Paper Deep Reader

使用此技能，每次深度阅读一篇选定论文，并将其转化为一份持久、基于证据的笔记。

该技能面向严肃的论文精读，而非仅将摘要改写为更简洁流畅的文字。

首次加载

起草前，请先通读以下核心参考文档：

• {baseDir}/routing-rules.md
• {baseDir}/paper-taxonomy.md
• {baseDir}/references/reading-workflow.md
• {baseDir}/references/note-template-base.md
• {baseDir}/references/output-contract.md
• {baseDir}/references/checklists/general.md

随后对论文进行路由（routing）并加载以下组件：

• 恰好 一个主适配器（primary adapter）
• 一至三个证据检查清单包（evidence checklist packs）
• 仅当存在第二个独立承载实质贡献时，才可选配一个 次级适配器（secondary adapter）
• 仅当仓库中存在且能显著提升忠实度（faithfulness）时，才可选配一个 领域叠加层（domain overlay）

当前启用的适配器

• {baseDir}/references/adapters/theory-math-stats.md
• {baseDir}/references/adapters/method-algorithm.md
• {baseDir}/references/adapters/benchmark-evaluation.md
• {baseDir}/references/adapters/dataset-resource.md
• {baseDir}/references/adapters/empirical-econ.md
• {baseDir}/references/adapters/systems.md
• {baseDir}/references/adapters/survey-synthesis.md
• {baseDir}/references/adapters/replication-negative-result.md
• {baseDir}/references/adapters/physics.md
• {baseDir}/references/adapters/quant-finance.md

当前启用的证据检查清单包

• {baseDir}/references/checklists/general.md
  必须首先运行此清单。
• {baseDir}/references/checklists/theory-math-stats.md
• {baseDir}/references/checklists/proof-rigor.md
• {baseDir}/references/checklists/experimental-eval.md
• {baseDir}/references/checklists/ablation-and-mechanism-isolation.md
• {baseDir}/references/checklists/robustness-and-ood.md
• {baseDir}/references/checklists/benchmark-fairness-and-contamination.md
• {baseDir}/references/checklists/reproducibility-and-compute.md
• {baseDir}/references/checklists/empirical.md
• {baseDir}/references/checklists/systems.md
• {baseDir}/references/checklists/physics.md
• {baseDir}/references/checklists/quant.md

核心目标

产出一份笔记，使一名优秀的研究生无需重新打开原文即可完整回答下列所有问题：

1. 该论文研究的是什么问题？
2. 该问题为何重要？
3. 该论文的核心思路（main move）是什么？
4. 其技术机制、论证逻辑、基准测试、数据集或系统如何逐步运作？
5. 哪些假设、近似、识别逻辑（identification logic）、工作负载假设（workload assumptions）或构造选择（construction choices）真正驱动了结论？
6. 哪些证据切实支撑了主要主张？
7. 该论文在哪些方面真正具有强健性、薄弱性、局限性、可复用性或脆弱性？

非目标事项

禁止将本技能用于以下场景：

• 浅层的摘要重写
• 空泛的褒奖或炒作式语言
• 多篇论文的文献综述——除非所选论文本身即为综述（survey）或整合性（synthesis）工作
• 仅阅读了标题与摘要、未实际通读全文的论文

运作原则

将论文阅读视为重构加判断（reconstruction plus judgment）。

你的任务不仅是转述作者的主张；更要重构论文的知识结构，忠实完成路由，追溯主张至其证据基础，并记录：一位审慎读者应在何处信任、质疑、复用或拓展该工作。

强制执行协议

请严格遵循以下顺序执行。

1. 在撰写正文前构建论文地图（paper map）

动笔写笔记前，须明确识别：

• 研究问题（research question）
• 问题设定（problem setting）
• 核心思路（main move）
• 关键技术对象（key technical objects）
• 主要主张（main claim(s)）
• 证据主干（evidence backbone）
• 论文真正的知识负荷（intellectual load）所在位置
• 若论文实际强度弱于宣称水平，其首要失效风险（primary failure risk）何在

以如下格式撰写简短的内部地图：

该论文在 __ 设定下研究 __。其核心思路是 __。它主张 __，主要由 __ 支撑。关键的技术对象包括 __。真正的知识负荷集中于 __。主要失效风险在于 __。

若无法写出此地图，请继续精读，暂缓起草。

2. 在分析前完成论文路由

依据 {baseDir}/routing-rules.md 中的路由规则执行。

按如下格式创建内部路由记录：

Primary adapter:
Secondary adapter:
Evidence packs:
Domain overlay:
Route confidence:
Why this route:

路由原则：

• 必须且仅选择 一个 主适配器
• 仅当第二个贡献本身具有独立中心地位时，方可添加次级适配器
• 选择 一至三个 最可能影响最终判断的证据检查清单包（即：若其中任一证据薄弱，将实质性改变结论）
• 仅当该领域存在反复出现的对象、过度宣称或易陷陷阱，且需主动提醒时，才启用领域叠加层
• 优先采用 最简但忠实的路由路径

禁止仅依据标题词汇或表面流行术语进行路由；务必依据论文真实的**知识负荷**完成路由。

3. 分轮次阅读

除非论文异常简单，否则切勿自上而下线性通读。

第一轮（Pass A）：框架定位

通读标题、摘要、引言、结论，以及图表标题（captions）。 目标：识别作者希望读者相信什么，及其自认作出的是何种类型贡献。

第二轮（Pass B）：技术核心

细致研读模型、方法、理论、推导、基准构建、数据集章节或系统设计部分。 重构核心公式、估计量（estimators）、算法、证明思路、任务定义、采样逻辑或权衡取舍（tradeoffs）。

第三轮（Pass C）：证据验证

通读实验、实证分析、案例研究、基准测试、稳健性检验、附录中的证据，或任何支撑主要主张的构造验证（construction validation）。

第四轮（Pass D）：局限与上下文

有选择地阅读“局限性”（limitations）、“相关工作”（related work），以及为公正评估主张所必需的附录章节。

禁止止步于正文——若某核心主张仅在附录或补充材料中获得支持，则必须延伸阅读至相应部分。

4. 使用脚本降低偏离（drift）

若 {baseDir}/scripts/ 下的脚本可用，请将其作为结构化起草辅助工具。使用任一脚本前，务必先阅读其文档 {baseDir}/scripts/README.md，充分理解其功能边界（即：它能做什么、不能做什么）。

推荐执行顺序：

1. scaffold_note.py
2. build_paper_map.py
3. 依据 {baseDir}/routing-rules.md 手动完成论文路由
4. build_notation_table.py
5. build_claim_matrix.py
6. build_limitation_ledger.py
7. render_final_note.py

利用脚本生成笔记骨架及内部构件的初稿，再对照原文逐项审阅与修正。脚本仅为辅助工具，而非权威裁决者。

5. 当笔记需存档时，优先采用脚本化构件

当用户要求保存 Markdown 格式笔记时，推荐采用以下流程：

• 以 {baseDir}/references/note-template-base.md 为基底搭建笔记骨架
• 起草论文地图
• 显式完成论文路由
• 当符号体系（notation）较复杂时，起草符号表（notation table）
• 针对主要主张，起草主张-证据矩阵（claim-evidence matrix）
• 起草局限性台账（limitation ledger）
• 渲染最终笔记，并手动修订以确保准确性与教学性（pedagogy）

若笔记篇幅短小且纯属对话场景，可跳过脚本，但仍须严格遵循相同的**知识协议（intellectual protocol）**。

强制性内部输出

在最终定稿前，必须构建以下内部结构。它们可保持隐含状态（除非用户明确索取），但最终笔记必须体现其内容。

A. 论文地图（Paper map）

对问题、设定、贡献、证据主干及主要失效风险的精炼陈述。

B. 路由记录（Route record）

包含以下要素的精炼路由决策：

• 主适配器
• 可选的次级适配器
• 一至三个证据检查清单包
• 可选的领域叠加层
• 路由置信度（route confidence）
• 简要理由说明

C. 符号表（Notation table）

当符号体系较复杂时，须记录：

• 符号（symbol）
• 含义（meaning）
• 类型 / 形状 / 定义域（type / shape / domain）
• 如适用，注明单位（units）
• 该符号首次发挥关键作用的位置（where it first matters）

D. 主张-证据矩阵（Claim-evidence matrix）

对每一项主要主张，记录：

• 主张原文
• 该主张系作者明示声明，抑或你本人的推断
• 支撑该主张的具体证据
• 该证据在原文中的位置（章节、图表、附录等）
• 支撑强度评估
• 任何已知限制条件（caveat）或缺失的检验项

E. 局限性台账（Limitation ledger）

明确区分两类局限性：

• 论文自身明确承认的局限性
• 你作为审慎读者所推断出的局限性

核心准则

1. 先阅读，后判断。 绝不可仅凭标题与摘要推断整篇论文的全部贡献。
2. 严格区分作者主张与你的评价。 必须清晰标记二者界限。
3. 保留数学或技术主干（spine）。 在相关内容存在时，始终将笔记锚定于公式、估计量、定理陈述、算法、基准构建、数据构建、识别逻辑（identification logic）或系统权衡取舍之上。
4. 主张须追溯至证据。 强有力的陈述必须得到来自正文、图表、表格、附录、证明或基准测试的具体支撑。
5. 阐释机制，而非仅罗列结果。 回答：该方法、论证、基准、数据集设计或系统为何应奏效？又在何种条件下会失效？
6. 以精确性优先于褒奖性语言。 将“强大”、“新颖”、“令人印象深刻”等模糊表述，替换为具体、可验证的陈述。
7. 不掩盖不确定性。 若论文存在表述不清、规格不足、夸大其词或证据薄弱等问题，须直接指出。
8. 将脚本视为草稿，而非终审判决。 启发式提取结果必须始终经原文校验。
9. 选择最简但忠实的路由路径。 增加适配器或检查清单包数量，并不自动提升笔记质量。

适配器与检查清单使用规则

始终保留基础模板的通用结构，再依据所路由的适配器与所选检查清单包，对各节进行扩展或精简。

• 对于结构清晰、单一贡献的论文，仅使用一个适配器。
• 仅当论文确属混合型贡献，且第二贡献具备独立承载能力时，方可使用两个适配器。
• 切勿为凑满模板而强行加入无关章节。
• 必须首先运行 general.md，其次运行所选证据检查清单包，最后执行适配器专属或领域专属检查项。

最终笔记的写作契约

严格遵循 {baseDir}/references/output-contract.md 中规定的输出契约。以基础笔记模板为默认骨架，再根据所路由的论文类型与证据特征进行适配。

证据准则

对笔记中每一项重要结论，均须自问：

1. 这是作者的明示主张，还是我的推断？
2. 何种具体证据支撑该结论？
3. 该支撑的强度如何？
4. 何种情况会削弱我对该结论的信任？
5. 我是否已在笔记中如实记录该限制条件？

若无法清晰回答上述问题，请继续精读，或弱化该陈述。