- 博客(200)
- 收藏
- 关注
RSS订阅
原创 用ChatGPT翻译润色被坑了？这些技巧要注意
之前就遇到过作者语言写作不过关，审稿人给了大修，要求润色，作者花钱找了润色公司润色，还提交了润色证明。但是，返回的稿件，我一看就知道润色公司使用AI润色的。得益于其深度学习的能力，ChatGPT可以更准确地理解句子之间的逻辑关系和上下文含义，从而在翻译或润色时保持意思的准确性和连贯性。但是，也有人说ChatGPT翻译润色不可靠，大模型有“幻觉”，它并不知道自己在说什么，一不小心，就被带沟里了。事实上，我在使用ChatGPT润色了论文的时候，经常会被它的深厚的专业知识和强大逻辑性惊喜到。
2024-04-09 18:09:01
3463
1
原创 中文论文翻译成英文，该如何润色？（建议收藏）
因为中文习惯经常说“在...的基础上，本文调查了” “为了评估..., 我们进行了”，直译过来，就是“Based on..., we investigated”, "To evaluate the..., we performed..."其实在英文语言中，主谓宾才是句子的核心结构，越早出现越好。我会用任何语言和你交谈，你会发现这种语言，翻译它，并用我的文本的修正和改进版本，用英语回答。但是，对于英文句子的流畅度，特别是在精准的提示语条件下，再来润色初级翻译稿，那ChatGPT的精准度会大大提升。
2024-03-27 19:56:18
15263
40
原创 加州大学教授：论文返修后都被接收，我是如何做到的？
Excel 是你梳理思路的内部工具，提交给编辑的，应该是一封格式规范的 Response Letter，逐条对应审稿人意见，说明做了什么修改、具体在论文的哪个位置。拿教授最推崇的 Excel 梳理环节来说，AI 可以直接从审稿人的原始评论中逐条提取意见，自动标注来源、分类归组，省去你手动摘录的时间。更关键的是，升级版的工作流不只生成回复信——论文正文中对应位置的修改建议，也会同步呈现出来。投稿过程中，收到Major Revision 的意见，回复信和修改稿的质量，决定了你的论文是能顺利发表还是被无情拒稿。
2026-05-13 10:49:02
269
原创 论文批量精读 Skill视觉效果html优化版
HTML 把每篇论文做成独立卡片，英文题名、中文题名、文献类型、期刊年份、DOI 和主题贡献都在开头集中展示，读者进入每篇时更容易建立上下文。有学员说：“娜姐，这个精读效果是挺好的，但是生成的文档是 Markdown 格式的，读起来太费劲。HTML 有顶部菜单和左侧固定导航，可以直接跳到某一篇论文、主题综述、主题发展脉络，阅读更顺手。Markdown 是AI友好型的格式，HTML 才是人类友好型的阅读格式。总体来说，html优化后的版本，信息分类更清晰，阅读效率更高。2 单篇精读信息更清楚。
2026-05-13 10:44:11
313
原创 我做了这个 skill，调用image 2一键批量美化整套 答辩PPT
这是设计活，再用代码，效果就不好。这样做的好处是Image 2遵循了你的模板的视觉布局和风格，且单页的叙事和初稿pptx文稿完全一致，内容和呈现也才是可控的。我之前用的 NotebookLM 来做视觉优化，效果还不错，但是中文字生成总是有 bug，也不够清晰。装上这个 skill，提交你的初稿 PPT，剩下的活就交给image 2：让它帮你逐页批量优化。从几千块一份的答辩 PPT，到几万元一份的商业路演 PPT，干的就是这件事。经过逐页优化，立马从一份200元的PPT草稿升值成2000元的专业级PPT。
2026-05-12 11:25:37
287
原创 调用GPT image 2一键批量美化项目申请答辩PPT
而 Image 2 生成的是整页融合的视觉，元素之间的对齐、间距、层级都是为整体效果服务的，根本没有"分层"这回事。生图模型反过来：把整页当一张图，文字怎么排、图标放哪、留白多少、配色怎么呼应，全是按整体效果动态生成的。一份 30 多页的答辩 PPT，标题层级、配色、字号、图标、流程图、对比表，逐页排过去要花好几天。装上这个 skill，提交你的答辩 PPT 初稿，剩下的活就交给 Image 2，逐页批量优化。一份重点内容突出、设计高级的项目申请答辩 PPT，给评委专家留下深刻印象，提升申请书的说服力。
2026-05-12 11:20:53
269
原创 学术类PPT制作和汇报的10个技巧
标题应该是你要传递的直接结论，除了“方法”“结果”，还应展示当前页PPT的核心结论，比如“CTNND1是肿瘤转移的关键”。少用长句，单页元素控制在6个以内，用大字号、无衬线字体，并贴心地照顾色盲或色弱人群。确保哪怕有人刚才走神了，抬头看一眼这页PPT（清晰的标题+直观的图表），也能瞬间抓住你要表达的核心结论。把复杂的思路拆解开，每一页只承载一个核心目标。第一，从"我想展示所有的工作"转变为"听众需要知道什么，才能理解我的故事"。第三，Journal Club的价值不在于汇报，而在于批判性思维的训练。
2026-05-01 12:38:05
249
原创 还在熬夜赶病例讨论PPT？让AI 帮你一键搞定！
两者相比，我的表格关键数据突出显示，且有关键结论总结“三项指标均呈现持续改善趋势，且出院后随访期间仍在进一步好转，说明4周肺康复的治疗效果具有一定的持续性和延续性。在输出PPT之前，提交文字和图片资料，AI会读取并识别图片，并将图片排版到对应位置，无需你拖拽、缩小放大等操作，一键出PPT。不论在单页的信息密度、信息提取的完整性和数据精确度，以及排版布局上面，都是娜姐的专业工作流出品的病例 PPT 更专业化。疑难病例讨论，护理病例讨论 / 护理查房，教学查房，规培考核，学术会议 / 病例演讲比赛等。
2026-05-01 12:35:19
319
原创 毕业答辩PPT：从论文到幻灯片+逐字稿+预答辩Q&A，AI一键生成
几万字的毕业论文终于写完了，最后一关是做PPT, 准备毕业答辩。几万字的内容，要在15-30分钟内讲清楚，还要扛住评委的现场提问。最后一关了，谁都不想在这里翻车。但真正上手做才发现，答辩PPT的难度，被严重低估了。内容提炼难。 一篇毕业论文三五万字，涵盖背景、方法、实验、结果、讨论，要压缩到15-20页PPT。砍什么、留什么、怎么概括，需要极强的归纳能力——既不能照搬原文，又不能遗漏关键信息。逻辑重构难。 论文是写给审稿人看的，答辩PPT是讲给评委听的。论文可以用大段文字铺陈论证，但PPT每一页都要在几秒内
2026-05-01 12:33:09
494
原创 ChatGPT image 2 科研绘图实测分享
Nano Banana Pro 的设计图，特别是摘要图、综述图这种需要抽象化设计能力的图，往往能给人眼前一亮的感觉，但 Image 2 在这方面差距比较明显。Nano Banana Pro 的 3D 渲染总有一股廉价的塑料感，但 Image 2 的 3D 渲染效果层次更加丰富，光影等显示也更加高级。Image 2 的短板就在于，它根据文字来抽象化设计图像的能力，比 Nano Banana Pro 还是更弱一些的。针对科研绘图来说，我们需要一个"先设计、后出图"的过程，而不是简单的、看图说话式的图像生成。
2026-05-01 12:31:10
605
原创 我做了这个 skill，调用GPT image 2一键批量美化整套 PPT
这是设计活，再用代码，效果就不好。这样做的好处是Image 2遵循了你的模板的视觉布局和风格，且单页的叙事和初稿pptx文稿完全一致，内容和呈现也才是可控的。我之前用的 NotebookLM 来做视觉优化，效果还不错，但是中文字生成总是有 bug，也不够清晰。装上这个 skill，提交你的初稿 PPT，剩下的活就交给image 2：让它帮你逐页批量优化。从几千块一份的答辩 PPT，到几万元一份的商业路演 PPT，干的就是这件事。经过逐页优化，立马从一份200元的PPT草稿升值成2000元的专业级PPT。
2026-05-01 12:30:11
556
原创 Nano Banana Pro绘制摘要图Graphical Abstract（改进版）
改进提示词后，下图的下半部分（Release & Activation 阶段），左侧的微管明显处于解聚（Depolymerization） 状态（正在散开）。核心发现：BBM-BAR1 模块作为植物单倍体诱导（HI）的关键“开关”，特别是它能够替代传统的胁迫处理（Stress Treatment），在体内（in vivo）直接启动雄核发育（Androgenesis）。针对摘要图Graphical Abstract绘制，娜姐在之前GPT4o摘要图提示词的基础上，优化了一下，让摘要图细节更丰富，重点更突出了。
2026-01-01 12:12:06
944
原创 Nano Banana Pro科研绘图能力实测
这次杂交带来了双亲基因的组合，直接导致了地下薯块（tuber）的形成，并进而推动了该支系适应多种生态位，引发物种爆发性辐射演化。在核心发现的视觉表达上，Nano banana pro已经很精准了，关键是一键直出，不用自己构思，还要一笔一笔的画和调整。这个很重要，之前的AI绘图闹笑话被撤稿的风波，主要就是基于扩散模型的AI生图并不能很好的理解物理世界。对于学术绘图，要想画的好，核心还是要AI先规划构图，再出图。和之前的版本相比，病毒粒子、细胞结构在各分图中保持高度一致，且分图的精细化细节呈现也更好了。
2026-01-01 12:10:40
687
1
原创 开源可本地部署的 Kimi K2 Thinking，实测能否替代 GPT 5.1/Claude 4.5完成深度科研任务？
总结：Kimi 的预评审结果不仅是“找问题”，它还会按照期刊偏好、统计方法规范、引文质量、实验设计逻辑这些维度，结合你自身领域（比如心理学、生物医学、公共卫生）的主流研究范式，提出“可立即执行”的具体改写方案，而不是一句空洞的建议。这是大家日常很费时费力的场景。论文预评审环节，需要先分析目标期刊的论文特点，然后再读取我提供的初稿论文，按照我给出的评审标准，给出具体合理的评审修改意见，帮我提升论文的水平。从结果来看，kimi检索信息的能力很强，但是很多信息不是一手的期刊官网信息，这个有待加强。
2025-11-22 09:43:38
1904
原创 GPT-5.1更新实测：哪些学术场景被真正增强？
GPT-5.1：自适应推理（Adaptive Reasoning）：简单任务减少“思考”，复杂任务增加推理深度 实测更稳、更准、更省时。相比5 thinking，5.1思考了2分41s，并且把整个的思考链条详细展示给你：包括读取了多少条数据，每个主题多少条，最后分析的关键词有哪些。一句话总结：OpenAI有意将ChatGPT打造成最懂你的贴身私人助理，GPT-5.1将朝着更智能、更人性化的方向进化。娜姐测试了之前的翻译润色场景，90%以上GPT-5和5.1效果相当，剩下10% 5.1会更智能。
2025-11-22 09:41:27
1000
原创 这个综述智能体：一键生成万字长文，可指定高质量参考文献来源，还能联网PubMed，科研效率拉满！
深度研究也可以上传背景资料，但由于AI上下文长度的局限，一般最多10篇pdf已经到上限了，Gemini可以到20篇，但是写一篇综述论文动辄需要100多篇参考文献，没有哪个大模型能容纳这么多附件资料。4 一键生成万字全文：大纲确认后，它会基于对所有论文的深度理解，逐个章节进行详细撰写，最终生成一篇逻辑连贯、内容翔实、引用规范的万字综述长文，并直接保存为Word（.docx）文件。收费，899元/份。（正如学员说的，写一篇综述文章也要大几千了，日常的文献综述、主题调研场景都可以用，相比之下，可太便宜了。
2025-11-22 09:35:37
592
原创 娜姐，杂志社发来的proof被我该死的邮箱拦截了，晋升急需有卷期页的论文，还有没有办法？
然后再研究目标期刊近半年发表论文的时间节点，估算一下从投稿-接收-在线-分配卷期号的大致时间，做到心中有数，再去投稿。带有卷期页的论文，能在WOS正式检索到，才算你这篇论文盖棺定论，工作结束了。从收到接收函，到online（一周之内），再到收到Proof通知（一个月之内），再到WOS检索（带有卷期页的论文上线之后一月内）。娜姐，我的文章7月就online，然后9月杂志社发来的proof被我该死的邮箱拦截了，最近才提交的proof，现在页码、卷、期还没有，我该怎么办？
2025-11-22 09:34:37
699
原创 停止内耗，娜姐戳穿“AI率”的3大伪命题
一方面，需要修炼自身，能够向AI问出更有深度、更关键的问题，也能对AI输出的内容做取舍；有同学用的在线降AI率的工具，降完AI率指标是0，但是文章面目全非了。因为你的文章从头到尾，句与句、段与段是一个有机整体，像一整块拼图，是严丝合缝铆在一起的。但是，最终做决策的是你，你对AI输出的观点进行取舍，接受或拒绝哪些修改。对于领域内的内容，什么是高质量的、有洞察的观点，什么是低质量的、AI生成的“废话文学”，你作为作者，应该一眼甄别。很多人检测了一圈，发现最有效的“降AI率”的邪修，是多加逗号，或加段落分隔符。
2025-11-22 09:33:45
379
原创 申请数量增加65%，成功率“腰斩”。Nature数据揭秘：学术界“僧多粥少”的真相
ERC的“起步基金”（Starting Grants），这是专门面向博士毕业2到7年的“青椒”的，今年的申请量比2024年增加了13%。与此同时，洪堡基金会的代表向 Nature 透露，在他们增长的申请量中，来自印度和中国的申请人占了最大份额，来自美国的申请人也有所增加。但与此同时，UKRI的整体成功率在同期内几乎“腰斩”——从2017-18年的36%暴跌至2024-25年的19%，这是十年来的最低点。“但硬币的另一面是，” Leptin 补充道，“我们的钱没有变多。申请人暴增，经费却没有同等增加。
2025-10-22 12:20:53
732
原创 AI率的误区：编辑说的AI率，和你说的AI率，是一个标准吗？
国际通用的AI率检测工具Turnitin，也因其频发的“误判事件”，导致很多国外顶尖高校（如范德比尔特大学、密歇根大学等）公开宣布，不再将它的AI率检测结果作为学术不端的直接证据，而是改由任课老师根据内容质量进行主观判定。仔细一读，发现降AI后的文字风格完全变了，许多地方的意思变得前后不通，原本清晰流畅的文风被彻底“改坏”了。文字是信息的载体，j交流的工具。这里，娜姐再澄清一个误区，同样是“高AI率”，内容的呈现质量是完全不同的。学员问我，娜姐，用课程的AI润色，效果是挺好，但是这个AI率该怎么办？
2025-10-21 10:46:02
717
原创 如何在Proof阶段用AI高效校对论文，把错误率压到最低?
但是输出效果不稳定，同一篇文章，有时候能查出来很多问题，有时候几乎全忽略。一般来说，发勘误/更正，没够上撤稿的严重程度，都是文章的一些小错误造成的。论文到Proof阶段，作者都已经收到接收函了，文章也被反复修改过多次，作者自己很难再发现问题。3 作者姓名、单位等标识信息：说大不大，但一旦弄错，在毕业、职级晋升等时候，就不能算工作量证明。总之，最后是换了一个思路，巧妙都解决了。2 Figures图片再次核对检查：是否有图片误用，图片显示是否清晰，标识准确。Proof校对阶段，需要仔细耐心认真的核对。
2025-10-21 10:43:10
867
原创 一款基于AI的效率神器：谷歌NotebookLM高效科研指南
NotebookLM会综合所有提供的论文内容，提炼出共同的理论观点、发现或争议点，并在回答中标注具体论文出处。总之，NotebookLM定位“赋能你的高效学习和研究”，基于先进AI大模型，引用源完全可朔源，且能处理大批量各种形式的数据， 真的是知识工作者的信息管理和效率神器。作为快速了解一个主题的第一站，批量上传文献，利用NotebookLM快速梳理、提炼和总结信息，对该领域进展快速一览。1 聊天记录不保存。Chat栏的内容，下次再打开就没了，聊天记录是不保存的（文件一直在），有用信息需要及时存档。
2025-10-21 10:35:21
1288
原创 Claude 4.5发布，Agent能力提升：学术写作效率又又升级了！
Sonnet 4.5的突出亮点是agent能力的提升，但是，过于复杂的任务它也会频频出错，比如选题的“读取附件-写代码分析数据-提取信息-给出答案”，适度复杂的任务可以完成的很好，比如文献综述。根据官方公告，称本次更新“世界上最好的编码模型、构建复杂代理的最强大工具、使用计算机的最佳模型”，代码能力和agent能力的显著提升，将AI从“辅助工具”升级为“独立生产力”。个人觉得4.1的这个信息呈现就可以了，sonnet 4.5的legend过于详细，但是，呈现信息都是准确无误的。GPT-5表现不错。
2025-10-01 10:53:24
982
原创 想论文快点过？eLife 3.7万条审稿记录揭示：这类“引用”正悄悄影响审稿人决定
识别与警惕： 研究的文本分析发现，那些强制引用的审稿人，在提出要求时更喜欢用 “need”（需要）和“please”（请） 这样的词，看似客气，实则传达的是“你必须引用”的潜台词。原来喜欢用“might”、“suggest”的是温柔好说话的审稿人，喜欢说“need”、“please”的是更强硬做派的。eLife 最近的一篇研究，通过对四大期刊、超过37000份审稿意见的分析，用数据实锤了学术圈里一个心照不宣的“潜规则”：你的文章能否被接收，有时真的取决于你是否引用了审稿人，以及，引用的时机。
2025-10-01 10:51:29
502
原创 AI预评审“模拟审稿”，精准提升论文质量，投稿更快更稳！
AI预评审，核心思路就是让它站在目标期刊编辑和审稿专家的视角，对你的稿件进行全方位的“挑刺”和“质检”，提前暴露问题，让你在投稿前就完成一轮高强度的“内部测试”。目的不是简单的语法润色，而是对齐目标期刊的刊文方向、研究深度，对你的稿件进行查漏补缺，并提出极具针对性的修改意见，从而大大提升论文发表成功率。一份意见精准、且有具体改进建议的评审意见，既可以用于自己论文的投稿前预评审，又可以用来辅助你完成审稿任务。传统的论文修改，我们更多依赖于导师，师兄师兄师姐或合作者的意见。
2025-10-01 10:48:52
506
原创 SCI论文讨论部分被审稿人说“没深度”，升级版提示词+最新AI大模型，帮我成功翻盘
讨论部分难写在，不仅要“叙”-概括自己的结果，更重要的是“议”-把自己的结果和已知文献结论进行对比，体现你对文献的归纳总结、对实验结果的分析解释以及对研究领域理解的广度和深度。但是，相比之前的1.0版本，有了AI的初稿，可以帮我们节省6-70%的工作量。总的来说，除了第二步需要自己根据AI给出的初稿进一步加工，让讨论部分更深入全面，第一步和第三步现在的大模型在升级版提示词提示下，完成的更好了。AI会根据你的主要结果，和讨论部分框架，帮你理顺逻辑，撰写流畅、清晰的讨论部分全文。整体的效率和质量全面提升。
2025-10-01 10:46:44
686
原创 Nature报道：AI健康算命师，提前20年预测你未来上千种疾病风险！
德克萨斯大学休斯顿健康科学中心的生物信息学专家 Degui Zhi 教授就指出了它的一个局限：UK Biobank 的数据通常只记录了参与者首次患上某种疾病的情况，而一个人患病的次数和频率对于精准描绘其健康轨迹至关重要。他们将模型的目标从“根据上文预测下一个最可能的词语”，调整为“根据过去的健康史，预测未来最可能发生的疾病”。Delphi-2M 的诞生，预示着从“亡羊补牢”式的疾病治疗，迈向“未雨绸缪”式的精准预防医学的新时代。在绝大多数疾病的预测上，它的准确性都达到甚至超过了现有的单病种预测模型。
2025-09-26 09:42:23
684
原创 SCI论文讨论部分被审稿人说“没深度”，升级版提示词+最新AI大模型，帮我成功翻盘
讨论部分难写在，不仅要“叙”-概括自己的结果，更重要的是“议”-把自己的结果和已知文献结论进行对比，体现你对文献的归纳总结、对实验结果的分析解释以及对研究领域理解的广度和深度。但是，相比之前的1.0版本，有了AI的初稿，可以帮我们节省6-70%的工作量。总的来说，除了第二步需要自己根据AI给出的初稿进一步加工，让讨论部分更深入全面，第一步和第三步现在的大模型在升级版提示词提示下，完成的更好了。AI会根据你的主要结果，和讨论部分框架，帮你理顺逻辑，撰写流畅、清晰的讨论部分全文。整体的效率和质量全面提升。
2025-09-26 09:40:02
688
原创 睿思综述智能体：100篇高质量文献一键生成万字长文，还能联网PubMed，科研效率拉满！
对一个主题进行文献综述，是日常科研人绕不过去的工作，无论是写论文前言，综述论文，或者基金申请书的立项依据，需要根据主题，从海量文献中提取相关信息，梳理出清晰的逻辑线，再组织成流畅的文字。4 一键生成万字全文：大纲确认后，它会基于对所有论文的深度理解，逐个章节进行详细撰写，最终生成一篇逻辑连贯、内容翔实、引用规范的万字综述长文，并直接保存为Word（.docx）文件。3 智能撰写大纲：你可以提供自己的大纲，也可以让它根据所有文献内容，智能生成一个逻辑清晰的综述大纲，并支持你在此基础上修改。
2025-09-26 09:37:50
749
原创 AI辅助SCI论文大修：一键生成回复信+同步修改稿，效率提升300%
AI可以针对多位审稿人的意见进行逐点（point-by-point）回复，语言地道流畅，能够处理邮件格式、礼貌性回复和部分内容修正。最新的LLM：GPT-5, Claude 4.1都是带有agentic功能，能规划复杂任务，并调用工具执行复杂任务的大模型。有时候审稿人意思模棱两可，你的反复揣摩ta关注的点是什么，回复的不好，很有可能下一轮被reject。这个2.0升级版，除了在response中完美rebuttle，在文中对应部分的修改，也会帮你一并呈现，基本上就是可以直接拿来用的版本；
2025-09-26 09:29:25
1487
原创 Science | AI“星探”上岗：不用申请，30万科研经费直接到账！科研资助新变革来了
西北大学的元科学（Metascience）家Dashun Wang指出：他的研究数据显示，一个残酷的现实是：即使学术成果的商业潜力相当，终身职位的男性学者获得专利的可能性，要远高于他们的女性同行。Wang教授认为，如果AI能够被训练成只关注研究本身的创新价值和潜力，忽略掉作者的性别、声誉、职位等背景因素，那么它就有可能“挖掘出那些目前被隐藏在象牙塔围墙内的、未被开发的创新潜力”，从而克服人类评审中固有的偏见。这意味着，扎扎实实做好每一项研究，发表高质量的论文，其潜在回报可能远超你的想象。
2025-09-26 09:27:23
1035
原创 如何用AI写出顶刊Introduction？这套3步流程写作法，让审稿人无法拒绝
此外，还要考虑你投稿的目标期刊，比如有的侧重分子机制有的侧重临床，针对不同的期刊受众，Introduction部分的框架脉络也要做调整。在这样一个势不可挡的智能工具面前，聪明人会选择“打不过就加入”：积极拥抱AI，掌握正确的使用方法，持续用，跟AI一起进化。当然，因为有些论文是需要订阅的，AI只能抓取摘要部分，deep research帮你进行的文献综述会有不完备的地方。通过几种框架方案的对比，你也能更清晰的感知，哪一种方案是更合适的，其他的框架方案也有可取之处。这样在阐述每一个论点的时候，会更详细。
2025-09-14 08:33:04
1747
原创 实测用AI写论文Methods：这套“限定式提问法”，5分钟精准复现实验细节
特别是OpenAI，Altman的系列营销举措，表明这是一个精明的商人，以扩大用户数量和订阅费用为目标，除非万不得已，不会放弃中国市场。不确定的它用中文填空的形式标出来，要求你提供具体的[细胞库来源] [培养基类型] [细胞数量] [孵育时间] [货号，公司] 等细节信息，你用中文填空即可。Claude很智能的一点是，在Results部分已经有的信息，它会自动添加进来，比如本实验用的11个细胞系的名称，取样时间点，统计学方法等等。至于官网爱feng号，这是Claude的一贯作风，和ip有关。
2025-09-14 08:31:19
626
原创 你的本子，AI先审！Nature披露首家基金会启用“AI初筛官”，714份申请刷掉122份
积极拥抱派：美国的非营利组织“美国科学家联合会”则敦促白宫科技政策办公室对基金申请进行AI分析，认为这将“预测科学的未来，加强同行评审，并鼓励公私部门做出更好的研究投资决策”。基金会用过去几年的成功申请书来“喂养”和训练这个AI模型，让它学习并掌握“优秀本子”的共同特征。当少数被拒的研究者追问算法为什么不看好他们的方案时，基金会坦言，他们也无法给出确切的解释，尽管他们正在努力理解AI的决策逻辑。和论文写作一样，如何用好AI产出高质量的内容，如何把控AI生成内容的方向激发人类的独有创造力，是人机协作的关键。
2025-09-14 08:29:12
885
原创 GPT-5 vs Claude 4.1：谁才是论文Figure legend与Results写作的最强AI？
但是，这个待补充信息，除了5和6条，前面几条放在Methods部分就可以了，不需要在Figure legend中写这么细。这些才是关键信息啊。总之，Claude真的是按照论文Results部分的要求，和每张图片分图的信息来写作：包括每个小节的开头，段落的起承转合，且所有分图都引用了。后面按照这个流程：依次提交所有图片，让Claude输出初版，你补充图中不能看到的必要信息，Claude再完善就可以了。但是在Claude写作Results的过程中，它很忠实的遵循指令，一丝不苟的完成这个写作任务，一直到结尾。
2025-09-14 08:24:04
1198
原创 实测：这样用AI精准选刊，论文接受率提升300%
看它右侧的工作轨迹，有些是靠谱的，有些又显示匹配了The Lancet Public Health，甚至NEJM，这些跟这篇文章的主题“精神病学和心理健康”的主题相差很远。我们来测试一下当前最新的几大agentic模型（GPT-5, GPT agent，Claude 4.1），以及agent工具（Manus，GenSpark）在选刊方面的表现对比。现在，随着GPT-5，Claude 4等agentic模型的推出，理论上它们可以针对每一个合适的期刊，调用工具，依次查询期刊的相关指标，给出实时信息。
2025-09-02 09:36:23
1130
原创 GPT-5论文选题实测：如何从2000篇文献中提炼出3个可快速落地的高命中选题？
大模型有一个节省token的倾向，GPT-5 thinking最长是20w上下文，但是在输出的时候它并不会按照最长的限度来输出，而是倾向于偷懒；AI虽然有世界知识，但是它有的是预训练的旧知识，某一个领域的最新进展它是不知道的。需要经过主题分析，判断哪些领域过热，哪些领域是新兴领域有机会，进而得到有潜力的选题。好的选题点不仅新颖性强，可操作性高，既能引起编辑和审稿人的喜爱，整个过程实现起来也不难，可以说是事半功倍；3 对用户关注的选题进一步细化：进行实验规划，统计学分析，图表设计、注意事项等，加速课题实现。
2025-09-02 09:32:02
677
原创 Turnitin查不出来了？娜姐这一句提示词，把AI率降得服服帖帖
我这篇检测的AI率是100%，如果你的AI率没那么高，降一次就差不多了。娜姐测试过市面上的一些提示词和AI改写工具，最主要的问题是改写后面目全非：AI率是降下来了，但是改后的文本不符合学术风格，和上下文也衔接不起来。对非母语者的不公: 也有用户反馈，非英语母语者被教导的规范统一的学术写作，恰好符合 AI 的写作模式，对非母语科研人员非常不公平。随着ChatGPT等AI工具的兴起，论文除了重复率检测，又多了一项AI率检测。因此，娜姐自己琢磨了既能降低AI率，同时又保留学术风格的“降AI率提示词”。
2025-09-02 09:29:53
1245
原创 AI已占领学术圈？Nature 112万篇论文揭示AI渗透的真相
3.更短的篇幅（追求效率的务实派）： 分析还发现，篇幅较短的论文（<5000词）比篇幅较长的论文拥有更高的AI修改比例。在CS领域，会议论文通常有固定的页数限制，更长的篇幅往往意味着更详实的附录和更全面的工作。意味着，在计算机这个AI技术的前沿阵地，已有超过五分之一的论文摘要和近五分之一的引言，是由AI撰写的。来自于对不同地区学者AI使用情况的分析发现，在预印本平台bioRxiv上，来自中国和欧洲大陆等非英语母语地区的论文，其AI使用率显著高于来自北美和英国的论文。但这究竟是个人感觉，还是已成燎原之势？
2025-09-02 09:27:38
793
原创 顶级科学家的AI使用指南：从工具到合作伙伴
他说，“我觉得自己加速了，而且用更少的时间就提升了学习和创造力，重新找回了享受科研的乐趣。LLM 减轻了我的自我意识，让接下来的对话更有趣，也更有成果。Luke 一直尝试将面部“动作单元”（action unit）的测量融入自己的软件中，但可视化部分屡屡翻车：代码总是输出卡通化的草图，而非生动的面孔。写作，他认为，会让人“遗忘”，更糟糕的是，把文字与说话者割裂，阻碍真正的理解。泥板是最初的硬盘，随着时间推移，写作不仅成了教育与思想发展的工具，更是知识经济的就业引擎（这或许正是苏格拉底暗暗担心的）。
2025-09-02 09:26:06
1400
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人