一、本讲义怎么用

本讲义整理自 2026 年 9 月 28 日实验室组会。讲义不重复具体技术细节，只把可迁移到任何一篇工科小论文、学位论文的写作方法抽出来，按「题目—摘要—引言—相关工作—方法—图表公式」的顺序组织。

建议用法：第一次动笔写论文之前通读一遍；写完初稿后对照末尾的「自检清单」逐条打勾。每条方法后面括号里的反例均来自这次点评中真实出现的稿子问题，可作为自己写作时的警戒线。

二、总论：论文写作的五条底层心法

（一）总分总是多层嵌套的骨架

一篇论文本身是一个总分总：引言是「总」，中间各章方法与实验是「分」，结论是「总」。但这个结构不是只在全文层面用一次——它要一层一层套下去：

• 引言这一章本身也是总分总：第一段抛出大背景与目标问题（总），中间讲相关工作与自己的方法思路（分），最后一段概括本文做了哪几件事（总）。
• 每一个自然段也是总分总：第一句话是这一段的主旨句，后面几句展开论述，段末收一句。这和英语阅读里找段落主旨句是同一个道理。

写之前先把「总—分—总」的骨架在纸上列出来，再往里面填句子，不要边想边写。

（二）虎头猪肚凤尾：开头决定生死

老话说「虎头、猪肚、凤尾」。论文的开头（题目、摘要、引言第一段）必须点题、立意、开门见山、一针见血，要有气势；中间的方法、实验、分析是「猪肚」，要厚实，应占全文约 60%–80% 的篇幅；结尾要收得有力。

很多同学把大量字数花在引言里堆砌背景，真正的方法与实验反而写得单薄，这是本末倒置。小论文七八千字到一万字，字字珠玑，引言只要把「我要做什么事」引出来即可。

（三）提出的问题必须能被自己解决

这是导师反复强调的一条硬规矩：在文章里提出来的每一个问题、每一个痛点，必须是本文方法能解决的；解决不了的，不要写。不要自己揭自己的短。

导师打了个比方：这就像参政议政、写建言献策，不能光把问题抛出去——谁看不见问题呢？「老头乐乱窜」这种问题谁都看得见，但你必须同时给出分析和对策，否则就是光挑刺。写论文也一样：你在引言里渲染了前人方法在光照、遮挡、模糊、尺度变化下不行，那你的方法就必须真能在这些条件下 work；如果你方法并没有解决这些问题，那就把这些缺点淡化、略过，不要写。

反例：有同学在引言里写「语义分割易受光照变化、遮挡、图像模糊及目标尺寸变化影响」，导师批注：我们的方法能解决这些吗？不能的话为什么要写？

（四）前后映照、首尾呼应

文章前面怎么分，后面就要怎么对应：

• 相关工作如果按三类流派讲，那「综上所述」就应该对应总结三类；如果只总结两类，那就说明前面的分类本身有问题。
• 引言末尾提炼出「本文要解决问题一、问题二、问题三」，那方法章就要有对应的小节分别解决这三个问题，实验章也要有对应的实验分别验证这三个问题被解决了。从前到后一条线串下来，审稿人读起来才会觉得逻辑闭环。

不要前面分三块、后面综述只写「一方面……另一方面……」两块，这种前后不照应是逻辑硬伤。

（五）就事论事，不凑字数

小论文不是综述，也不是毕设。不要为了凑字数把领域发展历史、基线模型的完整结构、无关算法的原理全列一遍。审稿人一眼就能看出哪些是凑字数。

三、论文题目

（一）字数与落脚点

• 题目一般 20 字左右，超过 30 个字就太长了。
• 题目要明确「落脚点」——你的工作最终是一种什么东西。反例：题目里落脚点落在了「语义地标」这个对象上，但实际工作是一种定位方法；正例应改成「基于……特征匹配的语义地标定位方法研究」，落脚点是「一种定位方法」。

（二）题目要让人一眼看出你做了什么

反例：「基于视觉语义分割的潜在动态目标点云剔除方法」——光看题目，审稿人不知道你说的「视觉」是什么。是把点云渲染成图再用视觉方法看？还是用一路相机图像和点云联动？题目里没有交代视觉的来源和采集对象，读者会误读。

改进方向：题目里最好把「视觉从哪来、处理的是什么」点清楚，避免歧义。

（三）缩写命名

方法缩写不要太长。反例：MSemVSR 这种连字符加一长串字母，读起来累。可以删繁就简，比如 MSSVSR，甚至用 MS² 这种带符号的写法（参考 I2C 这类惯用缩写）。命名权在作者，但前提是简洁、好记、不歧义。

四、摘要

（一）字数与体力

• 中文摘要 400 字左右为宜。反例：初稿只有 290 字，再删掉冗余句子后只剩 240–250 字，偏短。
• 摘要在体例上是一篇完整的微型论文，同样讲究起承转合：

起：一句话交代大背景和面临的问题。

承：从大背景聚焦到本文要解决的具体问题。

转：针对这些具体问题，本文用什么方法一一解决（一句话版本）。

合：实验表明方法效果如何，最后一句点出意义。

（二）字字珠玑：非核心贡献不要展开

摘要里每一句话的份量都很重。如果某句话在摘要里占了好几行，它必须是核心贡献；否则就是浪费摘要的宝贵篇幅。

反例：有同学摘要里写「满足联合判定的点在激光体素降采样、几何子图更新和地图增量维护之前就被删除」，并花了一大段解释这些点不经过 Fast-LIO2 后续流程。导师指出：第一，这句话读不懂；第二，「不经过后续环节」并不是你的核心贡献，真正的意义只是「减少了动态点对状态估计与静态地图构建的干扰」，一句话带过即可，不用展开。

（三）方法名全文统一

你给自己方法起的名字，在摘要、正文、图注、关键词里必须完全一致，不能这里多一个字、那里少一个字、有时候又换个缩写。读者要靠这个名字把全文串起来。

（四）摘要突出我的思路，不要复述别人的模型

反例：有同学摘要用了一大段介绍基线模型 Best-VSR 里的光流估计、特征传播融合机制。导师指出：把这段话里的方法名换成 Best-VSR 原文，放在人家论文里毫无违和感——这说明这段话根本没在讲「你做了什么」，只是把别人的模型又介绍了一遍。

摘要更应该写机理层面的一句话，例如「通过语义先验引导帧间特征对齐，提升融合效率」。具体模型结构、卷积有几层，那是正文方法章的事，不要塞进摘要。

（五）指标不要写 100%

如果你的实验指标出现 100%，只能说明实验做得不充分——测试场景没有超出方法的边界。真正有把握、有覆盖面的方法，不会出现满分。看到 100% 就要回去补实验、扩测试集。

（六）少用括号注释

一两处括号作为正文句子的延伸可以，但如果整篇文章靠括号补充说明，说明你的正文句子本身没有把信息说完整、写作连贯性差。能改成正常句子就改成正常句子。

五、关键词

关键词一般 3–5 个，5 个已经算多，不要写 6 个。拿不准删哪个时，保留最能代表你方法和领域的词，去掉那些通用、宽泛的词（如「可见性约束」这类过于具体或过于通用的词）。

六、引言（绪论）

（一）开头第一句：从大背景聚焦到具体问题

引言第一段要「开篇立意」：先把背景写得宏大一点，再一步步收敛，最后聚焦到你要解决的那个具体问题。叙事逻辑是用来引导读者跟着你思考的。

正例（导师现场示范）：「随着煤炭开采向深部延伸，井下环境愈发恶劣，井下监控设备面临光照不足、粉尘污染、水汽水雾等多方面劣化挑战。」——一句话把大背景（深部开采）、具体场景（井下）、具体挑战（光照、粉尘、水汽）全点到了。

反例：写「广泛应用于智能制造、交通监控、医学影像等领域」——题目是矿井方向，开头却扯一堆别的领域，和题目毫无关系，这是凑字数。

（二）三句话不离应用场景

你的文章是面向矿井写的，那引言每三句话就要出现一次「井下」这个场景。同样是「图像分辨率低、纹理缺失、噪声大」，要写成「井下低照度、高粉尘环境下采集的图像存在分辨率不足、纹理缺失、噪声干扰等问题」——问题是同一个问题，但你必须从你的具体场景里把它分析出来，而不是放之四海而皆准地写一句空话。

方法本身当然可以用到其他场景，但这篇论文就事论事，就是针对你的场景做的。

（三）自然段也要总分总

每一段的第一句话是这段的主旨句，后面展开，段末收束。审稿人读论文是跳读的——他可能只读每段第一句。所以每段首句必须能独立、清楚地告诉你这段在讲什么。

（四）引言末尾要明确列出 2–3 个具体待解决问题

相关工作梳理完之后，不要只写「综上所述，现有方法存在不足」就完了。要把不足具体化成两到三个可检验的问题，例如：① ……；② ……；③ ……。后面方法章、实验章就对着这三条一一回应。这样审稿人能拿着你的三条问题去核对你方法是否真解决了。

七、相关工作（综述）

（一）按流派分类，不要罗列

相关工作要按方法流派组织，例如动态点云剔除问题可以分成：① 基于几何一致性的传统方法；② 基于深度学习的方法；深度学习下面再细分基于语义分割的、基于语义与三维几何融合的。分完之后自己先看清分类逻辑。

反例：有同学三段分别写几何变化检测、语义辅助筛选、语义与三维几何融合，但三段的首句都没有点明这是同一层级还是不同层级，读起来像三段平行内容却又彼此重叠——这就是分类没想清楚。

（二）分类要理由充分，段落归属要公平

如果一个流派下有多个子方向，每段首句就要把这个子方向的主旨讲清楚；不要出现「上面一句总起只带了其中一段、其他几段孤零零」的情况——导师的比喻是：这句话是父母，下面几段是孩子，不能只偏爱一个孩子。

（三）综上所述必须与前文分类一一对应

前面分几块，后面总结就写几块；前面三类，总结就别只写「一方面……另一方面……」两块。

（四）客观批判，不要批太狠

对前人工作的批评要就事论事、挑相对次要的短板，不要把人批得一无是处。因为你写的稿子很可能正好送到被你批评的作者手里当审稿人。

正确示范：「该方法所使用的数据集构建于一般光照良好场景，难以应对煤矿井下低照度、高粉尘的复杂条件。」——这是客观陈述事实（人家数据集确实是一般场景），不是人身攻击。

同时，批评要为你自己的动机服务：把前人方法在你这个具体场景下的不适应讲清楚，你的研究动机自然就立起来了。问题梳理得越凸显，动机越强。

（五）用文献支撑自己的论点

你在文章里提出的论断——比如「这类方法参数量大、计算开销高」——要么自己做实验证明，要么引一篇已经做过相关综述的文献来支撑。有了引用，这句话的责任就由被引文献承担，你不用自己为它负责。不要写没有出处的断言。

（六）不要为凑字数罗列算法历史

反例：有同学把 DTR 等一堆基础算法挨个介绍了一遍，但这些算法和论文主旨关系不大。相关工作是为了引出「我要解决什么问题」，不是算法史综述。

八、方法章节

（一）基线模型介绍要压缩，作为铺垫

如果你的方法是在某个基线（如 Best-VSR、U-Net、Fast-LIO2）上改进，不要单独开一大节把基线模型完整介绍一遍。可以把基线介绍压缩成方法章开头的一小段，作为引入：为什么选这个模型做改进？因为它在某方面有独到之处。但不要喧宾夺主。

（二）设备参数放实验章，不要放方法章

相机型号、分辨率、激光雷达线数、IMU 精度这些具体设备参数，是为了让别人复现实验用的，应该放在实验设置那一节。方法章讲的是通用的方法原理，不应依赖某一台具体相机的参数。

（三）主语不要用「本文」

反例：「本文通过……」——「本文」指的是这篇文章，不是你提出的方法。文章不能「通过」做什么事，做事情的是你提出的方法。应改为「本文所提方法通过……」或直接以方法名作主语。

九、图、表、公式

（一）框图要做得精彩

方法总体框图不要方方正正一堆黑框框，要做得紧凑、有视觉冲击力。可以参考生化环材、生物方向论文里那些带真实细胞/组织结构示意图的图——本质也是流程，但配上真实数据效果（一帧相机图像、一帧点云、一段时间序列）立刻就生动了。

• 深度学习模型结构图可以画得像 U-Net 论文那种 U 型结构，层与层之间用箭头连接，看起来「不明觉厉」。
• 图中文字不要比正文小太多；图不要留太多空白，要紧凑。

（二）图例、坐标轴必须齐全

• 图中所有符号（红点、绿点、蓝点、不同线型）都必须在图例里说明代表什么。
• 坐标图必须标注坐标轴名称和单位。
• 图不能太小，小到审稿人看不清就是白画。
• 图、表都要有编号和题注：图题在图下方，表题在表上方。
• AI 生成的图必须自己打开看一眼——反例：有同学用 AI 生成的框图，框里的字都没显示完整就交了。

（三）公式之间要有代入关系

公式不是孤立堆上去的。前一个公式里的变量应该能代入后一个公式，后一个公式再传给再后面的公式。审稿人里有对公式特别敏感的人，代入关系不连贯会被一眼看穿。

• 所有变量全文用同一个符号，不要这里用 a、那里用 b 表示同一个东西。
• 每个公式出现后，必须逐一解释式中每个符号的含义。反例：有同学的公式后面没有任何符号说明，e_i、H 是什么全靠猜。
• AI 生成的 LaTeX 公式贴进 Word 后必须转成 Word 公式对象，不能留成一段裸 LaTeX 代码。

十、其他容易被忽视的细节

（一）英文摘要

现在 AI 翻译已经很强，但不要只喂给一个模型翻一次。找两三个 AI 分别润色一遍再综合，能明显提升英文摘要质量。

（二）用词中性化

「GPS」特指美国的全球定位系统，写论文时用更中性、更宏观的「GNSS」更稳妥，也更符合学术表述。

（三）AI 生成内容必须人工复核

AI 可以帮你起草，但稿子必须自己通读：不通顺的句子、自己读不懂的长句、括号没闭合、图里文字缺漏、公式没解释，这些 AI 不会替你发现。「可能确实不是 AI 生成的，但确实有些地方不通顺」——人写的稿子也要逐句读顺。

（四）格式按目标期刊

投稿前一定按目标期刊的投稿模板排版（字号、参考文献格式、图表位置）。导师现场给三位同学指定了不同目标期刊，不同期刊格式差异很大，不要写完再调。

十一、附：投稿前自检清单

——写作能力是慢慢磨出来的。AI 很厉害，但它替你写不出你真正想表达的东西。