- name
- paper-deep-dive
- description
- 以结构化、证据驱动、读者友好的方式深度解读单篇论文。用于用户要求论文深读、详细分析、博客级讲解、研究脉络梳理、方法架构拆解、关键概念解释，或判断实验是否真的支撑论文 claim；也用于基于论文 PDF、arXiv 页面、附录、官方代码和项目页完成系统性论文解读。
Paper Deep Dive
产出真正的论文深读，而不是长一点的摘要改写。
目标
帮助读者建立对问题空间的心智地图：
- 论文在解决什么问题，为什么值得出现
- 核心方法是什么，关键机制如何工作
- 实验到底支持了哪些 claim
- 方法的假设、局限和更广泛意义是什么
适用边界
优先用于：
- 解读单篇论文
- 需要把论文放回研究脉络中理解
- 需要对核心方法同时给出直觉解释和形式化解释
- 需要判断实验是否真的支持作者结论
- 需要为写博客、技术分享、组会汇报准备高质量材料
不用于：
- 单纯改写摘要或润色段落
- 没有 focal paper 的泛综述
- 主要任务是代码实现，且用户没有要求结合论文分析
工作原则
1. 先讲脉络，再讲细节
先回答“为什么这篇论文值得读”，再进入方法、公式和实验。
2. 所有重要判断都要绑证据
区分以下五类标签，不要把推断写成事实：
论文明确声称：作者在文中直接提出的结论直接证据：表格、图或实验结果直接支撑部分证据：只在部分设置下成立，覆盖不完整基于证据的推断：基于结果做出的合理解释尚未验证：论文提及或暗示，但没有严谨实验验证
3. 同时提供直觉和形式化
关键概念和关键机制先用白话解释，再给公式、符号和作用。
4. 只画真正有帮助的图
图用于降低理解成本，不用于装饰。优先画研究脉络图、方法架构图、流程图和前后对比图。
5. 对比要写差异和代价
说明改了什么、解决了什么、引入了什么新成本，以及这种交换是否值得。
6. 对不确定性保持诚实
论文没写清楚就明确写“没写清楚”；代码和论文不一致就单独指出。
输入与资料优先级
最佳输入：
- 论文 PDF 或 arXiv 页面
- 附录 / supplementary
- 官方代码仓库
- 项目页或作者说明
最低可工作输入：
- 论文标题 + 摘要
输入只有标题和摘要，或拿不到正文时，输出为 受限版 deep dive，主动压缩技术细节，避免过度推断。
资料优先级：
- 论文正文
- 附录
- 官方代码
- 项目页
- 作者博客或演讲
- 第三方解读
推荐工作流
- 提取基础信息：标题、作者、年份、任务、论文类型。
- 建立问题脉络：回答前人做了什么，本文补了什么缺口。
- 拆方法：模块、输入输出、信息流、关键公式、与最相关 baseline 的差异。
- 读实验：按 claim 组织证据，而不是按表格顺序复述。
- 写批判性分析：指出假设、未验证项、公平性风险和失效场景。
按需加载 references
只读取当前任务真正需要的参考文件，不要一次性全部载入。
| 文件 | 用途 |
|---|---|
references/quickref.md | 输出前自检和速查 |
references/output-template.md | 需要完整章节骨架时使用 |
references/visualization.md | 需要 Mermaid 图表规范和模板时使用 |
references/paper-types.md | 需要按论文类型调整分析重点时使用 |
references/evidence-rules.md | 需要更细的证据标注和不确定性表达时使用 |
references/example-attention.md | 需要参考完整成品的语气、粒度和组织方式时使用；优先只读取相关段落 |
输出契约
除非用户明确要求更窄的格式，按以下顺序组织：
📋 论文信息
标题、作者、年份、来源、研究领域、任务类型、论文类型、一句话定位。
🎯 论文概览
把最重要的信息提前写清楚：
- 1 到 2 段核心总结，覆盖问题、方法、结果、意义
- 一句话记忆
- 核心贡献速览表
- 高层方法架构图和模块说明
📜 研究脉络
选择 3 到 6 篇真正构成主线的前作，说明：
- 前作解决了什么
- 前作留下了什么缺口
- 本文如何回应
🔬 核心贡献
逐项写清： 问题背景 → 前人局限 → 本文改动 → 机制 → 收益 → 证据 → caveat
🧠 核心概念
只展开阻碍理解的关键概念，按以下顺序解释： 是什么 → 为什么需要 → 怎么工作 → 和相近概念的区别 → 类比或小例子
🔧 方法架构
覆盖整体思路、模块拆分、训练和推理路径、关键公式、复杂度和与最相关 baseline 的直接对比。
📊 实验解读
按“claim 是否被验证”来组织，而不是机械复述表格。优先输出 claim-to-evidence 映射。
⚖️ 局限性与批判性分析
这是必选项。讨论：
- 关键假设
- 证据是否充分
- benchmark、规模、调参预算的依赖
- 可能失效的场景
- 论文没有测试什么
💡 启发与意义
解释这篇论文对理论、算法、系统或实践的更广泛价值。
🔗 延伸阅读
给出前置必读、同期对比、后续跟进和工程实现参考。
输出模式
| 模式 | 触发条件 | 要求 |
|---|---|---|
Standard | 默认；用户说“详细解读”“分析一下”“系统讲讲” | 完整章节结构，关键概念，关键公式，至少一张脉络图和一张方法图 |
Deep Dive | 用户明确要求“博客级”“教程级”“深度解析”“我要写文章参考” | 更完整脉络，更强 claim-to-evidence 分析，更充分的概念解释和局限性讨论 |
受限版 deep dive | 只有标题+摘要，或无法获取论文正文 | 明确标注输入受限，压缩技术细节，不对架构和实验做过度推断 |
Deep Dive 附加要求
- 主动使用
references/visualization.md - 需要完整成品参考时，再读取
references/example-attention.md的相关段落 - 研究脉络部分通常覆盖 4 到 6 篇里程碑工作
- 实验部分提供完整的 claim-to-evidence 映射
- 局限性部分至少给出 3 个具体方面
受限版 deep dive 规则
- 在开头明确标注输入受限。
- 将方法和实验中的不确定项写成“待验证”，不要假装已经确认。
- 核心贡献可写“基于摘要的推测”，但要显式降级。
- 不强行提供 claim-to-evidence 映射表。
完成前检查
完成前使用 references/quickref.md 做自检。
只有当读者读完后能做到以下几点，输出才算成功：
- 能用自己的话讲清论文主旨
- 能把论文放进研究演进链条中理解
- 能理解最核心的机制
- 能判断实验是否真的支撑主要 claim
- 能同时看见论文的价值与局限