backup materials and knowledge-base docs

2026-05-30 16:22:29 +08:00
commit 93e50e8fce
3024 changed files with 2994945 additions and 0 deletions
--- a/文档润色流和知识库构建流/claude-scholar-upstream/skills/daily-paper-generator/references/keywords.md
+++ b/文档润色流和知识库构建流/claude-scholar-upstream/skills/daily-paper-generator/references/keywords.md
@@ -0,0 +1,71 @@
+# General Topic Query Templates
+
+## Query construction
+
+Use this template:
+
+`<task/problem> + <domain> + <method/constraint>`
+
+Examples:
+- `test-time adaptation + medical imaging + robustness`
+- `multimodal retrieval + biomedicine + contrastive learning`
+- `speech representation + low-resource + self-supervised learning`
+
+## Topic starters
+
+### Machine learning
+- `test-time adaptation`
+- `domain generalization`
+- `uncertainty estimation`
+- `causal representation learning`
+
+### Multimodal and language
+- `multimodal foundation model`
+- `retrieval augmented generation`
+- `vision-language model evaluation`
+- `long-context reasoning`
+
+### Bio/health
+- `protein language model`
+- `single-cell foundation model`
+- `computational pathology`
+- `clinical prediction model calibration`
+
+### Neuroscience / BCI
+- `EEG decoding`
+- `speech decoding from EEG`
+- `brain-computer interface`
+- `neural signal representation learning`
+
+## Source-specific tips
+
+### arXiv
+Search page pattern:
+
+`https://arxiv.org/search/?searchtype=all&query=<QUERY>&abstracts=show&order=-announced_date_first`
+
+API pattern:
+
+`https://export.arxiv.org/api/query?search_query=all:<QUERY>&start=0&max_results=50&sortBy=submittedDate&sortOrder=descending`
+
+### bioRxiv
+Use API by date range and then filter by query text:
+
+`https://api.biorxiv.org/details/biorxiv/<FROM_DATE>/<TO_DATE>/<CURSOR>`
+
+Example:
+
+`https://api.biorxiv.org/details/biorxiv/2026-01-01/2026-04-23/0`
+
+## Practical defaults
+
+- Query length: 3 to 8 words
+- Time range: last 3 months (`--months 3`)
+- Sources: `--source both`
+- Result cap: `--max-results 50`
+
+## Anti-patterns
+
+- Too broad: `AI`, `biology`, `vision`
+- Too narrow with hard constraints before retrieval
+- Mixing too many unrelated concepts in one query
--- a/文档润色流和知识库构建流/claude-scholar-upstream/skills/daily-paper-generator/references/quality-criteria.md
+++ b/文档润色流和知识库构建流/claude-scholar-upstream/skills/daily-paper-generator/references/quality-criteria.md
@@ -0,0 +1,124 @@
+# 论文质量评审标准
+
+## 评审维度与权重
+
+| 维度 | 权重 | 说明 |
+|------|------|------|
+| **创新性** | 30% | 论文的创新程度和贡献的新颖性 |
+| **方法完整性** | 25% | 方法的描述完整性和可复现性 |
+| **实验充分性** | 25% | 实验设计的全面性和结果的可信度 |
+| **写作质量** | 10% | 论文表达的清晰度和学术规范性 |
+| **相关性与影响力** | 10% | 与领域的相关性和潜在影响力 |
+
+## 详细评分标准
+
+### 1. 创新性 (30%)
+
+| 分数 | 标准 |
+|------|------|
+| **5分 - 突破性贡献** | 提出全新的范式或方法，对领域有重大影响 |
+| **4分 - 显著创新** | 在现有方法上有显著改进，提出新的见解 |
+| **3分 - 方法创新** | 提出了新的方法或框架，有一定的创新性 |
+| **2分 - 改进型** | 对现有方法有改进，但创新有限 |
+| **1分 - 增量改进** | 仅有微小的改进或组合现有方法 |
+
+**评估要点：**
+- 是否提出了新的问题或视角？
+- 方法是否有实质性创新？
+- 是否突破了现有方法的局限？
+
+### 2. 方法完整性 (25%)
+
+| 分数 | 标准 |
+|------|------|
+| **5分 - 完整且严谨** | 方法描述完整，数学推导严谨，易于复现 |
+| **4分 - 非常完整** | 方法描述详细，大部分细节可复现 |
+| **3分 - 可复现** | 核心方法清晰，可基本复现 |
+| **2分 - 缺乏细节** | 关键细节缺失，复现困难 |
+| **1分 - 表述不清** | 方法描述不清楚，无法判断有效性 |
+
+**评估要点：**
+- 方法描述是否清晰？
+- 是否提供了足够的细节？
+- 是否有代码仓库？
+- 数学推导是否严谨？
+
+### 3. 实验充分性 (25%)
+
+| 分数 | 标准 |
+|------|------|
+| **5分 - 全面深入** | 多数据集验证，充分消融实验，详细分析 |
+| **4分 - 非常充分** | 多个数据集，合理消融实验 |
+| **3分 - 合理验证** | 主干实验完整，结果可信 |
+| **2分 - 验证不足** | 实验较少，缺乏对比 |
+| **1分 - 实验不足** | 仅在简单场景验证，结果不可信 |
+
+**评估要点：**
+- 是否在标准数据集上验证？
+- 是否有充分的对比实验？
+- 是否有消融实验？
+- 统计显著性如何？
+
+### 4. 写作质量 (10%)
+
+| 分数 | 标准 |
+|------|------|
+| **5分 - 优秀** | 表达清晰，逻辑严密，学术规范 |
+| **4分 - 良好** | 表达清楚，逻辑基本完整 |
+| **3分 - 清晰** - 表达基本清晰，可理解 |
+| **2分 - 一般** | 表述有模糊之处 |
+| **1分 - 表述不清** | 表述混乱，难以理解 |
+
+### 5. 相关性与影响力 (10%)
+
+| 分数 | 标准 |
+|------|------|
+| **5分 - 广泛影响** | 解决重要问题，影响多个领域 |
+| **4分 - 领域重要** | 解决领域内重要问题 |
+| **3分 - 相关有意义** - 研究有意义，有一定影响 |
+| **2分 - 小众问题** | 针对小众问题 |
+| **1分 - 影响有限** - 影响非常有限 |
+
+## 自动评分辅助指标
+
+在人工评审前，可使用以下指标辅助初筛：
+
+- **摘要质量**：摘要是否包含实验结果和具体数据
+- **数据集**：是否在知名数据集上验证（如 TUH EEG, BCIC IV 等）
+- **代码可用性**：是否提供 GitHub 链接
+- **作者机构**：第一作者/机构的学术声誉（可选）
+- **引用数**：arXiv 上的早期引用数（可选）
+
+## 综合评分计算
+
+```
+总分 = 创新性×0.30 + 方法完整性×0.25 + 实验充分性×0.25 + 写作质量×0.10 + 相关性与影响力×0.10
+```
+
+**评分示例：**
+- 创新性：4分
+- 方法完整性：3分
+- 实验充分性：4分
+- 写作质量：3分
+- 相关性与影响力：4分
+
+总分 = 4×0.30 + 3×0.25 + 4×0.25 + 3×0.10 + 4×0.10 = 1.2 + 0.75 + 1.0 + 0.3 + 0.4 = 3.65
+
+## 评审流程
+
+1. **初筛**：根据标题和摘要排除明显不相关的论文
+2. **Top 10 候选池**：每个领域先固定保留 Top 10
+3. **全文阅读**：对 Top 10 进行深度阅读/细读摘要与方法实验部分
+4. **维度打分**：按照5个维度逐一打分
+5. **计算总分**：加权计算综合得分
+6. **Top 3 shortlist**：按总分排序，选出 Top 3
+7. **Top 1 final**：在 Top 3 中结合创新性、实验可信度和领域影响力选出 Top 1
+
+## 固定收敛规则（每个领域）
+
+- 必须遵循：**Top 10 -> Top 3 -> Top 1**
+- 不允许从原始检索结果直接跳到最终 Top 1
+- 输出必须可审计，至少包含：
+  - Top 10 候选列表
+  - Top 3 评分表（五维分数 + 加权总分）
+  - Top 1 选择理由
--- a/文档润色流和知识库构建流/claude-scholar-upstream/skills/daily-paper-generator/references/writing-style.md
+++ b/文档润色流和知识库构建流/claude-scholar-upstream/skills/daily-paper-generator/references/writing-style.md
@@ -0,0 +1,134 @@
+# 中文评语写作风格指南
+
+基于 AINet Daily Paper.xlsx 中高质量示例的写作风格总结。
+
+## 评语结构
+
+中文评语约 300 字，遵循以下结构：
+
+```
+1. 背景 (1-2句)     ──> 介绍研究领域的背景和重要性
+2. 挑战 (2-3句)    ──> 指出现有方法面临的关键问题
+3. 贡献 (1-2句)    ──> 概述本工作的核心贡献
+4. 方法 (2-3句)    ──> 描述提出的方法/模型的关键技术
+5. 实验结果 (2-3句) ──> 总结主要实验发现和性能指标
+6. 分析与局限 (1-2句) ──> 分析结果意义，指出局限性
+```
+
+## 常用句式模板
+
+### 开头（背景）
+- `本文针对...问题`
+- `本研究聚焦于...`
+- `本文探讨了...这一基本挑战`
+- `...始终面临诸多挑战`
+
+### 挑战描述
+- `尽管...，但现有方法面临...`
+- `然而，现有方法存在...`
+- `...高度异构，而以往...难以兼顾...`
+- `针对这些问题，本文提出...`
+
+### 方法描述
+- `为此，本文提出...`
+- `该研究提出...`
+- `本文提出...，一种...`
+- `该方法通过...`
+
+### 实验结果
+- `实验结果表明...`
+- `在...数据集上，该方法...`
+- `实验在...上取得了...`
+- `结果表明，...`
+
+### 分析与局限
+- `从而验证了...的可行性`
+- `为...奠定方法学基础`
+- `该工作打破了...`
+- `从而验证了...在实际应用中的可行性`
+
+## 高质量示例分析
+
+### 示例 1：ECHO (Toward Contextual Seq2Seq Paradigms in Large EEG Models)
+
+**结构分析：**
+```
+[背景] 从脑电信号中统一刻画和理解多样化认知任务始终面临诸多挑战
+[挑战] 不同任务形式与标签空间差异显著，不同数据集在电极布局和采集范式上高度异构，
+       而以往以编码器为中心、依赖任务专用预测头的建模方式难以兼顾泛化性与灵活性
+[方法] 为此，本文提出 ECHO，一种以解码器为核心的大规模脑电建模范式，
+       将 EEG 分析重构为统一的序列到序列学习问题
+[技术细节] 该方法将连续脑电片段、任务标识与标签符号共同组织进自回归解码序列中，
+           使模型能够在同一框架下理解任务语境并生成对应预测
+[实验] 在涵盖 12 个公开数据集、6 类脑电任务的统一多任务评测中，
+       ECHO 在整体性能、跨数据集泛化以及零样本场景下均显著优于多种代表性基线方法
+[意义] 为新一代灵活、可扩展的脑机接口系统奠定方法学基础
+```
+
+### 示例 2：EEG-to-Voice Decoding
+
+**结构分析：**
+```
+[背景] 本研究聚焦于从非侵入式 EEG 信号中重建有声语音与想象语音，
+       以辅助存在言语障碍的个体进行交流
+[方法] 其技术框架包括一个被试特异的生成器，以开环方式将预处理后的 EEG 信号映射为 Mel 频谱
+[技术细节] 随后通过预训练的 HiFi-GAN 声码器和 HuBERT ASR 模块生成语音波形并解码文本
+[创新点] 该方法避免了显式的时间对齐过程，采用迁移学习将基于有声语音预训练的生成器
+         适配到想象语音任务中，并使用双损失函数进行训练
+[实验结果] 在有声语音和想象语音两种情形下均实现了稳定的声学重建性能和语言层面的重建性能
+[额外特点] 在语句长度增加的情况下仍能保持文本层面的解码性能
+[意义] 从而验证了 EEG 到语音通信在实际应用中的可行性
+```
+
+## 写作要点
+
+### 1. 学术语言规范
+- 使用正式的学术书面语
+- 避免口语化表达
+- 使用精确的技术术语
+
+### 2. 逻辑连贯
+- 各部分之间有清晰的逻辑关系
+- 使用恰当的连接词（然而、为此、从而、同时）
+- 从问题到解决方案到验证结果
+
+### 3. 信息密度
+- 每句话都承载有效信息
+- 避免冗余表述
+- 突出核心贡献
+
+### 4. 客观评价
+- 准确描述实验结果
+- 指出方法的局限性
+- 不夸大成果
+
+## 英文评语写作
+
+英文评语应与中文评语对应，保持流畅的学术英语风格：
+
+- 使用正式的学术英语
+- 保持与中文评语相同的结构
+- 注意时态一致性（描述论文内容用现在时，描述实验结果用过去时）
+- 使用准确的学术词汇
+
+### 常用句式
+
+**Opening:**
+- `This paper addresses the...`
+- `This study focuses on...`
+- `The paper proposes...`
+
+**Problem:**
+- `While existing...`
+- `However, current methods face...`
+- `Despite progress in...`
+
+**Method:**
+- `To tackle this, the research proposes...`
+- `The authors present...`
+- `This work introduces...`
+
+**Results:**
+- `Experiments demonstrate that...`
+- `The findings show...`
+- `Results indicate that...`