news 2026/8/21 22:41:29

综述论文的撰写步骤(含实例)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
综述论文的撰写步骤(含实例)

摘要: 撰写综述论文, 可以加深对某个领域的理解. 但强烈不建议初学者发表综述论文. 本文以一个实例《端到端的深度学习全波形反演》为蓝本, 描述综述论文的撰写步骤. 在这个过程中, 可以使用 AI 辅助的步骤均有详细说明.

1. 结构布局

  • 1.1 确定从哪个角度来进行综述, 并由此捋出一级目录
    : 2. 数据合成, 3. 网络构建, 4. 训练控制

  • 1.2 在 AI 的辅助下捋出二级、三级目录
    : 2.1 基础网络架构, 2.2 常用组件, 2.1.1 编码-解码器, 2.1.5 当前挑战与未来方案

  • 1.3 在 AI 的辅助下填写各个部分的初稿
    填写之后, 就获得了全篇论文的第一个版本.

注意事项: AI 生成的内容有很多的是幻觉, 后面要花大力气, 逐步消除这些幻觉的影响.

2. 文献堆砌

  • 2.1 下载 100+ 相关的文献
  • 2.2 对这些文献进行基本的阅读
    : 可以把单篇文献上载到 AI 网站并提问: “阅读这篇论文并回答: 1) 它研究的是端到端的深度学习全波形反演方法吗? 2) 它合成了什么训练数据? 3) 它采用了什么网络架构与损失函数? 4) 它使用了哪些训练控制方法?”
  • 2.3 对每篇论文与本综述的相关性进行打分 (如 0–10 分), 方便后面的精度
  • 2.4 将相关性高的文献整理出 bibitem, 并在论文的相应位置 (通常是两个以上) 引用

注意事项: 堆砌阶段只能是泛读, 每篇论文耗时不要超过 10 分钟, 否则严重影响后面的进度.

3. 关系梳理

  • 3.1 把同一部分引用的论文放在一起阅读, 可以上载到 AI
  • 3.2 找出它们的先后顺序
  • 3.3 找出它们的区别
    例 (AI 提示语): 阅读刚才上传的5篇论文, 回答如下问题: 1) 谁是第一个把 SSIM 引入到损失函数中的; 2) 它们在损失函数设计方面有哪些区别?

注意事项: 1) 由于给了具体的论文, AI 出现幻觉的可能性较低. 但也必须立即在论文中检查考证, 避免给自己挖坑; 2) 这一阶段涉及一定的精读, 但每篇论文耗时不要超过 30 分钟.

4. 趋势展望

  • 4.1 根据前面的理解, 对步骤1.3撰写的趋势展望 (即各部分的当前挑战与未来方案) 进行修改、补充
  • 4.2 对重要的论文进行精度, 每篇可能用时 1–5 小时

注意事项: 1) 趋势展望是综述的精华, 读者 (包括作者自己) 更希望从这里获得启发, 推进自己的研究工作; 2) 趋势展望也需要对参考文献的大量引用, 不是瞎想. 可以从各文献的 “进一步工作” 部分获得大量内容.

5. 文献补充

  • 5.1 查阅重要参考文献的前因 (即它所引用的文献) 与后果 (即引用它的文献), 下载
  • 5.2 缺失参考文献引用的部分, 查找并下载参考文献
    例 (AI 提示语): 我们这篇综述 4.2.5 节缺乏对参考文献的引用, 给出文献检索提示词 (google scholar格式).
  • 5.3 如果查到了新的文献, 回到步骤2.2

注意事项: 1) 如果步骤2.1下载的文献相关性不强, 就很容易漏掉很多重要文献, 导致迭代次数较多; 2) 文献补充可能在后面的一些阶段进行

5. 图表绘制

  • 5.1 参考文献中的图, 如果需要放到综述中, 应重新进行绘制
  • 5.2 用表格方式进行方法的对比, 一般不需要比较实验结果. 对比表格可以在 AI 帮助下生成, 然后修改

6. 细节打磨

  • 6.1 保持上下文一致性
    例 (AI 提示语): 检查这篇综述术语的一致性
  • 6.2 给出符号表, 进一步统一符号
  • 6.3 文字的打磨, 特别是避免 AI 风格
    : 不要使用破折号, 不要使用 25 个单词以上的句子
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/8/21 16:34:00

揭秘Open-AutoGLM黑科技:3步实现笔记智能归类与摘要生成

第一章:揭秘Open-AutoGLM核心架构与技术原理Open-AutoGLM 是一个面向自动化自然语言任务的开源大模型框架,融合了生成式语言建模与智能任务调度机制。其核心设计理念在于实现“理解-规划-执行”的闭环推理流程,支持动态任务分解与多工具协同调…

作者头像 李华
网站建设 2026/8/18 22:45:42

Excalidraw AI定制化训练服务可行性分析

Excalidraw AI定制化训练服务可行性分析 在现代技术团队的日常协作中,一张随手画出的架构草图,往往比千字文档更能快速传递核心设计思想。然而,即便是最简单的流程图,也需要投入时间去拖拽元素、调整布局、统一风格——这些重复性…

作者头像 李华
网站建设 2026/8/21 17:47:38

【Open-AutoGLM快捷键配置终极指南】:掌握高效AI编程的10个核心技巧

第一章:Open-AutoGLM快捷键配置的核心价值在现代开发环境中,效率是决定生产力的关键因素之一。Open-AutoGLM 作为一款智能化的代码生成与辅助工具,其快捷键配置机制不仅提升了用户操作流畅度,更深层次地优化了人机交互逻辑。通过合…

作者头像 李华
网站建设 2026/8/22 0:44:17

Excalidraw AI防止敏感信息泄露的设计

Excalidraw AI 防止敏感信息泄露的设计 在当今的远程协作环境中,AI 正以前所未有的速度渗透进我们的工作流。从自动生成会议纪要到一键绘制系统架构图,智能辅助看似提升了效率,却也悄然埋下了数据泄露的风险。尤其是在技术团队频繁使用白板工…

作者头像 李华
网站建设 2026/8/21 21:37:47

探索Matlab边缘计算:以智能优化算法破解车联网计算卸载资源分配难题

Matlab边缘计算 智能优化算法解决车联网中计算卸载资源分配(源码已发表2023年sci) GWO、PSO、HWGSO与单一方式卸载对比,收敛曲线绘制。 源码保证可运行 在车联网飞速发展的当下,计算卸载资源分配成为了提升系统性能的关键环节。今天咱们就唠唠借助Matlab…

作者头像 李华