2020年3月17日，在超千人同时在线的“智源论坛·论文写作专题报告会”上，三位智源青年科学家分别进行了精彩的在线分享，题目分别为：中国科学院计算技术研究所研究员兰艳艳《论文写作小白的成长之路》、中国人民大学副教授赵鑫《谈如何写一篇合格的国际学术论文》、北京大学研究员施柏鑫《计算机视觉会议论文从投稿到接收》。
他们通过丰富的实战示例，分别从论文写作的润笔和修改技巧、论文写作的常用步骤与方法、论文投稿和审核中的关键注意事项等多种角度，详细解析了如何写好一篇优秀的国际学术论文，收到了直播间观众的热烈反响。我们将他们的演讲整理成文字，陆续发布。
今天，我们将介绍智源青年科学家、中国人民大学副教授赵鑫《如何以初学者的身份写好一篇国际学术论文》。赵鑫从一篇国际学术论文的通常逻辑布局入手：引言、相关工作、模型、实验、参考文献等，通过大量的实战示例，详细解析了它们的写作方法、技巧和注意事项等，此外还分享了他本人对于一些国际期刊的投稿经验。
需要说明的是，本次报告的示例主要以信息检索，自然语言处理以及数据挖掘的论文展开。同时赵鑫认为，国际论文不同领域的基本方法和思路都是相通的。写作堪称一门学术内功，需要时间加以修炼，报告人也在修炼途中；而且写作千人千面，没有绝对的正确和错误。本次报告仅作为他个人写作经验的一次交流分享。
首先，赵鑫给我们介绍了两篇主要的示例论文，第1篇发表在SIGKDD 2019上，主题是基于背景信息的智能化路径搜索算法。作者将从起点到终点的路径搜索算法定义为A*算法，原始的A*算法会分解启发式搜索值为两个部分，其中g用来计算历史消耗，h用来预估未来消耗，论文的新思路是采用了图神经网络进行计算，包括采用深度学习方法来计算其中的g以及h。
第2篇发表在SIGIR 2018上，是基于知识属性的序列推荐算法。赵鑫指出，为了帮助论文初学者们快速入门，他接下来的内容风格可能会有点像“八股文”：按照论文的撰写顺序，介绍每一个部分该怎么写，有哪些规范、技巧或教训等。
引文：论文必须装点的“门面”。一般来讲，摘要部分只要不出现太大的失误就不会成为拒稿的因素，但引文部分如果把握不好就容易成为文章被拒的理由，或者让读者难以提起兴趣阅读该论文。
引文部分主要具有以下作用：交代研究任务，向读者传达作者的任务和目的；阐述研究现状总结不足，说明目前状态，为读者提供研究背景的铺垫，带出论文研究的挑战和难点，如果论文需要解决的技术挑战重大，可以单独列出段进行描述。但切忌单纯罗列工作，而不突出难点；提出解决的新思路，主要是用来引出论的解决思路；给出新方案的设计，较为详细地介绍所提出思路的实现；总结论的贡献以及实验结论，这部分需要总结并且强调论的贡献。
以第一篇示例论文（SIGKDD 19）为例，其在引文中首先介绍了个性化路径推荐问题，即给定路网结构，旨在解决生成特定用户的路径推荐问题。因而需要突出在大图以及路网上的复杂性等难点。其次是在引文中阐述了研究现状并总结出了不足，为读者做出了研究背景方面的铺垫。这部分不同于对相关工作的介绍，主要是总结已有算法的不足。
传统启发式搜索如A*算法的好处在于大图上的有效性，而机器学习算法的优点在于突出了算法的灵活性。很自然地，引出能否结合两者的优点呢？这一想法通过加入在策略游戏上的过渡句来带出：同时结合A*算法与机器学习算法的优点。下面还是给出新方案的具体设计过程，即通过一句话说清楚算法的具体功能与设计思路。最终强调论文的贡献，尽量避免强调的贡献过多，细致强调一个贡献效果更好。
在引文中也特别需要注意讲究逻辑性，逻辑错误是目前许多同学都会出现的问题。常见的逻辑错误有以下几个方面：因为模型A好使，所以用A做某任务。这是机器学习学生前期论文经常出现的错误。典型的错误如“因为Deep Learning好用，所以就可以用来完成某个任务”；因为任务B没有人做，所以我做了。没有人做的事情很多，并不能体现出意义；之前的人做了什么工作，我做了什么工作，我的比前人做得好。
这种情况很容易出现缺乏解释性，强迫进行衔接；这个任务很难，这篇论文我们这样解决了这个挑战。没有突出解决过程中的思路描述；夸大自己模型的贡献、忽略别人的工作。这一定要和related work建立联系，不能夸大贡献。
综上所述，赵鑫对引文(Introduction)的写法“六句扩展法”进行了如下总结：①第一句写任务介绍以及研究意义；②第二句概述研究现状以及存在主要的问题；③第三句写解决这些问题的研究挑战；④第四句写当前方法的主要出发点以及解决思路；⑤第五句写当前方法的主要技术方案；⑥第六句写总结、强调贡献。写出这六句话后，可以分别按段进行拓展，用以完成introduction的写作。
除此之外，在引文写作中还需要注意过渡词的使用，例如yet、although等。
相关工作：分类整理，覆盖全面。论文写作中相关工作部分的要求，主要包括这四个方面：尽量覆盖所有相关工作，其中可以匹配一些特定排版风格；多读论文；进行细致的分类整理并突出相关之处；强调差异与不同之处，例如主要任务，数据，算法的归纳与整理，这样可以写的非常高瞻远瞩并且浓缩；兼顾长写与短写，铺垫好足够的内容再展开相关工作。
在这个过程中，以下几点错误是较为常见的，我们需要特别避免：简单罗列阅读文章，并没有在平时读论文的过程中做到分类总结；没有讲清楚区别与联系，这体现了对论文进行分类总结的重要性；语法错误，论文的时态可以选择过去时或现在完成时，但切忌混乱使用时态;套用与滥用模板。
定义：清楚明晰是关键。通常来说，定义部分主要具有以下三个作用：介绍清楚所有术语，让符号符合人的直觉与常用思维（如首字母命名法）；给出所有符号的含义以及使用方式，好看、好记、成体系并活用上下标（推荐花书的符号参考，避免黑白式符号）；形式化地描述清楚任务。
模型部分：注重逻辑与收尾。模型部分的写作一定要强调逻辑，这对论文最终呈现出的质量极其重要。其中，最基本的逻辑形式分为总-分式和总-基础-增强式。
总-分式的逻辑是指模型有若干个部分并对其分别加以介绍，各部分联系紧密且title比较清晰；总-基础-增强式是指首先概述一个基本模型，并在基本模型之上进行拓展。在对模型进行收尾即在总结模型训练的过程中，可以通过加入模型分析、模型训练和模型学习等方面的介绍，用以对于模型进行完善、升级以及延伸。
实验部分：注重对比实验。
在文章的实验部分，往往遵循如下的一般流程：数据集合（包括：评测指标和评测流程）、对比方法、主干实验分析、模型细致分析、定性实验，下面是各流程节点写作的详细方法：数据集合，首先要在文章中写明原始数据来源，以及经过哪些预处理步骤得到最终用于评测的数据集。最终的数据还要列表进行诸如数据量类别数等的对比。
一个小技巧是将表格中的数字右对齐，使用逗号表示法，如“200,000”，这样方便审稿人进行比较不同数据集合的大小。至于评测指标和评测流程，新任务的评测指标或流程，则要详细给出，老任务的则可以沿用已有指标。
摘要和总结：整体把握。写摘要应该是时间花费最少的，建议在文章完结后进行摘要写作。因为此时论文已经成型，方便你直接借鉴或者改动论文中一些已经很成熟的重要语句。
摘要部分要注意讲清楚任务、方法和创新点，不要提实现细节，不需要代入，而是要直接了当地写。总结也是一样，简要总结工作，不要再埋包袱、打伏笔，具体流程可以这样写：①具体任务、②解决方案、③实验结果、④未来扩展。需要注意的是，语法上，现在完成时和过去时都可以，但是不能混着用。
写作习惯：如何安排写作顺序。对于论文写作、修改时的流程，一般来说，我首先会花费半天时间写相关工作，之后会对问题定义和模型细节进行足够了解并且进行写作，随后将写作重点放在引言和实验部分，一般会在2-3日内完成初稿。初稿完成后会花费一天时间在引言和其他部分反复进行迭代修改，全文定稿，最后完成摘要和结论部分及修改相关工作。
建议：最快、最稳的论文写作学习法。
演讲最后，赵鑫提纲挈领提了一系列“high level”的建议。首先，是论文写作中一些“固定而正确”的实践建议，赵鑫解释说，“只有学会跑之后才能考虑飞翔”，初学论文者首先要像学习八股文一样进行论文写作。具体建议如下：学一手好的LaTex，建议模板化、流程化、标准化。同时观念上将写论文作为科研的一部分——只有做好了科研，才能写出好论文。学会一些固定转折、承接、突出、总结、代入、发现、介绍等固定语句。
重学四级单词或者学术论文常用单词，了解这些词的准确用法。（可以写个程序，找出来最频繁的词汇，以及它们的搭配，对于自己使用的新搭配要小心）建议学会一套好的画图技术、做表技术。相关工作应该平时准备好，对于bib提前找好。自己做拼写检查。
对于论文写作，最快的学习途径，赵鑫认为是不断地复盘：多写论文，然后找师长修改；赵鑫强调：“要珍惜每一次老师给你的修改。
作为中国人，尽管老师难免可能会出现语病，但他毕竟写过的论文比你多，一定要好好琢磨他为什么这么做”。对应的，对于论文写作最稳妥的学习途径，赵鑫建议寻找一些科普的文章，如一些大组的工作，从头到尾去学习写作、背诵甚至默写；此外还有一种“廉价”的方法，是读论文的时候不看abstract，从而根据论文写abstract，然后进行对比，这在本质上相当于写论文然后找人修改的过程。
此外QA环节中，赵鑫还提到以下几点：1、建议大家读论文的时候，一定先有一个大概的topic，把论文量首先积累到50篇，然后开始做一个分类的操作，然后做一个重写摘要的操作，这两个事情做完以后，论文基本上确定了。不要硬写论文，一定想清楚自己的contribution是不是已经足够了，或者自己是不是已经做好了写论文的准备，做好文献阅读的情况下才可以写论文。
2、论文中相关术语的缩写一定要和原始论文中的一样，比如BERT不是Bert或者bert。3、不要把图画得复杂，把故事说清楚，就是图要画得越简单越好，很多情况下是因为要讲的故事复杂它才复杂，千万不要把模型图画得太复杂。