Adkid-Zephyr/oral-paper-skill

解决的问题

在 ICLR、ICML 和 NeurIPS 等顶级 AI 会议中获得‘口头报告’（Oral）录用的高质量学术论文写作极具挑战性。研究人员常常难以清晰表达自己的贡献，组织证据，以及在不依赖通用模板的情况下区分自身工作与先前研究。

工作原理

该项目从 883 篇顶级会议口头报告论文中‘提炼’知识。通过分析其摘要，提取常见模式、成功的叙事策略和有效的实验设计。这些提炼出的知识被封装为一个‘技能’（一组提示和参考资料），用户可将其集成到 AI 工具（如 Claude 或 Codex）中，从而获得针对自身研究想法或草稿的定制化反馈。

适用人群

希望提升论文写作能力、优化研究叙事、学习如何构建符合顶级会议标准的证据结构的 AI 领域学术研究人员和学生。

主要亮点

• 数据驱动洞察：基于对 ICLR、ICML 和 NeurIPS 的 883 篇口头报告论文的分析。
• 可操作的反馈：提供具体改进建议，基于公式：原始论文实践 → 为何相关 → 当前草稿状态 → 具体修改建议。
• 聚焦研究张力：帮助作者明确使问题值得研究的特定局限或现象。
• 贡献清晰化：指导用户定义实际贡献，而不仅仅是使用‘新颖’等词汇。
• 可定制集成：可作为独立提示使用，或安装为支持的 AI 助手中的技能。