nature论文附件在哪

nature skills 包含论文写作的全流程，今天一分钟给你讲明白，如果你科研生涯有某个时刻特别崩溃，那大概是交稿前的那一周。实验好不容易跑完了，但图表丑得不敢投，英文写得像机翻， 引用格式乱七八糟，数据声明忘了写，最后还要赶个主会 ppt， 这些事单拎出来都不难，但是凑到一起真的很麻烦。 现在有人把这五件烦心的事全都打包解决了。这不是那种通用的 ai 写作工具，而是一个专门针对 nature 刊的标准开发的开源项目，叫做 nature skills， 它目前包含了五个核心的技能，从写到讲，覆盖了论文发表的全流程。下面我们就一个一个的来看，现在有人把这五件烦心事全部都打包解决了。这不是那种通用的 ai 写作工具，而是一个专门针对 nature 批判的标准开发的开源项目，叫做 nature skills， 它目前包含了五个核心技能，从写到讲，覆盖了论文发表的全流程。那接下来我们就一个一个的来看。首先第一个就是 nature figure， 专用于解决图标这个门面问题。 有些功能我们都知道，有些它是功能强大的，但默认配色实在不敢恭维，改完之后文字又变成了曲线，下次想要改字都得重新跑代码。 这个工具完美的解决了这些痛点，它提供科学的语义配色，生成 svg 的 图片，文字可以直接进行编辑，还教你如何设计专业的多面板图。那第二个核心的一个功能的话， 就是解决英文论色最扎心的问题，论色解决完了，怎么看都像 ai 写的这个工具不一样，它从 nature 的 正刊的论文里总结了二十五条写作规则， 通过十二部的一个工作流帮你逐字打磨。它会帮你断句、审记时态、升级词汇，还会帮你检测是不是写了。我们证明了这种过度的声明，确保你的英文地道又专业。 第三个技能就是专用于引用的，你只需要给他一段文字，他就能够自动帮你匹配到合适的参考文献。而且他还会优先从一些三大顶刊，比如说 nature、 science 里面去找， 还会给每个引用的标书都支持等级，导出的格式也兼容各种文件的管理器。它的核心原则就是宁可漏引，绝不滥引，保证你的论文的学术的严谨性。 那第四个痛点就是我们的 nature data 帮助你合规的一个数据的可用生命性。很多人习惯写数据，如果有需要可向作者索取，但是在 nature 这样的刊刊看来，这基本等于没写。这个工具能够帮你根据不同的情况生成符合规范的数据声明， 覆盖了公共数据库、限制访问数据等多种场景。第五个技能就是解决汇报实念论文的一个尴尬，它不是简单的把论文内容复制到 ppt 上，而是按照科学论证的逻辑重新组织发现内论文就用问题证据的结构方法，学的论文就用问题方案的结构。 并强调每页 ppt 只放一个核心图，把你详细解读，放在演讲者备注里面，让你的汇报更清晰，更吸引人。说回到本质，发一篇高质量的论文，核心永远是科学贡献本身， ai 不 能帮你做实验，也不能帮你提出好的问题，但这个工具解决了一个非常真实的麻烦， 那些不科学但很重要的体力活，他让你不用再为图力翻指南、改革式这些琐事烦恼。 请记住，科学家的时间应该真正的花在科学上。最后，我想问大家一个问题，你的塞篇论文还让图表格是这样的琐事拖后腿吗？如果不想，不妨试试这个工具。也欢迎大家把这个视频转发给你正在赶稿的战友，帮他度过一个崩溃的夜晚。

nature skills 的 热度越来越火，现在大家可以通过百度浏览器等可以看到网上有很多关于它的帖子，然后呢我们的 github 现在已经来到了两千一百多个星， 而且呢它的热度是在不断增加的，大家呢可以观察一下它的这个新的走势啊，我们会发现它的导数是不是变大了，所以的话感谢大家支持。今天呢带大家利用一下我们新发布的这个自动根据你文章内容找引用的 skill。 nintendo 的 话， windows 系统是更好的，所以的话我这里面只能在 windows 上录这个教程。然后这里面用的模型呢是千问的三点六， 使用教程也比较简单，我们把文章的内容粘贴给 cloud 或者说 codex， 然后呢让他调用这个 skill 来完成这种文献的查找。 那么前面三点六在接收到我这个请求之后呢，他会从工具库里面去解锁对应的 skill， 然后呢来帮助我完成这个任务。 这边呢我们可以看到它已经显示出来了，要为当前的文本去搜索 nature cns 系列这些刊的引用，因为的话我们想发一些高分的 paper， 像二渠啊及以下的基本上就不要再引用了，包括一些 archiv 的 也尽量少引用。 同样的这个过程呢需要运行几分钟，然后我这边做一个加速处理，等会直接带大家体验一下怎么样他能够生成饮用，然后再结合 and note 直接插入到我们的这个 word 文档里。 我们看到呢他的生成已经完成了，然后他这里面呢会生成一个 html 文件，那么他呢其实是一个网页的结构，他会显示出你论文里面的话是什么，然后他对应哪些引用都给你展示出来，我们点开看一下， 点开之后呢，我们就可以去根据我们的需要，比如说有的话他可能找不到合适匹配，那么就跳过， 然后如果有多项匹配的，那么他就会都显示出来，并且这个网站上所显示的每一句话跟原论文都是一一对应的。这里呢我们就拿第二句话给大家做一个具体的演示。第二句话我们先检查一下他跟原论文，也就是 word 文档里面的话呢，是严格对应的， 然后接下来呢我会以其中的一个引用为例下载一下。我们这边呢支持多种格式的导出，我这里面用 endnote， 所以 导出 emw 的 格式，打开之后呢我们可以看到它已经下载成功了，然后呢我们可以在 endnote 里面把这个 emw 文件作为一个导入， 在成功导入之后呢，我们就可以定位到它文章所引用的这个参考文献，那么我们在 word 里面直接对应 endnote 的 按键，然后把它插入进来。 使用 endnote 对 文献进行管理呢，是有一个好处的，就是它支持断续，比如说呢我们再随便的去下载一个引用，然后呢给它插入到刚刚我们插入引用之前的位置， 那么呢他会自动的去完成这个顺序号的更新，那这个要比手动要快很多的，所以大家如果没有用过 nnot 呢，也可以快速的尝试起来， 所以的话我们这个 skill 真的 可以节省很多的时间成本，因为他可以批量化的处理，可以大家不用一个个的去浏览器上去查找，所以呢，也欢迎大家去使用，然后提供一些建议，谢谢大家。

不会用 chat gpt 写论文的可以去看一看这篇 nature 文章分享了如何让 chat gpt 参与论文写作，还给出了一些可以直接使用的指令。最重要的是，这篇文章可以让你知道在不违反学术规范的前提下，如何利用 chat gpt 写论文啊。建议大家都去看一看，不会下载这篇文章的可以来找我领取。

原来投稿前的论文检查呀，都已经被 nature 的 文章重视到这种程度了，专门利用工具来检查。各位研究生们，你们有没有想过你们投出的论文啊，可能是因为多个低级错误的同时出现，这篇论文就被拒掉了。 因为当出现语法不对，单词拼写不对这样的低级错误时，会让编辑怀疑你的专业性。如果你的逻辑又恰好有点混乱，那对不起你连编辑这关都过不去，直接给你这个。那今天咱就看看这几篇 nature 文章上提到的这个工具配泡泡有多好用。在这里呢，可以添加我们写好的手稿， 它会进行包括语法在内的全面检查，检查的结果会在顶部有一个汇总，包括语法重复率以及 ai 率等是否合规。 点击语法之后便会出现我们所有的语法问题。我们可以在这里啊，直接点击接受，便能够同步修改到我们的文章里了。这里啊，还能够对我们文章的一致性进行检查，看看是否存在明显的逻辑性问题。这里啊，还有一个根据刊发表规范预审的结果，针对文章啊全方面的提出问题， 帮你检查格式，原数据图表引用与参考文献是否符合刊的常见要求。那我们可以参考着对我们的手稿进行优化， 手稿中有文字的地方也会在原文中直接标注。我们可以在这里进行修改。修改完成后啊，直接在这里导出即可，确实挺方便的，有需要的可以去体验一下。

nature 发文强推的 gpt 学术论文指令到底有多牛？强烈建议每一个大学生和研究生都去使用。这位大佬在 nature 发文表示 chat gpt 在 学术写作中的三种主要辅助方式，并分享了五十个顶级的 chat gpt 学术论文指令真的非常好用！这些指令可以让你的论文写作效率直接翻倍。它不仅可以帮你翻译晦涩难懂的论文，还可以帮你解读代码和数学公式。 在你准备组会汇报时，可以帮你写绘图代码，甚至修改代码中的 bug。 最重要的是，这些指令可以帮你写投稿信，会制图片转写总结报告。我只能说他比我导师还用心。需要的同学我发你。

很崩溃，每次花半天写提示词，以为 ai 终于能帮我把论文梳理明白了，结果一点开参考文献才发现又是瞎编的。 而且不只是某一个模型，像豆包、 deepsea、 夸克这种大模型都出现过，文献看起来很像真的，但根本查不到的情况。 不过我发现一个基于二点五亿中英文线，包括 nature、 science、 dear 之网、万方等数据库的科研大模型波尔。和普通深沉式回答最大的区别是，它更像是在真实文献里剪辑和整理。 而且它不需要你像训练 ai 一 样写一大串复杂指令，不用深度学习、角色设定、分步骤推理，这种操作 很多时候直接把问题输进去就行。最关键的是，它生成的内容，每一句旁边都会对应脚标，右边直接挂着参考文献来源，点进去就能追溯到原文， 甚至连这篇文献的核心内容、研究方向、主要结论都会一起概括出来。所以文献到底对不对，有没有乱编，基本一眼就能看出来。不像很多 ai 表面写的特别专业，实际上参考文献和论文根本对不上。还有一个我很喜欢的功能，是它的名词解释库。 比如我想快速了解 dna 假计划，直接就会给出定义、作用机制、相关通路以及和其他学科之间的联系。这种功能特别适合写综述的时候补背景、拓展论文思路，甚至找创新点。

讨论部分是论文中非常难写的部分，你既要把实验数据里的真实意思表达清楚，又不能太啰嗦，也不能重复说你的实验结果，要不然就会和结果部分重复。今天学姐就带大家一起看 u c of vice 大 学给的写作指导来实战分析一篇发表在 nature 上的论文。 讨论部分主要有六个核心要点，大家可以截图保存。第一，表述结果反应的原理、关系、规律。第二，指出实验中的异常现象或无关性的研究，讨论并分析背后成因。第三，对比本结果与前任研究的异同，说明观点一致或相背之处。第四，讨论本研究的理论价值与实际应用前景。 第五，清晰地提出研究结论，并梳理支撑各项结论的实验依据。第六，分析本次研究结果的科研价值与研究意义。那现在我们来分析这篇 nature 论文，看看是否都包含了以上提到的六个要点。 第一、三、四段表述了结果反应的原理、关系和规律。第五段表明了研究的局限性，包括采样偏差和未测智力等问题。 第二和第四段和其他的一些病原菌的进化模式进行了对比。第三和第六段描述了进化机制的理论和在实际应用中指导医院感染防控的意义。同时第六段也给出了清晰的结论和证据。最后结合第一段和第六段改写对医院病原菌进化的认知，显示了结果的重要性。 所以这篇 nature 论文的讨论部分就写得很好，要不然别人怎么发 nature 呢？每个要点都清晰表述了现在同学们都学会怎么写讨论部分了吗？

兄弟姐妹们继第一弹之后，针对 pop 二上的质疑，作者作出了回复，说这是主板机特定设置导致的肉。 lucasverse 读数重复，也就是说是设置参数的问题导致的。那设置参数出了问题，结论的可靠度还高吗？是不是应该选择先撤回，重新用正确的参数证明呢？ 是高端专业的微孔板读数仪， lumina science 检测能力也很强，很多顶尖实验室都在用。本来是非常可靠的设备，数据出了问题，作者却认为是仪器设置问题所导致，仪器不会说话，仪器只会给出精准的数据。 那么问题来了，仪器设置问题又是谁导致的呢？这些问题的叠加，使得出现了结果处理后响应值出现如此高频跨越一株精确重复的问题，这就很值得深思了。在作者回复后，我又收到了仪器厂商内部人士的投稿，投稿内容大体是作者的解释，只是把问题往后推了一步，根本没触及核心。 这高精度仪器 o d e 也不会是导致数据批量撞车的设置，怎么可能频繁出现一模一样的原始读数？如果这按作者所说，这恰恰说明了仪器状态或者数据质量堪忧， 尤其空口辩解，不如直接公开原始二 l u 文件空白图和完整计算流程。我自己统计的结果，整个原数据 excel 里，有效数据单元格约四千两百个，其中约三百八十八个单元格参与精确重复，平均每个重复值出现四点零次。 最关键的是，这些重复大量跨越不同变异株，出现六十八点三六五五八五六十三点八八四七一四等数值也在同一列连续两行出现， 这意味着同一个抗体、同一个变异株在相邻两个稀释浓度的归一化响应值完全相同。真实生物学重复应该有自然变异，即使是技术重复，精确到小数点后六位的完全相同也极不寻常，除非是完全相同的输入数据被复制了多次。 papaya 上类似质疑的核心就是这些处理后的响应值重复的太完美了， 不像来自独立实验。上次也说过，在 figure e f 中，八十七点七九七六六和八十九点一三四八一各出现了三次，三十点四五八五一出现了四次。跨多个变异株低浓度点复活，甚至 figure 四和 extended data figure nine h 六五五 y 核心机制里常识尽致的数也跨越不同。图片背景重复出现。 孙老师团队的内测论文结论很重要，但数据透明度同样也很关键，希望团队尽快公开原始录 cfrs 二 l e 文件版图，对应 生物学重复标示和完整计算流程，让大家看清楚这些跨边异洲的重复究竟是怎么产生的。科研需要严谨，也需要公开透明，欢迎大家理性讨论，我是布布，感谢大家的收看！

内厂发表了一篇关于拆开 gpt 辅助科研论文写作的文章，这个作者分享了拆开 gpt 写作的指令，包括了润色、学术写作提升、同行评审优化、编辑反馈这三个方面的写作指令。一句话就能让你 用拆开 gpt 写出结构清晰、逻辑严谨的段落，这些指令可以直接去用的。我把这篇文章也翻译成了中文，供大家参考，可以进我的粉丝群去领取这些论文资料。

上海复旦大学某院在 nasa 最新发文，结果只上线一天就被帕 pi 锤爆了。我想请问青年研究员孙英才，复旦某院研究员兼某院 pi 孙老师，广州医科大学教授兼复旦某院研究员王老师，还有某院兼聘院长等人，这到底是为什么？是因为多组数据一样，还是没有做生物学重复？ 这到底是人性的扭曲还是道德的沦丧？是冠状病毒抗体研究核心结论是 h 六五五 y 突变导致奥密克戎逃逸。 在 flag 四 b two f 和 extended data flag 九里，同一个数字整整在三个位置一模一样的出现，还有二十四点五二七零一在三个完全不挨着的格子里精准过客，这可是反应值啊，独立实验能测出小数点后八位完全相同的数据， 一天就被胖片抓包，可见漏洞有多明显。 flag e f 更离谱，三十点四五八五一在四个位置集体复活， 八十七点四九七六六，反复横跳。八十九点一三四八一弧缝衔接。上面这个 figure e b two e 也是一样的，红色框的数据出现了三次，绿色框的数据出现了三次，黄色框的数据也出现了两次。浓度不一样，但是数据却一样，甚至小数点的后六位都一样，抗体稀释了一百倍，小数点后六位依然不变。 这到底是哪儿的抗体？上市了我肯定第一个去买。综上所述，问题不在于一个数字的重复，而是在于重复的数字出现在支撑核心机制结论的关键数据中。再来说说生物学重复的问题，整个 fake ec 的 mfi 数据全部都只做了技术重复，没有生物学重复， 这在顶刊论文中属于比较严肃的问题了，尤其是用来支持这个 ace 二的竞争，结合这类重要机制结论时。再来看看这个 fake 一 e 的 表格，上面这俩表格的 a、 b、 h、 r、 s 半量化，只有单次测量值， 没有实验一二三，直接就用于下面那个表格的计算了，也是没有生物学重复。 c 六五 d 的 这个表格下面的红色框框出来的比例只有单次或者是极少重复的半定量值，没有明确的多伦生物学重复。还有这个图片频率表，完全是单次统计数据，这些都是支撑 h 六五五外核心机里的原始仪器读数。不是总结图，是最底层的实验数据， 正常冠状病毒实验应该有噪声，有变异，结果复旦他们的数据却干净的像 control c control v 出来的文章，只上线一天就被啪啪瞅去了，可见数据问题有多离谱。孙老师把数据搞成这样，那么多的科研经费到底花到哪去了？ 国家投给复旦该院那么大笔冠状病毒研究经费，是去买高端仪器了，还是直接买 excel 模板批量复制数据了？那这顶坑 复旦联合团队影响深远的冠状病毒机制研究，只上线一天就被打脸，这数据能信吗？孙东方英才，这波操作大家怎么看？点赞转发送给所有科研朋友！这瓜够不够大？评论区抽，感谢大家的收看，我是布布，欢迎投稿。

毕业季，你以为论文答辩结束就彻底轻松了？ no！ 真正的忙碌才刚开始！毕业论文定稿、答辩 ppt、 毕业生登记表、身份证复印件、就业协议、毕业去向信息统计。你得填一堆表格，交一沓材料。班长就更累了，要批量收集几百份文件，材料还得整理好交到学院。想顺利毕业可真不简单。 其实不用这么费劲， ai 就 能帮上忙。我们当年毕业各班都用的接龙管家。进入小程序，有个 ai 智能生成的对话窗口， 点击后直接跟 ai 说你的需求，帮我创建一个毕业生信息登记表，需要包含姓名、学号、专业、班级、个人信息、 word 电子表、毕业去向 ai 接到指令后，十秒内就会自动生成完整的接龙表单，你只需发布后转发到班级群就行。我见过不少班长让同学们把电子文档通过微信、 qq 发给他，或者发到邮箱，班长得逐个手动下载保存，再打包整理，没个四五个小时根本弄不完。要不就是用些共享表格，大家填的敏感信息，其他同学也能看见，完全没隐私。这些问题用接龙管家就能完美解决。 一、在接龙管家里收集完成后，班长只需点击导出数据，就能一键下载包含全班同学填好的毕业生信息，登记后会自动分类整理成文件压缩包，特别靠谱。 除了 word， 接龙管家还支持批量收集 excel、 ppt、 pdf 压缩包、图片、录音、视频等各种格式的材料。二、填写内容彼此不可见啥意思呢？就是你填写的毕业信息，或者提交的毕业表格电子版，其他同学是看不到的，这种隐私保护让人感觉很受尊重， 这点让我用着很放心。毕业季本来就够忙了，收文件这种事不值得耗费精力，下次党员或班委们需要收材料收文件时，微信搜索接龙管家试试，把省下来的时间用来好好告别吧。

当成千上万的硕博生，拿着微薄的薪资在实验室熬秃了头，手握千万科研经费的教授，直接靠论文 p 图平步青云。有人用青春换数据，有人用 excel 编数据， 前者飞身即走去工厂，后者 control 加微当院长。说到底，人和人的差距，根本上还是比谁更会使用工具啊。一篇 nature 论文，从号称十年磨一剑到背爆造假，只用了三个月。最近同济大学论文造假的事情，让广大吃瓜群众明白了一个道理， 神坛上的不一定是真神，很可能是一尊精心包装的泥菩萨。大家好，我是乔叔。作为一只脚踩在学术圈的人，这期视频我将用一敬到底的方式，对最近同济大学 nature 造假事件做一个全面复盘，为学术圈留下一段珍贵的史料，建议先收藏，再观看。 二零二四年十一月，同济大学王教授团队在国际顶刊 nature 上发表了一篇重磅论文。论文的核心发现很硬核，如果发现成立， 对癌症的治疗将有重要意义。论文第一作者是金某某，同济大学高等研究院研究员，通讯作者王教授，当时是同济大学生命科学与技术学院院长。论文一发表，普天同庆， 同济大学官方高调报道。王教授也开心的说，这是团队十年磨一剑的成果，庆功宴肯定少不了，不知道是不是用科研经费报销的。但这个不重要，主要是有眼尖的人很快发现了论文的问题。 二零二五年六月，在某国际学术讨论平台，有人匿名指出论文中的图片存在重复使用的问题。论文第一作者金某某很快回帖，承认图片误用，已向编辑部申请刊物。 二零二五年七月二十五日， nature 发布了作者更正声明，修正了相关图片问题。虽然上千万的研发经费并没有让他们严谨一点，搞出了一些低级错误，但也能理解，可能作图的和发文章的不是同一个人。 但很快又有人对数据提出了质疑，比如表格某一列连续几个数据的小数点后，第二位要么都是四，要么都是五，这种分布规律太规律，在自然实验中几乎不可能出现。金某回应数据分析软件结果如此，他们是用什么软件分析的很多人不清楚，但拿了多少钱搞研究还是有公式的。 随着更多的研究者加入，质疑声越来越强烈。对数据的质疑只是表象，大家其实真正想搞清楚的是，千万经费到底有没有被他们用来探索未知。 真正把这篇论文推到聚光灯下的，是一个自媒体博主。二零二六年四月八日，这个博主发视频公开质疑这篇 nature 论文存在系统性数据造假。 视频里的几个关键疑点，直接提起了斩首这篇论文的铡刀。第一个疑点，论文 figure 四 c 中，第三列和第四列的数据存在一个诡异的固定关系，第三列数据减去零点三，恰好等于第四列，这种完美数学关系，实验室里几乎不可能自然产生。第二个疑点，论文 figure 四 c 和六 g 等表格中， 数据末尾数字五出现了两百一十二次，科学来说，结尾数字应该是零到九。这十个数字相对均匀出现，但五出现的次数过于集中，博主认为这基本属于手动捏造的规律。 第三个疑点，一百九十六只小鼠的体重数据中，只有一只的末位数字是零，但是小鼠是活的，它会动，秤上的克数会浮动。博主认为末位数字应该是随机分布的。乔叔用自己的话解释一下，想象你要给一只活蹦乱跳的小鼠称重，精度要求到零点零一克， 小鼠在秤上会动，会呼吸，会挣扎，所以秤的读数一直会跳动。不管是二十七点三四克，还是二十七点三六克，你最终记录的数字肯定带有一定的随机波动。在真实实验中，在样本量较大的情况下， 所有实测数据的末尾数字应该会比较均匀的分布在零到九之间。但这个实验数据中，一百九十六只里，只有一只的末位是零。用统计学语言说，一个自然随机的数据集出现这种极端偏态分布的概率比中彩票头奖还低得多。这几乎可以确定，数据不是从秤上真实读取， 而是人为编造的。到这里，大量科研人员直接在评论区炸了，说看到这基本就锤死了。这些疑点，任何一个单独拿出来也许可以解释，但凑在一起简直是巧巧的妈妈声巧巧，巧到离谱，炸到落下，论文当众被斩。这一波操作也直接把事件推向了风暴中心。 学术大佬文生下场四月十五日，著名科学家饶毅连续发文评论该事件，进一步将舆论推向高潮。饶毅的发声起到了两个关键作用，一是以顶尖学者的身份为质疑背书， 让更多人意识到这不是外行瞎猜。二是将事件从一个具体的论文质疑，上升为对整个科研生态的拷问。四月十六日，同济大学官网发布情况说明。 四月二十三日， nature 正式发布说明。到这里，事件已经从一场网络质疑升级为学术刊刊高效和公众三方共同关注的公共事件。 经过近一个月的调查，五月六日，同济大学正式发布通报，免去王教授生命科学与技术学院院长职务，降低专业技术岗位等级两级，取消其岗位聘用工资晋级职务晋升、科研项目申报、 评奖评优等资格。二十四个月，金某某直接解除聘用关系。这份通报究竟是一个斩立决还是缓冲期，还得两年后再看。至于这篇 nature 论文是否会被撤稿，能否经得起重复验证，还需要等待 nature 方面进一步评估。到这里，论文是否会被撤稿已经不重要了。乔叔只想说， 你熬了三年可能才跑出一条 w b 条带，别人三分钟就 p 了十四张图。人有多大胆，地有多大产，同学你还得练呢。同行评议失明，学术打假靠自媒体？这届科研圈的底线 为什么是被一个自媒体博主重新划定的？如果查造假，全靠博主扫盲式举报，那每年几百亿科研经费分到真正搞科研的人头上的有多少？这才是这起事件留给我们最大的问号。 如果你喜欢这个视频，请点赞收藏！点赞和收藏任意一个达到一万，我将做一期视频，从经济角度聊一聊学术圈造假的风险和收益。我是乔叔，下期见。

说实话，现在 ai 科研圈多少卷的有点畸形了，你改个模型参数，换个数据集，觉得稍微有点创新了， 但是成稿人很可能把你的论文直接打回纯纯的一个陪跑选手。所以为什么现在聘忽然又这么的热门？因为它 ai 加物理双 buff 叠满 each 塞一起抢着发，而且顶会录用率呢，也高到离谱。聘也不是说有多么的高大上，它就是给神经网络装了一个物理大脑。 如果说传统 ai 是 物理瞎猜，光看数据不懂规律，那骗呢？就是直接帮我们把物理定律塞进网络，但是流体方程、历时公式这些都可以往里面塞，且数据量只是传统 ai 方法的十分之一，还不瞎往外推。 所以为什么有人能靠着他连中几篇一去顶会？因为他有四个杀手锏。杀手锏一，数据洁癖友好，哪怕你只有少量的稀疏数据或者是带噪声的数据，他都能稳稳的跑，那你就不用疯狂去采集数据了。 那第二个，无网格自由飞，用屁，你不用去画什么复杂的网格，所以哪怕是多么奇形怪状或者是复杂的场景，他都能轻松拿捏。 那第三个，外推不翻车，为什么？因为它有物理规律斗底训练，域外的预测也能符合常识，这样很大概率上告别瞎猜， 最后正反通杀。它既能解方程，又能反推参数，一套框架就搞定两类需求，就比如说用频域频去解决光纤问题，就六组数据，误差不到零点三 db， 效率呢，还比老方法高了十五倍。 比如说有个团队用 pin 去算导弹器洞，只有五十组稀疏数据，但是误差只有百分之零点二一，和传统方法比，在效率上的提升更是惊人。而且你会发现它对新手非常友好，因为 pin 不 用你去丛林创新，它简直就是 a f size 的 发文利器。 流体、医学、能源、遥感四大领域全适配公开数据集呢？随便用那当然，如果你是想冲顶会顶看的进阶玩家，还可以尝试去解决复杂的工程核心难题，比如说多尺度聘、多物理场融合，或者是分数接聘。 所以对于那些觉得 ai 已经卷成使活动赶来赶去都是伪创新的同学，聘正是 ai 与物理交叉的黄金蓝海， 既有内核级的硬核度，又有新手友好的低门槛数据，高效，落地性强，创新点密集。那想要拼最新的点，会点开论文合集和开源代码的同学，可以在评论区留言拼，直接帮你安排。希望大家都告别陪跑冤种论文，稳稳上岸！