文 | python
编 | 小轶

前言

不知诸位在科研的起步阶段，是否曾有过如下的感受：

总感觉自己写的论文就是和自己读过的论文长得不太一样，也不知道为啥。
投稿的时候，审稿人也总是 get 不到论文的核心，只揪着论文的次要细节不放。

在本文中，笔者吐血整理大量的论文写作小细节。从格式到内容上帮你提升论文的清晰度和易读性，可以显著缓解论文写完后导师不爱看，评审看不懂等症状。

本文适合对LaTeX基本语法有所了解的同学食用。

符号篇

数学公式中的字母

标量符号用小写拉丁字母表示。为避免混淆字母 l 和数字 1 ，字母 l 可用 \ell 替代。
有结构的值，如句子、树、图等，用 \boldsymbol（e.g. ）。
向量值小写加粗。拉丁字母用\mathbf（e.g. ），希腊字母用\boldsymbol（e.g. ）。
矩阵大写加粗。拉丁字母用\mathbf（e.g. ），希腊字母用\boldsymbol（e.g. ）。
\boldsymbol{x} 组成的集合用\mathcal{X}（），a 组成的集合用 A（a A）。
数域用\mathbb{R}（），\mathbb{Z}（）。

标点符号

数学公式中的省略号用\ldots，例如：
LaTeX中英文引号的打法是： ``''
尽量避免用引号标记较长的文本，比如 case study 中的例子。因为引号的理解是上下文相关文法，引用文本过长不易把握引号的边界。Case study 中的例子可以用 \textit{} 标记。
网络链接用 \url{} 标记。

公式篇

使用 align 表示一组公式，一般情况下以等号对齐会更好看。对齐方式：每个公式的等号处加 &。
（建议，有争议）只对refer的公式加编号，align中，可以用\nonumber去掉编号。
公式中的 softmax，proj，enc 等，超过一个字母的变量或符号，要用正文字体，即写成 \textrm{softmax} 或 \textit{FFN}。很多函数有现成的符号，例如：\arg，\max，\sin，\tanh。
公式中的括号，要用\left，\right 进行标记。如 \left(\right)，\left{ \right}。<>、|| 这种括号也是一样的。括号中的分割可以搭配\middle。

错误的例子：softmax 中间的迷之空格，pro和j之间的迷之空格。

部分正确的例子：还没有加粗，公式5的乘号也还没有改，只是展示一下align，以及\textrm的影响。

概率相关的例子：

表格篇

表格的大小、换行

用 \centering 居中。
用 p{2cm} 固定列宽。
用\small，\scriptsize，\footnotesize，\tiny 调整字号。
用\setlength{\tabcolsep}{8pt} 调整列间距。
用\multirow，\multicolumn 合并单元格。
用\toprule，\bottomrule, \midrule, \cmidrule画出好看的分隔线。

示例：

表格对齐

展示数据的列，如果数据不等长，请右对齐。（下图左边是错误地做左对齐的示例，右边为正确的）
表格中的加粗请使用 \textbf{}，而非\bf。上图右边中，14.10的加粗就错误地使用了\bf，导致对齐出现问题（这一问题仅在某些模板中存在），而17.24的加粗就使用了\textbf{}。

词汇篇

避免过于绝对和模糊的表达：

以下词汇除了极特殊情况外，不要出现（→后是可供替代的词）：

obvious (→ straightforward)
always (→ generally)
never (→ rare)
avoid (→ alleviate)
meaning, semantic, better, simple, easy, trivial ...

单复数

phenomenons → phenomena
不可数名词：evidence 等。

专有名词的大小写

核心原则：符合习惯，与提出者尽量一致，第一次提时全称在前。常用词一般不大写，除非语义和词本意不同（比较少见，同时也尽量避免）。

CNN，LSTM
graph attention network (GAT)，pre-trained language model (PLM)
FEVER，ConceptNet，SQuAD，BiDAF，FEVER score，Wikipedia

句子篇

表述尽量具体，避免贴标签

核心在于，要讲清楚提出的方法到底改善了哪里，是什么导致的这个结果。而不要总是说提出的方法提升了分数，提升了某部分分数，相对什么提升了分数。这种贴标签的话，可以有，但一定不能通篇都是。

示例1：

贴标签：a simple yet effective approach to solve this problem, which improves performance and robustness.
具体：a simple yet effective approach to help XXX to learn/recognize XXX

示例2：

贴标签：experiments show that our model achieves state-of-the-art performance.
不太具体（用于摘要）：experiments show that our model can XXX, and outperform exisiting methods in literature.
具体（用于总结）：experiments show that our model can make better and full use of XXX, especially those XXX ones, thus achieving state-of-the-art performance.

一句话尽量只说一件事

分割前：全都混在一起，读起来总有一种：“我是谁？我在哪？我在干什么？”的迷惑。

To connect XXX using relations XXX, we train a classifier on XXX, where the sizes of training/validation/test instances are A/B/C, and we finally obtain a accuracy of XXX on the test set.

分割后：做了什么，怎么做的，过程细节，结果效果。四句分开说。

We predict the relations between XXX, linking XXX. Specifically, we train a classifier using XXX. The sizes of training/validation/test instances are A/B/C, respectively. The results show that our method obtains the accuarcy of XXX on the test set.

注意句子间的逻辑

主要需要明确，每句话想表达什么。表达的这个内容的前序铺垫都清楚了么？结论和条件之间是否有直接因果关系？或者比较间接但也铺垫充分了？尤其包含对于thus，therefore等因果指示词的句子，需要更加注意。

以及，段落开头的句子是否可以概括段落的核心思想？段落中每句话是否都和这个思想相关？有没有跑题？

其实，在处理段与段及章节之间的逻辑时，也都是类似的思路。

他山之石

以下是笔者多年珍藏的各路大佬给出的写作建议，这次也一并分享出来，以供大家参考。

1. 机器翻译学术论文写作方法和技巧：清华大学刘洋老师在CWMT-2014上做的经典报告，以机器翻译的视角，从选题开始，给大家讲解了论文写作的方法和技巧。

http://nlp.csai.tsinghua.edu.cn/~ly/talks/cwmt14_tut.pdf

2. 如何端到端地写科研论文?：复旦大学的邱锡鹏老师在CCL-2018的student workshop上做的报告。

https://xpqiu.github.io/slides/20181019-PaperWriting.pdf

3. 论文写作的易读性原则：刘一佳同学，阿里巴巴达摩院的阿里星大神，在NLPCC-2018上做的报告。

http://yjliu.net/cv/res/2018-08-19-nlpcc-sws.compressed.pdf

4. 哥伦比亚大学的Henning Schulzrinne老师的一些学术随笔，其中也有一个论文写作的collection。

http://www.cs.columbia.edu/~hgs/etc/writing.html

5. 哈佛大学的Whitesides老师从写提纲的角度切入讲解如何撰写学术论文。

https://onlinelibrary.wiley.com/doi/pdf/10.1002/adma.200400767

6. 如何让摘要吸引人？Nature论文摘要模板值得收藏。

https://zhuanlan.zhihu.com/p/158574876

7. 支付宝研究员王益的建议：“学好语文，才能写好代码”（很多观点对写论文同样适用）

https://zhuanlan.zhihu.com/p/157243326

不管是本文谈到的细节，还是上面大佬们给出的写作建议，都只是一种风格而已，可以参考，但没有必要死守。各家有各家之言。论文写作的首要目的是支撑、凸显核心论点，而在这一前提下，保持一致最为重要。

萌新可以考虑以本文，或上面提到的某位大佬的材料中的写作风格为起点，在和导师、师兄/师姐的磨合中，逐渐形成自己的写作风格。而熟手也可以参考本文，吸收部分建议，融入到自己的风格中，作进一步完善。

写作最重要的还是经验。多写、多练、多总结、多思考、多听取导师的建议，相信你的写作水平会突飞猛进。让你的导师不再看你文章时心急得抓耳挠腮；让评审不会迷失在糟糕的写作中，能够一眼看出你的贡献点，打出 strong accept！

萌屋作者：python
北大毕业的NLP博士。日常写点论文，码点知乎，刷点leetcode。主要关注问答、对话、信息抽取、预训练等方向。力扣国服第一python选手（经常掉下来）。知乎 ID 是 Erutan Lai， leetcode/力扣 ID 是 pku_erutan，欢迎没事常来逛逛。
作品推荐
恕我直言，你的实验结论可能严重依赖随机数种子！
AllenAI 发布万能问答系统 MACAW！各类题型样样精通，性能大幅超越 GPT-3！