| name | nature-writing |
|---|---|
| description | 面向中国 AI / ML 研究者，主投 Nature Machine Intelligence、次投 Nature Communications / Nature Computational Science、必要时冲刺 Nature 的论文写作技能（craft + taste + story-craft）。v5 在 v4 拆分版上吸收了 8 篇 2024–2026 NMI/NC/Nature 纯 AI 方法论文（DeepSeek-R1、Densing law、AligNet、ADeLe、Webb-MAP、DiscoRL、Farquhar semantic-entropy、Whitelam Simmering），新增 measurement / new-ruler hook、correctness-gap limitation、pure-AI 数字密度 carve-out、SI black hole 反模式、AI evaluation/measurement 子门类剧本等。本 SKILL.md 为瘦索引：骨架公式、写作顺序、按任务加载的 routing table、提交前 checklist、屏幕边 quick card、附录。详细章节按需 Read `references/01-story.md` … `references/15-taste-development.md`。视觉/figure 设计见姊妹 skill `FIGURE-SKILL.md`。所有 verbatim 引文可回查 `extracts/01-singlecell.md` … `extracts/07-ai-methods.md` 7 个文件 / 共 44 篇论文。 |
资料来源：7 类领域共 44 篇开放获取论文的逐句抽取在
extracts/01-singlecell.md…07-ai-methods.md；抽取框架见_framework.md（v5：补 8 篇 2024–2026 NMI/NC/Nature 纯 AI 方法论文）。
读者：中文母语或中文工作语境中的 AI / ML 研究者。主投 Nature Machine Intelligence；次投 Nature Communications 与 Nature Computational Science；少数旗舰工作冲 Nature。
目标：不只是“能过审”，而是让审稿人读完后说：well-written, clearly motivated, compelling, careful, and hard to put down.
约定：
- 英文引号里的句子是 corpus verbatim，除非标注为“模板 / 构造 / 改写”。
<X>是占位符。[…]是删节；…是原文或节选中的省略。- 本文档把规律分为三档：
- 常见模式：44 篇里多数遵循，可作为默认。
- 子门类倾向：只在 foundation model / benchmark / AI-for-X / clinical AI 等特定类型里成立。
- 强约定：罕有例外，违反通常会显得生硬或不可信。
- 不使用“铁律 / 必须 / 绝不”。好论文知道规矩，也知道何时破规矩。 本文档为瘦索引：保留全篇都需要看到的部分（骨架公式、写作顺序、提交前 checklist、Quick card、附录），其余按主题拆到
references/01-story.md…references/15-taste-development.md。详细加载规则见 §1。
Patron sentence — FunSearch:
"Many problems in mathematical sciences are 'easy to evaluate,' despite being typically 'hard to solve.'"
这句话好，因为它不是“我们提出一个方法”。它把整篇论文的戏剧张力先说出来：有一类问题，答案很难找，但好坏很容易判。于是 FunSearch 的 LLM + evaluator 设计变成必然，而不是作者硬塞给读者的系统图。
v3 教你 craft：title 怎么写，abstract 怎么排，Results 怎么开句，Methods 报什么。
v4 还要教 taste：哪个结果该当 Fig. 1，哪个该进 Supplementary，哪句话该收住，哪句话该响一点，哪种故事配得上 “paves the way”。
多数论文仍遵循这一条骨架：
TITLE
← 4–6 种定式之一：工具名 / 工具名+冒号 / X enables Y / Towards a… / Discovery of…
ABSTRACT
s1 BIG-PICTURE / 重要性
s2 GAP
[s3 GAP-2 / contrast / opportunity]
s4 HERE-WE pivot：Here we / We introduce / We propose / We report / This paper introduces
s5 METHOD-SPEC：数字最密的一句（默认；纯 AI 方法 / safety / evaluation 论文可把数字峰值后移到 KEY-RESULT 或 VALIDATION——见 `references/03-abstract.md` §3.2.2 carve-out）
s6 KEY-RESULT：一个强数字 + 命名 baseline / benchmark / human anchor
[s7 VALIDATION / GENERALIZATION / 第二轴结果]
s8 IMPLICATION：paves the way / opens the door / democratizes / represents a step
INTRODUCTION
宽 hook → recent advances → gap → pivot → results preview
RESULTS
4–10 个子节：每节一个 claim / task / capability；Fig. 1 建立阅读地图
METHODS
复现细节、数据切分、baseline、公平性、compute、statistics、code/model/data availability
DISCUSSION
重述贡献 → 与 prior work 比较 → limitation → outlook / community / deployment
Craft 问：
“Nature 系论文通常怎么写？”
Taste 问：
“这篇论文的最强阅读路线是什么？”
Craft 给你模板。Taste 决定你何时不用模板。
AlphaGeometry 的标题 "Solving olympiad geometry without human demonstrations" 没有工具名、没有冒号、没有 X enables Y，但它把贡献的张力放在标题里：不是“solving geometry”，而是 without human demonstrations。
FunSearch 的 abstract 有 10 句，明显超过 5–8 句默认骨架，但每一句都推进：capability → hallucination flaw → here-we → result 1 → result 2 → mechanism contrast → interpretability value。
SemanticLens 用 aeroplane analogy 开篇：
"Unlike human-engineered systems such as aeroplanes, where each component's role and dependencies are well understood, the inner workings of AI models remain largely opaque…"
这些都不是破坏规矩。它们是在更高层面服从故事。
不要先把所有实验按时间顺序贴进 Results，再想标题。正确顺序是：
1. 选 story shape：这篇论文到底是什么故事？
2. 选 climax：哪个结果是读者必须记住的？
3. 选 Fig. 1：读者第一眼看到的是 bottleneck、machine、funnel、scaling law，还是 human benchmark？
4. 删弱枝：不能服务主故事的实验，进 Supplementary 或删掉。
5. 再写 abstract / intro / results。
6. 最后逐句打磨 rhythm、verb、restraint、overclaim boundary。
写作不是线性的；读 SKILL 也不该线性。每个写作阶段或具体困境，按下面表格只 Read 1–2 个 reference 文件。
| 阶段 / 困境 | 主 load | 辅 load |
|---|---|---|
| 构思 / 还在选 story shape，未决定 climax | references/01-story.md |
references/12-subgenres.md, references/14-journals.md |
| 选 venue / 不知道投哪个刊 | references/14-journals.md |
references/12-subgenres.md |
| 写标题 | references/02-title.md |
— |
| 写 abstract | references/03-abstract.md |
references/11-language-bank.md |
| 写 introduction | references/04-intro.md |
references/11-language-bank.md |
| 写 Results 子节 / figure call-out / 数字+统计 | references/05-results.md |
FIGURE-SKILL.md（视觉端） |
| 写 Methods / 复现性 / LLM-agent prompt 报告 | references/06-methods.md |
— |
| 写 Discussion / limitation / outlook | references/07-discussion.md |
references/08-sentence-taste.md（outlook 动词等级） |
| 一句话卡了：节奏 / 经济 / restraint / overclaim 边界 | references/08-sentence-taste.md |
references/11-language-bank.md |
| 自审稿 / 模拟 reviewer | references/09-reviewer-protocol.md |
references/13-antipatterns.md |
| 文风像 arXiv 不像 Nature / 不知子刊 voice 差异 | references/10-voice.md |
references/14-journals.md |
| 词不准 / 强动词 / hedge / 段间连接 | references/11-language-bank.md |
— |
| 写 ML 方法 / Foundation / LLM-agent / Interpretability / Benchmark / AI-for-X 任一具体子门类 | references/12-subgenres.md |
references/01-story.md |
| 自查反模式 | references/13-antipatterns.md |
— |
| 长期 taste 培养 / 读法 / 临摹 | references/15-taste-development.md |
— |
| 提交前总扫 | 本文 §2 checklist + references/13-antipatterns.md |
references/09-reviewer-protocol.md |
| 文件 | 主题 | 大致行数 |
|---|---|---|
references/01-story.md |
Story Architecture：7 种 canonical shapes、Fig. 1 四种功能、climax 选择、降级与删枝 | 130 |
references/02-title.md |
Title 6 种定式、关于 "novel" 的真相、Title before/after | 90 |
references/03-abstract.md |
5–8 句句式图、三条强约定、Two-gap、何时打破默认、Abstract before/after | 195 |
references/04-intro.md |
漏斗 4–6 段、6 种 hook、GAP 词库、pivot 模板、末段 taste、Intro before/after | 200 |
references/05-results.md |
标题三风格、开句三模板、figure call-out、caption、统计写法、baseline、ablation、discovery funnel、综合句、Results before/after | 340 |
references/06-methods.md |
Methods 子目、LLM-agent 专用清单、复现三处呼应、常漏报项、Methods 也要有 taste | 140 |
references/07-discussion.md |
Discussion 开句两条路径、Limitation、Outlook 动词等级表、Overclaim 边界、Closing、Discussion before/after | 185 |
references/08-sentence-taste.md |
10 句 memorable sentences 解剖、rhythm、经济、name-your-noun、negative space | 370 |
references/09-reviewer-protocol.md |
5-pass harsh referee protocol、SNEER/NOD/ASK/CUT、每段末尾 invisible answer | 150 |
references/10-voice.md |
DeepMind / NMI / NC / NCS / 临床 5 种 voice、confident vs arrogant、modest vs timid | 160 |
references/11-language-bank.md |
强动词 / hedge / 6 类段间连接词 / 高复用句型 | 75 |
references/12-subgenres.md |
7 个子门类剧本：ML 方法 / Foundation / LLM-agent / Interpretability / Benchmark / AI-for-X / 临床 | 335 |
references/13-antipatterns.md |
craft + AI-specific + taste 三类反模式 | 90 |
references/14-journals.md |
Nature / NMI / NC / NCS / NM / Nat Med 各自 voice 与策略 | 160 |
references/15-taste-development.md |
读法 / rewrite-by-hand / taste notebook / mentor / OpenReview review / 返回旧草稿 | 80 |
视觉设计是另一回事，由独立的 FIGURE-SKILL.md（v0.2）覆盖：Fig. 1 schematic 6 种构图、配色（Wong/Okabe-Ito 8 色板）、字体字号（panel letter 8pt bold lowercase + 其他 5–7pt，已按 Nature Research Figure Guide 核实）、panel 布局、数据图选型、统计在图内的呈现、matplotlib/ggplot template、Illustrator 拼版流程、arXiv→Nature 反模式 19 条、文件格式与大小（≤50MB / RGB / Type 42 / lowercase a/b/c）。写 Results 与做图常需同时打开两本 skill。
所有 verbatim 引文（如 AlphaFold "Here we provide the first computational method…"，FunSearch "easy to evaluate, hard to solve"）都可在 extracts/01-singlecell.md … extracts/07-ai-methods.md 7 个文件 / 共 44 篇里通过 grep 查到上下文。当 SKILL 或某 reference 引用一句话且你想看出处全文时，到对应 extract 文件搜即可。
提交前一次性扫一遍。条目按章节分组——任何一项落空，先回到对应 reference 修。
[ ] 我能用一句话说出 story shape。
[ ] antagonist 明确：bottleneck / data scarcity / black box / scale / compute / human bottleneck / synthetic constraint。
[ ] Fig. 1 服务主 story，而不是零件堆。
[ ] 每个主文实验支撑 abstract claim、处理强质疑、或推进 climax。
[ ] 至少有一个实验被降到 Supplementary 或删掉。
[ ] Results 顺序不是实验时间顺序，而是阅读顺序。
[ ] 标题属于 A–F 定式之一。
[ ] 没有空心化 "A novel method for…"。
[ ] 如果用 "foundation model"，下游任务 / transfer / scale 足够支撑。
[ ] 如果用 "without / first / universal / clinical-grade"，证据足够支撑。
[ ] 标题能让 editor 在 5 秒内知道冲突和贡献。
[ ] 5–8 句为默认；若更长，每句有独立功能。
[ ] 有一个明确 pivot。
[ ] METHOD-SPEC 句数字密度最高（默认）；或已有意采用 pure-AI-methodology carve-out（数字在 KEY-RESULT / VALIDATION）。
[ ] KEY-RESULT 有 named baseline / benchmark / human anchor。
[ ] Outlook 动词与证据强度匹配。
[ ] 中段用强动词；末段适度 hedge。
[ ] 没有把 architecture details 写成 mini Methods。
[ ] Hook 不是 "Recently, deep learning…"。
[ ] 第一段有 stakes / old problem / analogy / paradox。
[ ] GAP 说明 limited by what。
[ ] Pivot 段落明显。
[ ] Intro 末段给 roadmap 或 tight pivot。
[ ] 每个 major claim 有适量 citation，不是 citation pile。
[ ] Results header 风格统一。
[ ] 每个子节开句让读者知道：为什么做 / 做了什么 / 得到什么。
[ ] Fig. call-out 把发现放主语位置。
[ ] Main benchmark 有 named baseline。
[ ] 主要比较有 uncertainty：CI / IQR / std / P / bootstrap / repeated splits。
[ ] 至少有 robustness / ablation / control 处理 alternative explanation。
[ ] Discovery paper 有 funnel。
[ ] Foundation model paper 有 scaling / data-size / transfer 证据。
[ ] Clinical paper 有 external validation 或明确说明没有。
[ ] Caption 可独立复述 figure。
[ ] 数据来源、版本、split 原则清楚。
[ ] leakage 检查说明。
[ ] training compute 报告。
[ ] random seeds 或替代 uncertainty 报告。
[ ] baseline 训练公平性说明。
[ ] hyperparameter search budget 说明。
[ ] LLM/API 论文：prompt、version、date、decoding、tool schema 完整放在 SI；主文显式指向 SI（"详见 SI"）。
[ ] Code / data / model availability 独立段。
[ ] License / DOI / access restriction 说明。
[ ] 开句不是 limitation-first，除非有意采用 frank concession。
[ ] 第一段重新框定贡献。
[ ] 与 prior work 比较具体，不泛泛。
[ ] Limitation 具体命名。
[ ] Limitation 后有 boundary / remedy / future direction。
[ ] Outlook phrase 与证据强度匹配。
[ ] Closing 不喊口号。
[ ] 每段 read aloud 不拗口。
[ ] 没有 noun phrase 过长。
[ ] 删除多余 adjective。
[ ] 强 verb 替换 nominalization。
[ ] 数字顺序符合读者理解。
[ ] 最强结果没有被 "remarkably/dramatically" 淹没。
[ ] 每段有一个落点。
[ ] 写了 top 5 reviewer objections。
[ ] 每个 objection 已在 Results / Methods / Discussion 某处处理。
[ ] 没有 reviewer 会认为 baseline unfair。
[ ] 没有 reviewer 会认为 claim overreaches evidence。
[ ] 没有 reviewer 需要猜测 key implementation detail。
[ ] 如果你的方法依赖 evaluator / 监督目标 / human label / benchmark：评估这把 ruler 本身是否可信。reviewer 可能问 "Is the evaluator / supervision target itself valid?"
This paper is a <story shape> story:
bottleneck-broken / two-gap synthesis / scale-emergent / discovery funnel /
human-anchored benchmark / trust bridge / limit-redrawn.
The antagonist is <X>.
The climax is Fig. <Y>.
The sentence readers must remember is:
"<one sentence>"
<Topic> is <critical> for <field>.
However, <existing methods> are <limited by X>.
[Yet, <second paradigm> <fails by Y>.]
Here we <introduce/present/propose> <NAME>, a <category> that <mechanism>.
<NAME> <does numerically dense thing>.
We show that <NAME> <outperforms/solves/discovers> <baseline> on <benchmark>.
[Furthermore, <generalization/validation>.]
<NAME> <bounded outlook phrase> <broader vision>.
¶1 Hook: concrete stakes / old problem / analogy / paradox.
¶2 Recent advances: grouped, not piled.
¶3 Gap: limited by what?
¶4 Pivot: Here we <verb> <NAME>.
¶5 Roadmap: Specifically, we show that …
§1 Reader map: architecture / pipeline / benchmark design.
§2 Main result with named baseline.
§3 Mechanism / ablation.
§4 Robustness / external validation.
§5 Hard case / discovery / human anchor.
§6 Boundary / failure / generalization.
data + split + leakage
architecture + training + compute
baselines + fairness
statistics + seeds
LLM prompts/API/tool schema if relevant
code/data/model availability
Opening: restate contribution or reframe field.
Compare: unlike <prior>, <NAME> <specific difference>.
Limit: one named boundary.
Remedy: concrete next step or scope condition.
Close: resource / vision / calibrated outlook.
Can I replace adjective with number?
Can I replace "this" with named noun?
Can I replace nominalization with verb?
Can I cut the first clause?
Does the sentence land on the strongest word?
| # | 领域 | 论文 | 刊物 | 取样文件 |
|---|---|---|---|---|
| 1–6 | 单细胞 | Geneformer, SCimilarity, Tangram, scIB, CellOracle, CellFM | Nature × 3, Nat Methods × 2, NC × 1 | extracts/01-singlecell.md |
| 7–12 | 蛋白 / 结构 AI | AlphaFold2, ESM-2/ESMFold, ProteinMPNN, RFdiffusion, AlphaMissense, Foldseek | Nature × 2, Science × 3, Nat Biotechnol × 1 | extracts/02-protein.md |
| 13–18 | 物理 / 气候 / 材料 | GraphCast, GenCast, DIMON, M3GNet, HINTS, GNoME | Science, Nature × 2, NCS × 2, NMI | extracts/03-physics.md |
| 19–24 | 药物发现 | DynamicBind, Wong-MRSA, Halicin, SyntheMol, RetroExplainer, DRAGONFLY | NC × 4, Nature, Cell | extracts/04-drug.md |
| 25–30 | 临床 AI | MedSAM, UNI, CONCH, Virchow, MedPerf, Ferber-GPT4V | Nat Med × 3, NC × 2, NMI | extracts/05-medical.md |
| 31–36 | ML 通用 / 基础模型 | ChemCrow, AlphaGeometry, MolE, SemanticLens, Cancer-Imaging-FM, FunSearch | NMI × 4, Nature × 2, NC | extracts/06-ml.md |
| 37–44 | 纯 AI 方法（v5 新加） | Webb-MAP, Xiao-Densing-law, Whitelam-Simmering, DeepSeek-R1, Oh-DiscoRL, Farquhar-semantic-entropy, Muttenthaler-AligNet, Zhou-ADeLe | Nature × 5, NMI × 1, NC × 2 | extracts/07-ai-methods.md |
每个 pair 给"无 taste 版"和"有 taste 版"对比，附 1 句解释。打磨自己的稿子时，先选一对照之相近的 pair 读。
| # | 章节 | Lesson | 在哪里 |
|---|---|---|---|
| 1 | Title | constraint-as-contribution | references/02-title.md §2.3 |
| 2 | Title | discovery before method | references/02-title.md §2.3 |
| 3 | Title | hedged aspiration | references/02-title.md §2.3 |
| 4 | Title | tool + description | references/02-title.md §2.3 |
| 5 | Abstract | concrete stakes | references/03-abstract.md §3.6 |
| 6 | Abstract | bottleneck-aligned pivot | references/03-abstract.md §3.6 |
| 7 | Abstract | numerical noun phrase | references/03-abstract.md §3.6 |
| 8 | Abstract | named benchmark anchor | references/03-abstract.md §3.6 |
| 9 | Abstract | community value over hype | references/03-abstract.md §3.6 |
| 10 | Intro | two-gap over AI hype | references/04-intro.md §4.7 |
| 11 | Intro | historical anchor | references/04-intro.md §4.7 |
| 12 | Intro | analogy as argument | references/04-intro.md §4.7 |
| 13 | Intro | design argument | references/04-intro.md §4.7 |
| 14 | Results | claim as subject | references/05-results.md §5.11 |
| 15 | Results | hardware + task-size baseline | references/05-results.md §5.11 |
| 16 | Results | control with teeth | references/05-results.md §5.11 |
| 17 | Results | mechanism-driven ablation | references/05-results.md §5.11 |
| 18 | Results | capability map | references/05-results.md §5.11 |
| 19 | Discussion | limitation as boundary | references/07-discussion.md §7.6 |
| 20 | Discussion | remedy over vague future work | references/07-discussion.md §7.6 |
| 21 | Discussion | resource close | references/07-discussion.md §7.6 |
| 22 | Discussion | calibrated modesty | references/07-discussion.md §7.6 |
打印一张贴桌上。提交前 30 分钟过一遍。
Title:
What story does it promise?
Is any word overclaiming?
Abstract:
s1 stakes:
s2 gap:
s3 gap-2:
s4 pivot:
s5 method-spec:
s6 key-result:
s7 validation:
s8 outlook:
Missing anchor?
Intro:
Hook type:
True antagonist:
Straw-man risk:
Prior work reviewer will cite:
Results:
Fig. 1 function:
Climax figure:
Weakest main-text experiment:
Experiment to move to supplement:
Strongest alternative explanation:
Control addressing it:
Methods:
Leakage risk:
Baseline fairness risk:
Seed / uncertainty:
Compute:
Reproducibility artifact:
Discussion:
Main contribution restated:
Limitation named:
Outlook phrase:
Is it earned?
Sentence-level:
Loud adjectives to cut:
Nominalizations to replace:
Vague nouns to name:
Long sentence to split: