM 披露规范 |
+| Reviewer Guide 2025 | [ICLR](https://iclr.cc/Conferences/2025/ReviewerGuide) | 审稿流程，评估机制 |
+
+### ACL/EMNLP
+
+| 文档 | URL | 用途 |
+| ---------- | ----- | --------- |
+| ACL Style Files | [GitHub](https://github.com/acl-org/acl-style-files) | LaTeX 模板 |
+| ACL Rolling Review | [ARR](https://aclrollingreview.org/) | 投稿流程 |
+
+### AAAI
+
+| 文档 | URL | 用途 |
+| ---------- | ----- | --------- |
+| Author Kit 2026 | [AAAI](https://aaai.org/authorkit26/) | 模板与指南 |
+
+### COLM
+
+| 文档 | URL | 用途 |
+| ---------- | ----- | --------- |
+| Template | [GitHub](https://github.com/COLM-org/Template) | LaTeX 模板 |
+
+---
+
+## 引用 API 与工具
+
+### API
+
+| API | 文档 | 最适用场景 |
+| ----- | --------------- | ---------- |
+| **Semantic Scholar** | [Docs](https://api.semanticscholar.org/api-docs/) | ML/AI 论文，引用图谱 |
+| **CrossRef** | [Docs](https://www.crossref.org/documentation/retrieve-metadata/rest-api/) | DOI 查询，BibTeX 检索 |
+| **arXiv** | [Docs](https://info.arxiv.org/help/api/basics.html) | 预印本，PDF 访问 |
+| **OpenAlex** | [Docs](https://docs.openalex.org/) | 开源替代方案，批量访问 |
+
+### Python 库
+
+| 库 | 安装 | 用途 |
+| --------- | --------- | --------- |
+| `semanticscholar` | `pip install semanticscholar` | Semantic Scholar 封装器 |
+| `arxiv` | `pip install arxiv` | arXiv 搜索与下载 |
+| `habanero` | `pip install habanero` | CrossRef 客户端 |
+
+### 引用验证
+
+| 工具 | URL | 用途 |
+| ------ | ----- | --------- |
+| Citely | [citely.ai](https://citely.ai/citation-checker) | 批量验证 |
+| ReciteWorks | [reciteworks.com](https://reciteworks.com/) | 正文引用检查 |
+
+---
+
+## 可视化与排版
+
+### 图表制作
+
+| 工具 | URL | 用途 |
+| ------ | ----- | --------- |
+| PlotNeuralNet | [GitHub](https://github.com/HarisIqbal88/PlotNeuralNet) | TikZ 神经网络图表 |
+| SciencePlots | [GitHub](https://github.com/garrettj403/SciencePlots) | 可直接用于发表的 matplotlib 样式 |
+| Okabe-Ito Palette | [Reference](https://jfly.uni-koeln.de/color/) | 色盲友好配色方案 |
+
+### LaTeX 资源
+
+| 资源 | URL | 用途 |
+| ---------- | ----- | --------- |
+| Overleaf Templates | [Overleaf](https://www.overleaf.com/latex/templates) | 在线 LaTeX 编辑器 |
+| BibLaTeX Guide | [CTAN](https://ctan.org/pkg/biblatex) | 现代文献引用管理 |
+
+---
+
+## 关于 AI 写作与幻觉的研究
+
+| 来源 | URL | 关键发现 |
+| -------- | ----- | ------------- |
+| AI Hallucinations in Citations | [Enago](https://www.enago.com/academy/ai-hallucinations-research-citations/) | 错误率约为 40% |
+| Hallucination in AI Writing | [PMC](https://pmc.ncbi.nlm.nih.gov/articles/PMC10726751/) | 引用错误的类型 |
+| NeurIPS 2025 AI Report | [ByteIota](https://byteiota.com/neurips-2025-100-ai-hallucinations-slip-through-review/) | 超过 100 个幻觉引用 |
+
+---
+
+## 按主题快速索引
+
+### 关于叙事与结构
+→ 从以下入手：Neel Nanda, Sebastian Farquhar, Andrej Karpathy
+
+### 关于句子层面的清晰度
+→ 从以下入手：Gopen & Swan, Ethan Perez, Zachary Lipton
+
+### 关于遣词造句与风格
+→ 从以下入手：Zachary Lipton, Jacob Steinhardt
+
+### 关于特定会议的要求
+→ 从以下入手：官方会议指南 (NeurIPS, ICML, ICLR, ACL)
+
+### 关于文献引用管理
+→ 从以下入手：Semantic Scholar API, CrossRef, citation-workflow.md
+
+### 关于审稿人期望
+→ 从以下入手：各会议的审稿指南，reviewer-guidelines.md
+
+### 关于人类评估
+→ 从以下入手：human-evaluation.md，Prolific/MTurk 官方文档
+
+### 关于非实验类论文（理论、综述、基准测试、立场性文章）
+→ 从以下入手：paper-types.md
+
+---
+
+## 人类评估与数据标注
+
+| 来源 | URL | 核心贡献 |
+| -------- | ----- | ------------------ |
+| **Datasheets for Datasets** | Gebru et al., 2021 ([arXiv](https://arxiv.org/abs/1803.09010)) | 结构化数据集记录框架 |
+| **Model Cards for Model Reporting** | Mitchell et al., 2019 ([arXiv](https://arxiv.org/abs/1810.03993)) | 结构化模型记录框架 |
+| **Crowdsourcing and Human Computation** | [Survey](https://arxiv.org/abs/2202.06516) | 众包标注的最佳实践 |
+| **Krippendorff's Alpha** | [Wikipedia](https://en.wikipedia.org/wiki/Krippendorff%27s_alpha) | 标注者间一致性指标参考 |
+| **Prolific** | [prolific.co](https://www.prolific.co/) | 推荐的科研众包平台 |
+
+## 伦理与广泛影响
+
+| 来源 | URL | 核心贡献 |
+| -------- | ----- | ------------------ |
+| **ML CO2 Impact** | [mlco2.github.io](https://mlco2.github.io/impact/) | 计算碳排放足迹计算器 |
+| **NeurIPS Broader Impact Guide** | [NeurIPS](https://neurips.cc/public/guides/PaperChecklist) | 关于广泛影响声明的官方指南 |
+| **ACL Ethics Policy** | [ACL](https://www.aclweb.org/portal/content/acl-code-ethics) | NLP 研究的伦理要求 |