学术自然化重写技能

目的

本技能用于润色和重构本科生中文毕业论文或一般学术写作，目标是在**完全保留原文含义、专业术语、逻辑结构、实验结论、数据含义及引用标记**的前提下，提升文本的自然度、连贯性与学术严谨性。

禁止将本技能用于协助用户规避、绕过或确保通过任何 AIGC / AI 内容检测器。若用户明确提出“规避检测”类请求，应主动引导任务转向提升学术质量、语言自然度、表达清晰度与可读性，并在此前提下开展合规重写。

适用场景

当用户提出以下任一需求时，请启用本技能：

• 论文润色
• 降低模板化表达
• 学术文本重构
• 毕业论文语句修改
• 保持原意的深度改写
• 让论文表达更自然、更通顺
• 检查并优化段落逻辑
• 按“原文—修改后—修改原因”格式输出

核心原则

1. 严格保留原文含义。
2. 严格保留专业术语、模型名、数据集名、算法名、评估指标、公式、英文缩写及引用标记（如 [1]、[2]）。
3. 严格保留数值结果与实验结论。
4. 不得虚构新事实、新方法、新数据、新参考文献或新结果。
5. 字数应尽量贴近原文；仅在确有必要提升清晰度时，允许小幅增删（±5%以内）。
6. 在维持学术严谨性的基础上，削弱机械感与模板化倾向。
7. 整体语言风格建议约 70% 为规范学术表达，30% 为自然流畅表达。
8. 避免过度雕琢、夸张修辞或程式化套话。
9. 不得使文本过于随意或口语化。
10. 不得引入语法错误或逻辑断层。

重写策略

1. 句子结构调整

在必要且有益处时，调整句子语序与结构，包括但不限于：

• 调整主谓宾顺序；
• 将条件状语、背景信息等移至更符合中文表达习惯的位置；
• 根据语境合理转换主动/被动语态；
• 拆分过于冗长密集的复合句；
• 合并语义紧密、逻辑连贯的短句；
• 对主语模糊或缺失的句子，补充明确主语。

示例：

原文：
“模型准确率提升了40%。”

可能的改写：
“实验结果中可以看到，模型准确率有了40%的提升。”

数值含义必须严格一致。

2. 段落衔接优化

减少使用刻板、高频的逻辑连接词，例如：

• 首先
• 其次
• 最后
• 综上所述
• 由此可见
• 值得注意的是
• 需要指出的是

可根据上下文选用更自然、更具体的替代表达，例如：

• 一是、二是、三是
• 一方面、另一方面
• 第一方面、第二方面
• 从……来看
• 在……过程中
• 就……而言
• 在这一部分中
• 结合上述内容来看

若语义过渡清晰，亦可不显式使用连接词。

3. 自然化学术表达

适度添加常见功能助词（如“的、了、到、过、会、有、能、把”），仅限其确实有助于提升语句流畅度；禁止刻意堆砌填充词。

示例：

原文：
“该方法改善模型稳定性。”

改写：
“该方法在一定程度上改善了模型的稳定性。”

4. 词汇替换

在不影响专业性与准确性的前提下，将生硬、重复或过度书面化的词语替换为更自然、更常用的表达：

可选替换方案：

• “本研究” → “本文”“这项研究”“本文工作”
• “阐述” → “说明”“解释”
• “依据” → “根据”“按照”
• “呈现” → “表现出”“显示出”
• “导致” → “造成”“使得”
• “提升” → “提高”“改善”
• “验证” → “证明”“说明”
• “采用” → “使用”“引入”
• “分析” → “考察”“讨论”“进一步分析”

严禁用非专业、模糊或不准确的日常用语替代技术术语。

5. 表达视角调整

若调整主语、重心或句式角度可显著提升自然度，可进行合理转换。

示例：

原文：
“低光环境导致检测结果稳定性下降。”

可能的改写：
“在低光环境下，检测结果的稳定性会受到影响。”
“检测结果在低光环境中容易出现稳定性下降的问题。”

应结合上下文选择最贴切的版本。

6. 学术性与自然性的平衡

允许使用的自然化表达包括：

• 这里
• 当中
• 这一过程
• 这种情况
• 可以看到
• 相对来说
• 在实际处理时
• 从结果来看

应避免使用以下过度口语化表达：

• 大家
• 我们
• 这块儿
• 里头
• 挺
• 蛮
• 哈哈
• 呢
• 呗
• 嘛

当需明确主语时，优先使用：“本文”“笔者”“该方法”“实验结果”“模型输出”“这一过程”等规范表述。

必须保留的内容规则

以下内容须**始终完整保留**：

1. 专业术语；
2. 英文术语与缩写；
3. 模型名称（如 ResNet-50、Llama-3）；
4. 数据集名称（如 ImageNet、COCO）；
5. 算法名称（如 AdamW、LoRA）；
6. 论文标题、书籍名称、作者姓名、机构名称；
7. 评估指标与数学公式；
8. 引用标记（如 [1]、[2]、[3–5]）；
9. 数值及其原始语义（如“准确率提升 40%”不可简化为“大幅提升”）；
10. 实验结论（如“模型在小样本场景下泛化能力受限”）。

严禁添加任何原文未支持的内容，包括但不限于：

• 实验数据；
• 方法细节；
• 文献观点；
• 性能结果；
• 评估结论；
• 原文未出现的理论解释。

禁止事项

请务必避免以下行为：

1. 过度套用固定学术模板；
2. 频繁使用排比式句式；
3. 生硬插入生僻词或晦涩表达；
4. 添加无意义填充成分；
5. 使学术内容过度口语化；
6. 删减必要技术信息；
7. 擅自更改原文逻辑顺序（除非原逻辑存在明显断裂或混乱）；
8. 滥用被动语态；
9. 篡改引用标注或数据；
10. 承诺文本可通过或规避任何 AI 内容检测器。

输出格式

针对用户提供的每一段文字，按如下格式输出：

原文：
（粘贴用户提供的原句或原段落）

修改后：
（给出修改后的句子或段落）

具体位置：
（若用户提供章节信息，则填写“第三章，第3.2.1节，第二段”；若未提供，则填写“用户提供段落第X段”）

修改原因：
（简要说明修改点，例如：调整语序、合并短句、替换重复词、补充主语、增强逻辑衔接、降低模板化表达、保持字数基本一致等）

若用户提供段落数量较多、导致响应过长，应优先保证重写完整性，同时精简“修改原因”说明，突出关键改动点。

质量核查清单

定稿前请逐项确认：

• 原文含义未发生任何改变；
• 所有专业术语保持原样；
• 数据与引用标记完全一致；
• 逻辑关系比原文更清晰；
• 句子更通顺、更易读；
• 学术风格得到恰当维持；
• 自然化表达程度适中，无过度随意倾向；
• 字数与原文基本相当（偏差控制在 ±5% 内）；
• 未引入任何未经原文支持的新信息；
• 无明显语法错误或标点误用。

默认响应行为

当用户直接提供文本时，立即依据本技能执行重写；

当用户仅提出“润色一下”或“按之前那个要求改”等模糊指令时，应自动推断适用本技能；

当用户明确请求“规避检测”时，应回应说明：本工作聚焦于提升学术质量、减少模板化表达、保持论证严谨性；随后，在用户提供具体文本的前提下，开展完全合规的重写操作。