学术论文写作上手指南

从零到论文大师：系统性写作方法论

写给谁看： 第一次写论文、写过但没有系统方法论、希望真正理解”为什么这样写”而不只是模仿格式的研究者。

核心理念： 论文不是”记录你做了什么”，而是”说服读者你的工作值得存在”。掌握这一点，写作就从痛苦变成了有章可循的工程。

---

📖 阅读指南

知识依赖链：

第一章（本质认知）→ 第二章（整体结构）→ 第三章（逐章攻略）
       ↓                                         ↓
  第四章（句式武器库）              第五章（Benchmark论文专项）
       ↓
  第六章（写作流程与习惯）→ 第七章（常见误区）→ 附录（速查表）

建议阅读顺序：

• 第一次读：通读第一、二章，建立全局观
• 写作前：细读你要写的那章对应的第三章内容
• 写作中：随时查第四章句式 + 第七章误区
• 写完后：对照附录检查清单逐项核查

---

1. 论文的本质：一个说服框架

1.1 最重要的认知转变

大多数初学者把论文写成”实验报告”：

“我做了A，然后做了B，结果是C。”

但好论文是一个说服故事：

“世界上存在问题X（读者认同）→ 现有方法有缺陷Y（读者感到痛点）→ 我们提出解法Z（读者产生兴趣）→ 数据证明Z有效（读者信服）→ 这对领域的意义是M（读者认为值得发表）”

核心洞察： 论文的每一段、每一句话，都应该服务于这条说服链。如果某段内容与这条链无关，删掉它。

1.2 你的读者是谁

理解读者，才能知道写什么、怎么写：

读者类型	他们想知道什么	对应章节
审稿人	这个工作新在哪？实验设计是否严谨？	全文，尤其 Introduction + Experiment
同领域研究者	和我的工作有什么关系？能不能引用？	Related Work + Method
领域外读者	这个问题是什么？为什么重要？	Abstract + Introduction 前半段

实用建议： 写作时，假设你的读者是”比你聪明但不了解你具体工作的同行”。他们不会猜你的意思，你必须说清楚。

1.3 Benchmark 论文 vs 方法论文的本质差异

你写的是 Benchmark 论文，它和普通方法论文有一个核心区别：

维度	方法论文	Benchmark 论文
核心主张	“我们的方法比现有方法更好”	“现有评测体系有缺陷，我们填补了它”
主要贡献	新算法/新架构	新数据集/新评测框架/新发现
实验目的	证明方法有效	用benchmark揭示现有模型的不足
成功标准	SOTA 性能提升	发现有价值的新结论，推动领域进步

关键洞察： Benchmark 论文的实验结果越”差”（即现有模型表现越不好），越能说明你的 benchmark 有价值——因为它揭示了一个真实存在的挑战。

---

2. 论文整体结构与论证链

2.1 六章结构的内在逻辑

┌─────────────────────────────────────────────────────────────────┐
│                     论文的论证逻辑流                              │
├─────────────────────────────────────────────────────────────────┤
│                                                                   │
│  Abstract    ──→  "我们做了什么，结论是什么"（先给答案）            │
│      ↓                                                           │
│  Introduction ──→  "问题是什么，为什么重要，缺口在哪，我们怎么填"   │
│      ↓                                                           │
│  Related Work ──→  "别人做了什么，为什么还不够"                    │
│      ↓                                                           │
│  Method/Bench ──→  "我们具体怎么设计的，每个决策为什么这样"         │
│      ↓                                                           │
│  Experiment   ──→  "数据证明我们的设计是正确的"                    │
│      ↓                                                           │
│  Conclusion   ──→  "总结 + 局限 + 未来方向"                       │
│                                                                   │
└─────────────────────────────────────────────────────────────────┘

重要：这六章不是独立的模块，而是一条因果链。 每章都在为下一章铺垫，读者读完每章后应该自然地想看下一章。

2.2 每章的字数参考（NeurIPS/CVPR 8页限制）

章节	建议字数（words）	占比
Abstract	150-250	~3%
Introduction	500-800	~15%
Related Work	400-600	~10%
Method/Benchmark	800-1200	~25%
Experiments	1000-1500	~35%
Conclusion	150-250	~5%
图表说明	200-400	~7%

2.3 推荐写作顺序（反直觉但正确）

写作顺序（≠ 阅读顺序）：

Step 1: Method/Benchmark  ← 写你最熟悉的，建立信心
Step 2: Experiments        ← 把实验结果组织成叙事
Step 3: Related Work       ← 读文献，定位你的工作
Step 4: Introduction       ← 现在你对全文有感觉了
Step 5: Conclusion         ← 30分钟写完
Step 6: Abstract           ← 最后提炼，精确概括

为什么不从 Introduction 开始？ Introduction 需要你知道全文说了什么。如果你先写 Introduction，写完后发现实验结果不对，整个 Introduction 要重写。先写 Method + Experiment，再写 Introduction，事半功倍。

---

3. 逐章深度写作指南

3.1 Abstract

目的

让读者在 30 秒内决定”这篇论文值不值得精读”。

结构：四步法（每步 1-3 句）

┌─────────────────────────────────────────────────────────┐
│  Step 1 [背景]    领域现状 + 这个问题为什么重要             │
│  Step 2 [痛点]    现有方法/benchmark 的具体缺陷            │
│  Step 3 [方案]    我们提出了什么（必须有具体数字）           │
│  Step 4 [发现]    主要实验结论（具体数字 or 定性结论）       │
└─────────────────────────────────────────────────────────┘

模板示例（Benchmark 论文）

[背景] [领域] has witnessed remarkable progress, with [模型类型]
demonstrating impressive capabilities in [任务]. 

[痛点] However, existing benchmarks primarily evaluate [现有评测做了什么],
largely overlooking [你关注的维度], leaving a critical question 
unanswered: [你的核心问题].

[方案] To address this gap, we introduce [你的benchmark名], 
a [定语] benchmark comprising [数量] [样本类型] across [N] categories,
featuring [你的核心设计].

[发现] Extensive evaluation of [N] [models/systems] reveals that 
[核心发现，e.g., even state-of-the-art models struggle with X,
achieving only Y% accuracy on Z].

Abstract 写作的五个原则

1. 数字优先：能给具体数字的地方绝不模糊。”大量样本” → “1,400 samples”
2. 结论先行：Abstract 不是”我们做了什么”，是”我们发现了什么”
3. 不引用文献：Abstract 中不出现 [cite]
4. 不出现图表引用：不写 “as shown in Figure 1”
5. 独立可读：Abstract 应该能独立成文，不依赖正文

常见错误

❌ “We propose a new benchmark for video editing evaluation.” （没有具体数字，没有说为什么需要新 benchmark）

✅ “We introduce CoVEBench, the first benchmark targeting complex, multi-operation video editing instructions, comprising X samples across Y edit categories.”

---

3.2 Introduction

目的

让读者理解：(1) 这个问题是什么，(2) 为什么重要，(3) 为什么现有方法不够，(4) 你做了什么，(5) 贡献是什么。

结构：漏斗型（从宽到窄）

段落 1: [背景铺垫] 领域大背景，吸引读者
         ↓
段落 2: [问题聚焦] 具体化到你要解决的子问题
         ↓
段落 3: [现有缺陷] 现有方法/benchmark 的具体不足
         （重要：要有证据，不能只说"不够好"）
         ↓
段落 4: [我们的方案] 介绍你的工作（不要说太细，那是 Method 的任务）
         ↓
段落 5: [贡献列表] 3条 bullet points，动词开头

每段详细指南

段落1：背景铺垫

任务： 让领域外的读者也能理解这个问题的重要性

写法：

• 开头用一个”大事实”吸引注意力
• 不要太长，2-3句即可
• 结尾引出你的具体问题

示例：

Video editing has emerged as a fundamental capability in content creation,
enabling users to modify visual content through natural language instructions.
Recent advances in diffusion-based models [cite, cite] have dramatically
improved the quality and controllability of video editing, bringing us closer
to practical deployment in real-world applications.

段落2：问题聚焦

任务： 把”大问题”具体化到你的研究子问题

关键： 这里要引出一个”tension”——表面上模型很强，但有一个具体问题没被解决

Despite these advances, a critical question remains: can these models
truly handle [你关注的具体能力]? While existing models excel at 
[简单任务], they are rarely evaluated on [复杂场景], 
which are essential for [实际应用].

段落3：现有缺陷（最重要的段落）

任务： 证明现有 benchmark 有具体、致命的缺陷

写法要点：

• 用”具体化”的语言描述缺陷，不要用”不够好”这种模糊表达
• 最好给例子或数字
• 结构：现有方法做了什么 → 但是忽略了什么 → 导致什么问题

Existing benchmarks for video editing [cite, cite, cite] primarily 
focus on [单一操作/简单指令], assessing models on instructions 
such as "change the color of the car" or "add fog to the scene."
However, real-world editing tasks often involve [复杂的多步骤操作],
such as [具体例子]. This gap between benchmark design and practical
requirements means that [模型的真实能力无法被评测].

段落4：我们的方案

任务： 简洁介绍你的工作，埋下”悬念”让读者想看 Method 章节

To address this gap, we introduce [名字], [一句话描述]. 
[名字] features [核心设计1], [核心设计2], and [核心设计3],
enabling comprehensive evaluation of [你关注的能力].

段落5：贡献列表

格式严格：

In summary, our main contributions are:
• We introduce [名字], the [first/most comprehensive] benchmark 
  for [具体任务], comprising [N] [样本] across [M] [类别]. 
  [说明为什么这个设计是新的]
• We design [具体组件/评测框架], which [解决了什么问题]. 
  [给一个技术亮点]
• Through extensive evaluation of [N] state-of-the-art models, 
  we reveal [具体发现], providing [对社区的价值].

贡献条目的三要素：

1. What：你做了什么（动词开头：We propose / We design / We conduct）
2. How big / specific：具体规模或特点（数字！）
3. So what：为什么重要（providing / enabling / revealing）

Introduction 写作的核心原则

原则：每个声明都需要证据。

• “现有方法不够好” → 要列举具体的 benchmark 名字和它们的局限
• “我们的方法更好” → 要提前预告实验结论
• “这个问题很重要” → 要给应用场景或数据

---

3.3 Related Work

目的

不是：向读者介绍这个领域的所有工作 是：证明你的工作填补了现有工作的空白，且你了解这个领域

结构：分类综述 + 差异化

2.1 [第一类相关工作]  （通常是你的任务相关的模型）
2.2 [第二类相关工作]  （通常是现有的 benchmark/评测方法）
2.3 [第三类相关工作]  （可选，e.g., 你用到的技术如 LLM-as-Judge）

每小节的写法模板

[主题句：概括这个方向]
Early work in [方向] explored [早期方法] [cite], which [做了什么].
More recently, [代表性工作] [cite, cite] proposed [新方法], 
achieving [成就]. [后续工作] [cite] further extended this by [扩展点].

[差异化句（必须有！）]
However, [这些工作/benchmark] [具体缺陷，用动词短语], 
failing to [你关注的维度]. In contrast, our work [你的不同之处].

Related Work 的三个层次

层次	做法	效果
初级	列举”谁做了什么”	像综述，没有观点
中级	按主题分组 + 说明缺陷	有结构，有观点
高级	通过对比定位自己的贡献	读者看完就明白你的 novelty

目标是中级到高级之间。 你需要做的关键事情：每个小节结尾，明确说明”这些工作与我们的差异”。

引用策略

• 引用多： 现有 benchmark 列举时（要证明你了解领域）
• 引用少： 自己的方法描述时（重点在你的工作）
• 引用顺序： 通常按时间顺序，或按重要性

常见错误

❌ “A proposed X. B proposed Y. C proposed Z.”（流水账，没有观点）

✅ “Early approaches [A, B] relied on X, which suffered from Y. Recent methods [C, D] addressed this by Z, yet they still overlook [你的贡献点].”（有逻辑，有观点）

---

3.4 Method / Benchmark 章节

目的

让读者理解你的方法/benchmark是什么、为什么这样设计，并相信这个设计是合理的。

核心写作原则：每个设计决策都要有动机

这是初学者最容易犯的错误：只写”我们做了X”，不写”为什么这样做”。

❌ “We collect videos from YouTube.” ✅ “We collect videos from YouTube, as it provides diverse real-world content covering a wide range of scenes and editing scenarios, which is essential for benchmark generalizability.”

Benchmark 论文的 Method 章节结构

3.1 Overview / Design Philosophy   ← 整体设计理念（最重要）
3.2 Data Collection                ← 数据从哪来，怎么筛选
3.3 Annotation / Construction      ← 数据怎么标注/构建
3.4 Taxonomy / Categories          ← 分类体系（核心贡献之一）
3.5 Evaluation Framework           ← 怎么评测
3.6 Dataset Statistics             ← 数据集统计（含对比表）

3.4.1 Overview 段落怎么写

Overview 要回答三个问题：

1. 你的 benchmark 整体上是什么？
2. 设计的核心原则是什么？（为什么这样设计）
3. 和现有 benchmark 的核心区别是什么？

[名字] is designed around three core principles:
(1) [原则1], which ensures [好处];
(2) [原则2], addressing the limitation of [现有方法的问题];
(3) [原则3], enabling [新能力].

Figure 1 illustrates the overall pipeline of [名字].

3.4.2 数据收集段落

必须回答的四个问题：

[来源]  We collect/curate [数据类型] from [来源], 
        which [为什么选这个来源].
        
[规模]  An initial pool of [N] [samples] is gathered.

[过滤]  To ensure [质量目标], we apply the following criteria:
        (i) [标准1], (ii) [标准2], (iii) [标准3].
        Videos/samples failing any criterion are discarded.
        
[结果]  After filtering, [M] [samples] remain, 
        spanning [K] [categories/scenes/etc].

每个过滤标准都要给动机：

We exclude videos shorter than 3 seconds, as they provide
insufficient temporal context for meaningful editing evaluation.

3.4.3 标注流程段落

这里要展示”质量控制”，让读者相信你的数据质量高：

[谁标注] Annotations are collected from [N] trained annotators
         with backgrounds in [领域].
         
[流程]   Each [sample] is annotated by [M] annotators independently,
         followed by [审核/聚合方式].
         
[质量]   Inter-annotator agreement reaches [κ/percentage], 
         indicating [high/substantial] consistency.
         
[审核]   All annotations are further reviewed by [专家/自动方法]
         to ensure [质量标准].

3.4.4 图示的重要性

Method 章节一定要有至少一张流程图（Pipeline Figure）。

好的 Pipeline Figure 应该：

• 展示整个数据收集/标注流程
• 用箭头表示数据流动
• 包含每个阶段的输入输出
• 标注关键数字（如每个阶段的数据量）

---

3.5 Experiments

目的

用数据证明：(1) 你的 benchmark 有挑战性，(2) 你的评测方法可靠，(3) 揭示了有价值的新发现。

整体结构

4.1 Experimental Setup    ← 测了哪些模型，评测环境
4.2 Main Results          ← 核心结果表格 + 解读
4.3 Further Analysis      ← 深入分析（多个小节）

4.1 Experimental Setup

必须包含的信息：

Models. We evaluate [N] representative models, including:
[开源模型列表] and [闭源模型列表].
These models are selected to cover [多样性说明：架构/规模/训练数据].

Implementation Details. All experiments are conducted on [硬件].
For each model, we use [推理设置：temperature, resolution, etc.].
[如果有特殊设置，单独说明]

Evaluation Metrics. We assess model performance using [指标列表].
[每个指标一句话说明它衡量什么]

4.2 Main Results

主表格的设计原则：

• 行 = 模型（按性能排序，或按类型分组）
• 列 = 你定义的评测维度 + Overall
• 最后一行或第一行：Human Performance（如果有）

主表格的文字解读必须包含：

1. 整体观察：总体上哪类模型表现如何
2. 具体亮点：哪个模型在哪个维度最好
3. 关键发现：最重要的结论（e.g., 所有模型在某个维度都很差）

写法模板：

[整体观察] Table 1 presents the main results on [名字].
Overall, [整体趋势，e.g., proprietary models outperform
open-source counterparts, yet all models struggle with X].

[具体发现1] Notably, [最好的模型] achieves the highest overall 
score of [N], while [最差的模型] lags significantly behind at [M].

[关键发现] Across all models, performance drops substantially on
[最难的类别], with an average accuracy of only [N%], suggesting
that [这意味着什么].

4.3 Further Analysis（各小节写法）

每个 Analysis 小节都遵循同一个逻辑结构：

[提出问题]   We investigate [具体问题] to understand [为什么重要].

[实验设计]   To this end, we [做了什么实验/对比].

[结果描述]   As shown in [Figure/Table X], [具体结果].

[解读分析]   This suggests/indicates that [原因/意义].

[结论]       Based on these findings, we conclude that [结论].

Judge Rationality Analysis 写法

提问：我们的LLM judge可靠吗？

[动机] Reliable evaluation is critical for benchmark validity.
We thus examine whether our LLM-based judge produces ratings
consistent with human judgment.

[设计] We randomly sample [N] cases from [名字] and collect
human ratings from [M] trained annotators. 

[结果] As shown in Table X, our judge achieves a Pearson correlation
of [r] and Spearman correlation of [ρ] with human ratings,
with an inter-annotator agreement of [κ].

[结论] The high correlation (r > 0.8) demonstrates that our
LLM judge reliably approximates human judgment, validating
its use as a scalable evaluation method.

Effect of Edit Aggregation 写法

提问：多操作分数怎么合并最合理？

[动机] When an instruction involves K edit operations, the final
score can be computed via different aggregation strategies.
We examine how this choice affects evaluation outcomes.

[设计] We compare three strategies: (1) Mean, (2) Min, (3) [其他].

[结果] As shown in Figure X, [策略A] yields [结果],
while [策略B] is more sensitive to [某个因素].

[结论] We adopt [推荐策略] as the default, as it [理由].

Case Analysis & Error Analysis 写法

Case Analysis 结构：
- 选2-3个典型案例（好的/坏的/edge case）
- 每个案例：展示输入指令 + 模型输出 + 分析原因

Error Analysis 结构：
1. 定义错误类型（建议3-5类）
2. 给每类举一个具体例子
3. 统计各类错误的占比（用饼图或表格）
4. 分析主要错误原因

错误类型分类的建议方式：

• 按原因分类：指令理解错误 / 执行错误 / 过度编辑 / 时序不一致
• 按严重程度分类：完全失败 / 部分完成 / 质量差
• 通常用原因分类，因为对未来研究更有指导意义

---

3.6 Conclusion

目的

给论文一个干净的结尾，让读者带走最重要的信息。

结构：三段法

段落1 [总结]    We presented [名字], [一句话描述].
               [核心设计的1-2句概括]
               
段落2 [发现]    Through evaluation of [N] models, we found that
               [最重要的1-2个结论]. [具体数字或例子]
               
段落3 [展望]    Despite [局限性], [名字] provides [价值].
               We hope this work [对领域的期望].
               Future work includes [1-2个未来方向].

Conclusion 的写作要点

• 不要重复 Abstract 的原话，要更精炼、更有深度
• 局限性要诚实写：审稿人知道你的工作有局限，你主动说比被问到好
• 未来工作不要太多：2-3条就够，每条一句话

---

4. 句式武器库：可直接使用的模板

使用方法： 找到对应场景，把 [括号内容] 替换为你的内容。

4.1 Background / Motivation 句式

[领域] has witnessed remarkable progress, with [技术类型] 
demonstrating impressive [能力] in [任务].

Despite these advances, a critical challenge remains: [具体问题].

The rapid development of [技术] has enabled [应用], yet the 
question of [你关注的能力] remains largely unexplored.

While recent [模型] excel at [简单任务], they often struggle 
with [复杂任务], which is essential for [实际应用].

4.2 Problem Statement / Gap 句式

[现有方法] primarily [做了什么], largely overlooking [你关注的].

Current [benchmark/methods] fail to capture [具体维度], 
leaving [具体问题] unanswered.

This gap between [现有方法关注的] and [实际需要的] motivates 
the need for [你的工作].

To the best of our knowledge, no existing work has [你的贡献].

4.3 Our Contribution 句式

To address this gap, we introduce [名字], [一句话描述].

We propose [名字], which [做了什么], enabling [好处].

In this paper, we take the first step toward [大目标] 
by [你的具体贡献].

4.4 Related Work 句式

[作者] [cite] proposed [方法], which [做了什么].
While effective for [应用场景], this approach [局限].

A line of work [cite, cite, cite] focuses on [方向],
achieving [成就]. However, [这些工作共同的局限].

In contrast to [前人工作], our [名字] [你的不同之处].

Unlike [比较对象] that [他们的做法], we [你的做法],
which [优势].

4.5 Experiment Result 句式

As shown in Table [N], [观察].

[模型A] achieves the best performance on [指标], 
outperforming [基线] by [N] points.

Notably, all evaluated models struggle with [难点],
with an average score of only [N%].

We observe a consistent trend across all models: [趋势描述].

This suggests that [结论].

These results indicate that [发现], highlighting the 
importance of [你的贡献].

4.6 Analysis 句式

We further investigate [问题] to understand [动机].

To this end, we [实验设计].

Figure [N] shows [描述], revealing that [发现].

Interestingly, [反直觉的发现], which can be attributed to [原因].

This finding is consistent with [其他证据/直觉].

Based on these observations, we conclude that [结论].

4.7 Limitation 句式

Our work has several limitations. First, [局限1].
Second, [局限2]. We leave [未来工作] for future work.

While [名字] provides [好处], it is limited to [范围限制].

The current version of [名字] focuses on [你关注的],
leaving [其他维度] unexplored.

---

5. Benchmark 论文专项指南

5.1 Benchmark 论文的独特挑战

Benchmark 论文最常被审稿人质疑的三个问题：

质疑	你需要证明的
“为什么需要新 benchmark？”	现有 benchmark 有具体的、定量的缺陷
“这个 benchmark 质量如何？”	数据质量保证、标注一致性指标
“这个 benchmark 有意义吗？”	揭示了现有模型真实存在的不足，且这个不足对领域重要

5.2 Benchmark 论文的核心论证链

现有 benchmark 有缺陷（定量证明）
           ↓
我们的 benchmark 填补了这个缺陷（设计说明）
           ↓
我们的 benchmark 质量高（标注质量证明）
           ↓
用它评测发现了有价值的结论（实验）
           ↓
这些结论对社区有指导意义（分析）

5.3 Benchmark 对比表的设计

对比表是 Benchmark 论文中最重要的单个元素，必须精心设计。

列的选择原则： 选择你的 benchmark 在其中有优势的维度

典型对比维度：

维度	说明
#Videos / #Samples	规模
#Instructions	指令数量
Instruction Type	Simple / Complex / Multi-op
#Categories	类别数
Auto Metrics	是否有自动评测
LLM Judge	是否用LLM评测
Human Annotation	是否有人工标注
Open Source	是否开源

你在表中的行必须在关键维度上是绿色/✓，这是对比表的核心目的。

5.4 “数据质量” 的证明方式

质量维度	证明方式
标注一致性	Inter-annotator agreement (Cohen’s κ > 0.6 = substantial)
难度合理性	人类在 benchmark 上的分数（应该高于模型）
多样性	统计图：类别分布、长度分布、难度分布
真实性	来源说明 + 过滤标准

5.5 实验设计：让结果”有故事性”

Benchmark 论文的实验不只是”测了N个模型，结果如下”，要从结果中提炼有价值的发现：

好的发现应该是：

• 反直觉的（”更大的模型不一定更好”）
• 有规律的（”随着指令复杂度增加，所有模型性能线性下降”）
• 有指导意义的（”模型在X类型任务上系统性失败，这是未来研究方向”）

从结果到发现的思路：

原始结果：Model A = 45%, Model B = 42%, Model C = 38%

浅层解读：Model A 最好。
（这不是发现，这是结果）

深层发现：尽管模型规模相差 3x，性能差距不超过 7%，
          说明在复杂指令场景下，模型规模不是瓶颈，
          而是[对指令的理解/时序建模/某个具体能力]。
（这才是发现）

---

6. 写作流程与工程化习惯

6.1 整体写作流程

Phase 1: 准备（写作前）
├── 整理所有实验结果（表格化）
├── 确定核心发现（3-5条）
├── 收集参考文献（建议用 Zotero/Mendeley 管理）
└── 画出论文结构大纲（每章每节的主题句）

Phase 2: 骨架（第1天-第3天）
├── 写每章的节标题和主题句
├── 完成 Method 章节草稿
└── 完成 Experiment 章节草稿（包括所有表格）

Phase 3: 填充（第4天-第7天）
├── 完成 Related Work
├── 完成 Introduction
└── 写 Conclusion + Abstract

Phase 4: 打磨（第8天-第10天）
├── 通读全文，检查逻辑连贯性
├── 检查所有数字是否一致
├── 检查图表是否自洽
└── 语言润色（grammar + 流畅度）

6.2 段落写作的 PEEL 结构

每个段落都应该遵循 PEEL 结构：

P - Point:    这段的核心观点（主题句，通常是第一句）
E - Evidence: 支撑这个观点的证据（引用/数据/例子）
E - Explain:  解释这个证据为什么支撑你的观点
L - Link:     连接到下一段或总结这一段的意义

示例：

[P] Existing video editing benchmarks primarily focus on single-operation 
    instructions. 
[E] For example, TGVE [cite] contains only style transfer and color editing 
    tasks, while BalanceCC [cite] evaluates models on object-level edits.
[E2] As shown in Table 1, none of the existing benchmarks include 
    multi-operation instructions.
[Explain] This limitation means that models can achieve high scores by 
    mastering simple edit types, without demonstrating the compositional 
    understanding required for real-world use cases.
[L] To address this, CoVEBench introduces complex, multi-operation 
    instructions as the primary evaluation target.

6.3 实用写作技巧

技巧1：先写”丑草稿”，不要边写边改

第一遍写作的目标是把内容写完，不是把每句话写漂亮。 先用中文或简单英文把意思写出来，再润色。

技巧2：用”占位符”保持写作流动

当你写到某个需要查数据或查文献的地方，用占位符继续写，不要停下来查：

"As shown by [TODO: cite TokenFlow], temporal consistency is a key challenge."
"Our benchmark contains [TODO: N] samples."

写完后统一填充。

技巧3：每天写完后，检查”逻辑连接词”

逻辑连接词是论文流畅度的关键：

关系	连接词
递进	Furthermore, Moreover, In addition
转折	However, Nevertheless, Despite this
因果	Therefore, Thus, Consequently, As a result
举例	For example, For instance, Specifically
总结	In summary, Overall, Taken together
对比	In contrast, Unlike, While X, Y

技巧4：数字一致性检查

论文中的数字（样本数、模型数、指标值）必须在全文保持一致。 写完后，搜索所有数字，逐一核对。

技巧5：给每张图表写”自洽的 caption”

Caption 的原则：读者只看图+caption，不看正文，也能理解这张图的含义。

好的 caption 结构：

Figure 1: [图的内容描述]. [关键观察]. [结论/意义].

示例：

Figure 1: Overview of the CoVEBench construction pipeline. 
Videos are collected from [来源] and filtered by [标准]. 
Instructions are generated and annotated through a 
three-stage process, yielding [N] high-quality samples 
across [M] edit categories.

6.4 合作写作的最佳实践

当多人合写一篇论文时（就像你们团队）：

1. 统一术语表：在开始写之前，确定关键术语的写法（e.g., “multi-operation” 还是 “complex”？”LLM judge” 还是 “LLM-as-Judge”？）
2. 维护一个共享的数字文档：所有关键数字（样本数、指标值、模型数）集中管理，避免各人写不同数字
3. 写完一节就 review：不要等全部写完再互相看，节节 review 效率更高
4. 不要担心文风不一致：最后由一个人通读统一文风

---

7. 常见误区与反模式

7.1 Abstract 误区

误区	正确做法
不给具体数字	每个关键声明都配数字
只说”我们做了X”，不说”我们发现了Y”	结论先行，告诉读者最重要的发现
引用文献	Abstract 不引用文献
超过 250 词	精炼，每句话都有信息量

7.2 Introduction 误区

误区	正确做法
背景铺垫太长（超过2段）	快速聚焦到你的问题
痛点描述太模糊（”现有方法不够好”）	具体说：在什么维度上、有什么缺陷、导致什么问题
Contribution 没有动词	每条以动词开头（We propose / We introduce / We reveal）
Contribution 没有数字	“我们构建了一个大规模 benchmark” → “我们构建了包含1400个样本的 benchmark”

7.3 Related Work 误区

误区	正确做法
写成流水账（A做了X，B做了Y，C做了Z）	按主题分组，每组结尾说明与你的差异
没有”However/In contrast”句	每小节结尾必须有一句说明你的工作与现有工作的不同
只引用无关紧要的工作	聚焦于直接相关的工作，其他可以略提
Related Work 太短（<3小节）	至少覆盖模型、benchmark、评测方法三个维度

7.4 Method 误区

误区	正确做法
只写”我们做了X”，不写”为什么”	每个设计决策配动机说明
没有 Pipeline Figure	Method 章节必须有一张总览图
数据统计不完整	给出样本数、类别数、平均长度等完整统计
没有对比表	Benchmark 论文必须有与现有 benchmark 的对比表

7.5 Experiment 误区

误区	正确做法
只给结果，不给解读	每个结果后都要有1-2句分析
主表格没有 Human Performance	尽量加入人类表现作为上界
Analysis 小节没有提出”问题”	每个 Analysis 小节第一句就是要回答的问题
错误分析只分类，不分析原因	分析每类错误的成因，这是对社区最有价值的部分

7.6 语言层面的误区

误区	正确做法
段落太长（>10行）	超过8行考虑分段
句子太长（>40词）	拆成2-3句
被动语态过多	主动语态更有力（We propose vs. A method is proposed）
形容词堆砌（very, highly, significantly）	用数字代替形容词
口语化表达	学术论文用正式书面语

---

附录：速查表与检查清单

A. 写作前检查清单

在开始写任何章节前，先回答这些问题：

• 这章的核心目的是什么？（一句话概括）
• 这章要说服读者相信什么？
• 我有哪些证据/数据支撑这个观点？
• 读完这章，读者会想问什么问题？（下章要回答）

B. 写作后检查清单

写完每章后逐项检查：

内容完整性

• 每个设计决策都有动机说明
• 所有数字是否和实验结果一致
• 每个 claim 都有引用或数据支撑
• 图表 caption 独立可读

逻辑连贯性

• 各段之间有逻辑连接词
• 每章结尾和下章开头衔接自然
• Related Work 的每小节有”However”句

语言质量

• 没有超过 40 词的长句
• 主动语态为主
• 没有拼写错误（用工具检查）
• 术语使用一致（全文统一）

C. 关键数字速查

每篇论文需要确认的关键数字（写作前填好，全文统一使用）：

项目	数字
Benchmark 总样本数
视频数
指令/任务类别数
评测模型总数
标注者人数
Inter-annotator agreement
最佳模型性能
人类性能（如有）

D. Benchmark 论文必备要素

要素	位置	是否完成
现有 benchmark 对比表	§3	[ ]
Pipeline 总览图	§3	[ ]
数据统计图（分布）	§3	[ ]
标注一致性指标	§3	[ ]
主实验结果表	§4	[ ]
Judge 可靠性验证	§4	[ ]
错误分析	§4	[ ]
Case Study 图	§4	[ ]

E. 常用学术词汇替换

避免使用	替换为
very good	strong / substantial / significant
bad	limited / insufficient / suboptimal
show	demonstrate / reveal / indicate
use	employ / leverage / adopt
make	construct / build / design
find	observe / identify / reveal
say	state / claim / argue / suggest
problem	challenge / limitation / gap
new	novel / proposed / introduced
a lot of	numerous / a substantial number of

F. 本指南知识依赖图

论文写作完全指南
├── 认知层（必须先理解）
│   ├── 论文本质：说服框架
│   ├── Benchmark vs 方法论文的差异
│   └── 读者视角
│
├── 结构层（写作前规划）
│   ├── 六章论证链
│   ├── 字数分配
│   └── 写作顺序
│
├── 执行层（逐章写作）
│   ├── Abstract（最后写）
│   ├── Introduction（倒数第二写）
│   ├── Related Work（第三步写）
│   ├── Method（第一步写）
│   ├── Experiments（第二步写）
│   └── Conclusion（倒数第三写）
│
├── 工具层（写作过程中）
│   ├── 句式武器库（第4章）
│   ├── PEEL段落结构
│   └── 连接词列表
│
└── 质控层（写作后检查）
    ├── 误区对照表（第7章）
    ├── 检查清单（附录B）
    └── 关键数字核对（附录C）