ICML取号破3万！DeepMind同款写作Skill开源，零幻觉拯救截稿焦虑

就在今天，ICML 2026 的 Abstract Deadline 正式截止。官方数据显示，今年的提交编号已经飙升到了 33540。

取号成功只是第一步，真正的挑战现在才开始。实验跑完了吗？Ablation Study 的数据对得上吗？

最棘手的是，盯着屏幕上那个几乎空白的 main.tex，距离 Full Paper Deadline 已经没剩几天了。

在这个时间节点，消耗精力的往往不是科研本身，而是那些琐碎的工程问题——反复调试 LaTeX 报错、核对数十篇参考文献的格式、为了适应 8 页限制进行删减……

近期在 GitHub 上出现了一个名为 AI-research-SKILLs 的项目，或许能解决这些燃眉之急。

它不仅塞进了 NeurIPS, ICML, ICLR, AAAI, ACL 等全套顶会模板，更把顶级学者的写作逻辑变成了可执行的 Claude Skill。

哪怕你是 LaTeX 小白，也能在它的引导下写出符合顶会标准的论文初稿。

信任危机

此前 GPTZero 的报告显示，在ICLR 和NeurIPS 的投稿中，出现了大量 AI 编造的虚假参考文献。

在学术界，引用一篇不存在的论文，极大概率会导致 Desk Reject。这是目前科研人员使用 AI 辅助写作最大的顾虑。

AI-research-SKILLs 中的 20-ml-paper-writing 模块，制定了一条严格的执行规则：

# 真正的“零幻觉”验证逻辑
def verify_paper(doi=None, arxiv_id=None):
    """Verify paper exists in multiple sources."""
    sources_found = []

    # 1. Check Semantic Scholar
    if doi and semantic_scholar.get_paper(f"DOI:{doi}"):
        sources_found.append("Semantic Scholar")

    # 2. Check CrossRef (官方DOI源)
    if doi and requests.get(f"https://api.crossref.org/works/{doi}").ok:
        sources_found.append("CrossRef")

    # 3. Check arXiv
    if arxiv_id and requests.get(f"http://export.arxiv.org/api/query?id_list={arxiv_id}").ok:
        sources_found.append("arXiv")

    # 只有至少两个来源确认，才算验证通过
    return len(sources_found) >= 2

顶级学者的写作方法论

不同于简单的 Prompt 集合，该项目系统性地整合了 AI 学术圈公认的写作规范与默会知识。

它构建了一个覆盖从构思到过审全流程的写作资源库：

1. 全景写作指南

它将 Andrej Karpathy 的叙事逻辑、Neel Nanda (DeepMind) 的What/Why/So What 框架以及 Sebastian Farquhar 的 5 句摘要公式转化为了具体的执行指令。

这些指令引导 Agent 遵循严谨的叙事逻辑，将技术内容表达得清晰且具有说服力。

2. 微观修辞纠错

除了宏观逻辑，它还关注微观用词。

基于 Gopen & Swan 的认知心理学原则，它会自动优化句子的主谓距离以降低阅读负荷；基于 Zachary Lipton 的用词建议，它会严格剔除 "leverage" 这类模糊词汇，强制使用更精准的 "use"。

3. 审稿人视角优化

该模块基于资深审稿人的阅读习惯设定了写作规范，通过优化文章结构与视觉路标，确保核心贡献点能在审稿人快速浏览时被精准捕捉，降低认知负荷。

4. 避坑与合规检查

集成各大顶会的内容核查清单。不同于基础的格式检查，它更关注内容合规性，从强制要求的社会影响到局限性声明。

Agent 会扫描全文，确保这些关键章节没有缺失，防止因内容违规而导致的直接拒稿。

体验升级

有了这些规则，实战体验是如何优化的？

该项目为 Agent 设定了两条严格的前置准则，旨在迫使作者理清思路：

一句话原则：Agent 会要求作者必须用一句话清晰阐述核心贡献，否则不开始正文写作。

Figure 1 驱动：在撰写正文前，它要求先构思 Figure 1 (Teaser Image)。因为这张图决定了整篇论文的基调，是抓住审稿人注意力的关键。

完成这些前置步骤后，它才会进入主动式交互阶段：扫描 GitHub Repo 的 results/ 文件夹，分析实验数据，确认图表逻辑，进而生成论文初稿。

此外，针对多投需求，它内置了格式转换工作流：

自动版面调整：针对从 NeurIPS（9页）转投 ICML（8页）等常见场景，它能智能调整图表大小与段落间距，在不删减核心内容的前提下完成版面瘦身。

引用与匿名适配：NeurIPS 和 ICML 的引用指令（citet vs cite）与匿名规则截然不同。工作流能自动替换这些底层代码，并依据会议要求处理附录拆分，确保提交文件完全符合新会议的格式规范。

全能科研 Skill

写作只是冰山一角。

AI-research-SKILLs 依据 AI 科研的生命周期，将 77 项硬核技能划分为了 20 个技术版块，覆盖了从底层模型开发到顶层应用部署的完整链路。

该技能库的构建逻辑遵循 AI 科研的标准工作流：

1. 基础设施层：包含分布式训练与底层架构；

2. 模型优化层：涵盖微调、后训练及量化推理；

3. 应用开发层：延伸至智能体、检索增强生成、及多模态领域；

4. 科研支撑层：补齐了常被工程项目忽略的机理解释性、评估及 MLOps 版块。

# Add the marketplace
/plugin marketplace add zechenzhangAGI/AI-research-SKILLs

# Install by category (20 categories available)
/plugin install fine-tuning@ai-research-skills        # Axolotl, LLaMA-Factory, PEFT, Unsloth
/plugin install post-training@ai-research-skills      # TRL, GRPO, OpenRLHF, SimPO
/plugin install inference-serving@ai-research-skills  # vLLM, TensorRT-LLM, llama.cpp, SGLang
/plugin install distributed-training@ai-research-skills
/plugin install optimization@ai-research-skills

结语

AI-research-SKILLs 本质上是一份写给 Agent（如 Claude Code, Cursor）看的操作手册。它体现了一种 Vibe Research 的理念，人类负责把握方向，AI 负责执行繁琐流程。

这个开源库是 Orchestra Research 平台的底层组件，他们构建了一个无限画布（Research Canvas），将论文、代码节点和笔记以一种可视化的方式连接起来，这或许就是下一代科研工作台的雏形。

对于正在冲刺 ICML 的研究者来说，这套工具库在工程实现和论文排版上能提供实质性的帮助。

#投 稿 通 道#

 让你的文字被更多人看到 

如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？答案就是：你不认识的人。

总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。 

PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学术热点剖析、科研心得或竞赛经验讲解等。我们的目的只有一个，让知识真正流动起来。

📝 稿件基本要求：

• 文章确系个人原创作品，未曾在公开渠道发表，如为其他平台已发表或待发表的文章，请明确标注 

• 稿件建议以 markdown 格式撰写，文中配图以附件形式发送，要求图片清晰，无版权问题

• PaperWeekly 尊重原作者署名权，并将为每篇被采纳的原创首发稿件，提供业内具有竞争力稿酬，具体依据文章阅读量和文章质量阶梯制结算

📬 投稿通道：

• 投稿邮箱：hr@paperweekly.site 

• 来稿请备注即时联系方式（微信），以便我们在稿件选用的第一时间联系作者

• 您也可以直接添加小编微信（pwbot02）快速投稿，备注：姓名-投稿

△长按添加PaperWeekly小编

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

<原文链接：https://mp.weixin.qq.com/s/pA_F921P9cph1a5jyQ_vBA