Research: Scientific Writing & Peer Review: 一篇好的 ML 论文摘要应包含什么？

Core Concept: 应包含问题与动机、方法一句话、关键结果（带具体数字）与贡献影响；避免空洞形容词，让读者能快速判断是否相关与是否值得读。

数学机理：<strong>摘要的结构与功能</strong>——(1) <strong>问题与动机（problem & motivation）</strong>——(a) <strong>内容</strong>——解决什么问题、为什么重要、现有方法的不足；(b) <strong>篇幅</strong>——1-2 句；(c) <strong>要求</strong>——具体（而非'深度学习很重要'）。(2) <strong>方法（method）</strong>——(a) <strong>内容</strong>——核心思想一句话（而非细节）；(b) <strong>要求</strong>——让读者知道'怎么做的'的骨架；(c) <strong>避免</strong>——罗列所有模块。(3) <strong>结果（result）</strong>——(a) <strong>内容</strong>——关键指标的具体数字；(b) <strong>要求</strong>——<strong>给数字</strong>（'提升 3.2 点'）而非'显著提升'；(c) <strong>对比</strong>——相对谁（SOTA/baseline）；(d) <strong>理由</strong>——数字让读者快速评估贡献量级。(4) <strong>贡献与影响（impact）</strong>——(a) 为什么重要、对领域/实践的意义；(b) 有时列出 3 条贡献点。(5) <strong>写作原则</strong>——(a) <strong>具体</strong>——避免空洞形容词（novel/powerful/significant 无信息量）；(b) <strong>可读</strong>——非本领域读者也能理解（摘要常是唯一被读的部分）；(c) <strong>诚实</strong>——不夸大适用范围；(d) <strong>简洁</strong>——通常 150-250 词。(6) <strong>摘要 vs 引言</strong>——(a) <strong>摘要</strong>——整体概览，独立可读；(b) <strong>引言</strong>——展开背景、动机、贡献列表、论文组织；(c) <strong>关系</strong>——引言是摘要的详细版。(7) <strong>常见问题</strong>——(a) 只有方法没有结果数字；(b) 空洞形容词堆砌；(c) 术语过多（外行读不懂）；(d) 夸大结论（过度声称）；(e) 过长（细节太多）。(8) <strong>检查清单</strong>——(a) 问题清楚吗？(b) 方法一句话能说清吗？(c) 结果有数字吗？(d) 为什么重要？(e) 非本领域能读懂吗？<strong>与其他问题的关系</strong>——(a) 与写好方法部分；(b) 与过度声称（诚实）；(c) 与技术演讲（motivation 先行）。<strong>度量</strong>——(a) 是否含具体数字；(b) 是否含空洞形容词；(c) 可读性。

深度剖析与工程权衡：① <strong>摘要必须给具体数字</strong>——'显著提升'无信息量；面试中能指出这点是深度理解的标志。② <strong>摘要常是唯一被读的部分</strong>——需独立可读、面向广读者。③ <strong>方法一句话即可</strong>——细节留给正文。④ <strong>避免空洞形容词</strong>——novel/powerful 无信息量。⑤ <strong>摘要与引言分工不同</strong>——概览 vs 展开。⑥ <strong>诚实不夸大</strong>——避免过度声称。⑦ <strong>面试要点</strong>——被问怎么写摘要，应给出'<strong>问题动机 + 方法一句话 + 带数字的结果 + 贡献影响 + 具体可读</strong>'；能指出必须给数字与摘要面向广读者是深度理解的标志。