← 返回文章列表
日常随笔#学术写作#科研方法论#科学叙事#网络空间安全#认知科学

学术语言范式与科学故事：从“预测惊喜”看理工课题的命名与叙事

理工论文的语言不是审美偏好，而是同行评审、页数限制、基金表格等制度条件的产物。本文用网络空间安全课题做真实拆解，检验一套体验设计方法论在学术场景里哪些环节仍然成立。

LuvW&Q78 分钟读完

一、两个数字，和一个被默认的说法

2017 年，Min Du、Feifei Li、Guineng Zheng 与 Vivek Srikumar 在 ACM CCS 上发表 DeepLog：用长短期记忆网络（LSTM，一种按顺序读序列的神经网络）读日志，预测下一条日志事件，把偏离预测的事件判为异常，在 HDFS 数据集上报告了接近 0.96 的 F1（Du et al., CCS 2017）。F1 是精确率与召回率的调和平均，越接近 1 越好。这个数字后来被大量后续论文当作透明的前提反复引用。五年后，纽卡斯尔大学的 Van-Hoang Le 与 Hongyu Zhang 把 DeepLog 连同 LogAnomaly、PLELog、LogRobust、卷积网络版共五个代表性模型，放到 HDFS、BGL、Spirit、Thunderbird 四个公开数据集上做过一次系统重测（Le & Zhang, ICSE 2022）。在 BGL 上，训练集划分方式从“随机打乱”换成“按时间顺序”，DeepLog 的 F1 从 0.927 掉到 0.426（这是 Le & Zhang 该文的表 2 所报的实测结果）。随机切分有数据泄漏的嫌疑——模型在训练时见过未来；按时间切分才是真实在线部署里唯一可能的操作。

这里有一个常被一带而过的细节。按 Le & Zhang 表 1，HDFS 数据集约 1117 万行日志，异常块占 2.93%，多年来是首选基准——它采自 200 多台亚马逊 EC2 节点，且天然按块标识（block_id）分好会话；BGL 则是劳伦斯利弗莫尔国家实验室 Blue Gene/L 超算的系统日志，这类超算日志（Spirit、Thunderbird 同理）没有天然会话标识，只能按时间窗口来切。切法一变，结论翻转。Le & Zhang 的结论句几乎不加对冲：“问题尚未被解决，并且已有模型在多种设定下并不总是工作良好。”

一个网络安全方向的研究生，大概率同时听过两种互相矛盾的教导。第一种来自写作课与导师组会：论文要讲故事，题目与摘要是钩子，汇报第一页要抓人。第二种来自相反方向的忠告：评审只看严谨，故事是包装，花哨的题目反而显得心虚。两种说法各自都对一部分。麻烦在于，它们都无法解释一个同时存在的事实：同一个时代的评审系统里，被故事托起来的稿件和通篇只有问题清单的稿件都会通过——Le & Zhang 这类零修辞的重测论文如今被广泛引用；MIT 等高校的工科传播实验室（Communication Lab）把“科学叙事”整理成公开的写作指南并以此开设工作坊（MIT CEE CommLab 的 Scientific Storytelling 页面是一例，它把海洋生物学家出身、后来转行编剧的 Randy Olson 提出的“和—但—因此”框架列进自己的公共工具箱）——而同一批专家在评审意见里，又会把“说得好听”当作可疑的加分项扣回去（这一条与下文“照位置找缺口”一样，是本文从两种教导的对照与评审惯例里得出的经验印象，没有评审现场的一手测量，第八章的数据缺口对它一体适用）。

两种说法落不到同一个解释里，是因为它们各自站在评审流程的不同位置上。这里先把手边的核心术语钉住：本文说的“范式”取的是 Thomas Kuhn 在 The Structure of Scientific Revolutions（芝加哥大学出版社初版于 1962 年，中文常译《科学革命的结构》）里的原意——一个共同体共同接受的工作承诺，包括范例、待解题清单与“什么样的解算合格解”的标准；不是日常口语里“套路”的同义词。学术写作范式因此不等于文风习惯，它包含了一整套可发表性判断的实施细则。

本文的命题在这层定义下收窄成一句可以检验的话：学术范式把“惊喜”从叙事强度改写成证据形状——同一项发现，只有被摆成可被复审的协议与数字，才在评审那里算数。这句话的机制面写得更平实：这套范式是一张重建评审阅读顺序的清单，部件固定、位置固定、先后固定，评审的默认读法是照位置找缺口；一个题目的好坏，于是可以用“它逼开哪几格清单”来称量。评审被打动的位置，不在“这个技术很新”，而在“我曾相信的一个关系被改写了，并且改写后的版本还留有可以被证据检验的把手”。这张清单在本文里就是表 2：它在评审手里是“先对表格、再看修辞”的工作顺序，在第六章会被当成试金石去打一个真实题目。

据此推理，一套以“锚定—开隙—重构—验证—迁移—巩固”六阶段串联的体验设计方法论（下文称“预测惊喜”，它是原作者自定的启发式框架而非被整体验证的定律），在学术场景里能原样迁移的只有前两步与重构动作；“验证”从收束性的修辞步骤变成全部工作量，“惊喜”本身的权重则要下调——安全评审的默认反应是怀疑，直到证据到位。

“预测惊喜”援引的机制研究值得关注但需按参考对待：音乐期待与愉悦的联合预测（Cheung et al., 2019, Current Biology）、奖赏预测误差（Schultz, Dayan & Montague, 1997, Science）、欲望的双重结构 liking 与 wanting（Berridge & Robinson, 1998）、好奇心的知识缺口（Loewenstein, 1994）、加工流畅性（Reber, Schwarz & Winkielman, 2004）、认知负荷（van Gog, Paas & Sweller, 2010）、洞察作为认知重构（Wiley & Danek, 2024, Nature Reviews Psychology）。原作者为它写下的使用边界有四条：不冒充神经科学定律、不为故事牺牲事实、不把认知设计变成操纵、不把所有受众当作同一个认知主体。本文对它的用法是：当分析透镜，并对镜头本身做压力测试。

这个命题允许反驳，也值得反驳。需要先交代来历：“评审照位置找缺口、按格子称题目”是本文给出的经验概括，它的直接证据是第二章到第五章逐条可考的制度文件，评审现场的一手测量目前尚无（第八章再回到这一点）。第八章会处理四条最强的反对意见并给出加权判断。在那之前，要先回答一个更基础的疑问：范式——非人称化句法、密集引用、压到最低的形容词、固定章节顺序、被反复对冲的动词——这套东西到底从哪里来。本文的回答是：来自具体、可考、且大部分留下文本记录的制度选择。

二、部件从哪里来：IMRaD 的五十年与一批执拗的编辑

先从统计说话。一篇论文若按“引言—方法—结果—讨论”的骨架组织（引言不必带标题），这个骨架有个国际通称 IMRaD（Introduction, Methods, Results, and Discussion）。Luciana B. Sollaci 与 Mauricio G. Pereira 在 2004 年发表于《医学图书馆协会志》的一项跨断面调查里，从 1935 到 1985 年每隔五年，从四本顶级内科学期刊（BMJ、JAMA、柳叶刀、NEJM）系统抽样，共查了 1297 篇原著论文，数其中有多少篇按 IMRaD 组织。结果很清晰：1935 年是零；1950 年各刊超过 10%；随后二十年翻四倍有余；到二十世纪七十年代整体超过 80%；1985 年起，IMRaD 成为这几本刊物的唯一组织模式。四刊各有自己的时钟：NEJM 在 1975 年率先全面接受，BMJ 在 1980 年，JAMA 与柳叶刀拖到 1985 年。它们没有统一行动，固化便没有一个自然节奏可依；最直接的读法是各自的编辑决策叠加，也可能混有作者与评审习惯的滞后——这段材料分不开这两者，确定的是五十年里各刊按自己的时间表完成换装。同一份调查还把被 IMRaD 替换掉的文类留作观察线：连续正文、其他标题、个案报告与折中的半 IMRaD 在 1935 到 1945 年间轮流占先；NEJM 直到 1955 年前后仍以连续正文与个案报告为主，1955 到 1975 这二十年间 IMRaD 的份额翻两番有余，之后才反超。被替换的文体并没有消失：个案报告被划出原著论文的范围，转入自己的文类槽位；结构竞争的结果，是各文类各自拿到了一张固定格。

为什么是编辑。Sollaci 与 Pereira 把功劳主要归给他们：一头是读者——读者不线性读论文，多以模块式浏览，固定位置放固定信息符合这个习惯；另一头是评审流程——结构统一，让对照与批判变得方便（同文的讨论部分引 Huth 的说法：结构的推广在很大程度上要感谢编辑的坚持）。1948 年的皇家学会科学出版会议之后，这场风潮在战后多次国际学术出版会议被反复推荐；七十年代末成立至今的 ICMJE（国际医学期刊编辑委员会，前身即温哥华小组）把格式要求写进投稿统一说明。物理学其实走得更早：Bazerman 于 1984 年发表在 Social Studies of Science 的统计显示，Physical Review 的光谱学论文在二十世纪上半叶就已持续朝这一结构演化（这一事实经 Sollaci 与 Pereira 的引用留存下来），说明医学期刊是被别的学科追着改的。这条对照还圈出本文材料的边界：数学与理论物理期刊少见页数硬限，却同样通行定理—证明—评注的固定部件与重引用密度——按清单验收的结构有多条来路；本文可考的制度记录只覆盖页数与模板一条，其余来路在本文里只有印象式地位。

模式的固化物理形态还要往下压一层：页数与模板。2025 年 IEEE S&P（计算机安全领域最高档的两个会议之一，另一个常视为 CCS）的投稿须知写明：正文不超过 13 页，加附录与参考文献合计不超过 18 页；必须使用 IEEE compsoc 会议模板；修改页边距、字号或行距者，可能“未进入评审即被拒”。页数限制可以读成评审工作量的预算表：有限的审稿人时间被折算成墨水预算，再折算成格式红线。这份预算能同时解释一串写作决策的固化——部件顺序固定、相关工作统一成将被审稿人对照的清单、不给形容词留行距——审稿人对礼貌的偏好撑不起这样的硬度，评审时限与印刷成本的合成撑得起（这条因果链来自按制度文件做的推断，CFP 本身只写限额与模板）。此后各类更低配的模板（ACL 模板、ACM 会议模板、中国各高校的学位论文格式规范）把它们全部继承下来。

摘要被单独打磨成制度部件的时间还要更早。Huth 在 1987 年 Annals of Internal Medicine 上发表的对临床试验结构式摘要的推动（这一条经 Sollaci 与 Pereira 的参考文献留存），把摘要从一段自由书写折成按标签填写的小节——今天熟悉的五句骨架（背景、目的、方法、结果、结论）自此有了出处，临床医学是先行者。这也解释了为什么摘要能整体放入检索系统：不是所有人愿意读全文，是摘要本身已成为一份“可以脱离正文携带主张强度的微型合同”。这是一步免费的体检：本文对贯穿案例的摘要改写，正是给这种合同的违约风险做的。

页数限制还带来一个反向效应：因为结构相同、组件位置相同，评审的注意点便从“我喜不喜欢这种写法”移到“想要的内容块是否在期望的位置上出现并兑现”。按固定期望读稿是效率；它同时是惩罚——缺一个块，快审人多半不会写整段说明，常见的动作是停在这页、跳去下一份，或者在意见里只留下一句“unclear contribution”。

第三项同样物质化的制度，是“知识的系统化”这一文类本身。IEEE S&P 把一种被标作 SoK（Systematization of Knowledge，知识系统化）的论文单独定类：不含结果上的新研究，而以“对既有工作的整理、语境化与提出新视角”本身作为贡献；2025 年征稿说明的原话是，评判标准是“对已有工作的处理与对共同体的价值，而不是其中是否含有新研究结果”，标题以 SoK: 前缀标注并勾选专门选项。这条规则在制度层面确立了一件常被误会的事：把已有知识重新组织成可检验的结构，本身就是可发表的学术贡献。当本文在第七章重构贯穿案例的题目时，这条规则的重量会压到自称“全新技术”的题目上。

沿着页数与 SoK 还能再问一步：为什么安全领域的评审文化会专门腾出一个类来接受“整理既有知识”？它背后的实质是，这个领域的方法论自我批评已经变成了学术产出的一种——Le & Zhang 那篇 ICSE 2022 的重测论文，本身也是被当成一类“把赛道重新校准”的贡献而全程无修辞地通过了评审。

评审的时间预算还牵出两个相邻的制度，它们同样逆向塑造叙述。其一是预印本文化。计算机领域把 arXiv 当成“先占权”的登记台：LogBERT（arXiv 2103.04475，2021）、Loghub（arXiv 2008.06448，2020）这类工作长期以预印本形态被同行引用与实现复用。S&P 的投稿须知明文允许评审期间将预印本发至公开仓库（2025 年 CFP）。这条通道改变了写作的一条隐含约束：主张强度在场外流通与在场内流通的速度不同——预印本在未被评审盖章前就已经滑向下游，作者必须按“此句可能被引用于我未授权的场合”来设计措辞。其二是量化的另一面：影响因子的前身是 Eugene Garfield 在 1955 年提出的引文索引构想，此后依托科学引文索引发展成期刊评价工具（Garfield, Science 1955），各种分区榜与期刊等级清单演化为一个绕不开的事实——中文研究者的晋升与学位材料大量按量化指标结算。这个结算偏好在政策层有对应物：2020 年初教育部与科技部联合发文，要求高校规范使用 SCI 论文相关指标（教科技〔2020〕5 号），破量化学位论文评价本身成了政策议题——这条文件从侧面记录了此前量化结算的通行程度。在这样的结算方式下，“把工作写成一个可以直接检索的实体”（一个可命名的系统、一个可引用的数字）成为增收动作，这与评审真正关心的“可检验性”是两码事；范式里的引用密度，部分正是这种结算偏好的沉淀。

最后一项要被单独拎出来的机制比页数更古老：对冲（hedging）。展开前先做一次平实解释——所谓对冲，指在陈述中刻意留出误差的词语与句式：may、suggest、indicate、可能、提示。在世界主流期刊的语言里，它分布得足够广，又是被有意设计出来的。多数理工科研究者把它误当成“学术谦虚模式”，以为只是语气问题。它的正名写法是：把主张写成可检验对象的强度控制机制。

三、强度从哪里来：hedging、模态谱与可被接住的主张

先回到 Hyland。1996 年他发表在 Applied Linguistics 的论文（17 卷 4 期，433–454 页，DOI 页面）把真实期刊里的对冲句式放进语料检视，结论可以概括为：对冲不是作者紧张的表现，而是研究者把命题的提出方式与共同体的辩护责任对齐的一组技术手段。更早七年的 Greg Myers 把路面修在语用学上：他把科学论文读作“面子”与“礼貌”的协调工具（Myers 1989, Applied Linguistics 10 卷 1 期 1–35 页）——在共同体的公共空间里直言“我发现了 X”，等于强加给所有读者一个要么接受、要么当面反驳的负担；留出一句“X 可能成立，因为……”，相当于把反驳的成本降到了可以文明讨论的水平。

语言学工作偏描述。给这一特征一个更硬的社会学支撑的是 Robert Merton。1942 年他提出的科学规范结构——普遍主义（对命题的接受只看内容，不看提出者）、共有性（知识一经发表即归属共同体）、无私利性与有组织的怀疑（把怀疑制度化，任何陈述都要能被复审）——看上去是伦理口号，按这份理想型读本读，它为论文语言定了一个明文的合格形状：一个无法被复审者按程序重审的陈述，在有组织的怀疑面前没有立足处，因此论文语言从源头就要把陈述写成可被复审的形状。这个结构曾被大量研究者（包括 Merton 自己，在 1968 年 Science 上对科学奖励系统的分析）指出实际运转中会走样——同一份数据在不同声望的研究者手里得到不等强度的评审，他把这类现象叫“马太效应”。走样并不推翻这套规范，但它使“规范在多大程度上刻画了实际行为”成为一个独立于规范本身的问题。

Latour 与 Woolgar 在《Laboratory Life》（1979 年出版，1986 年 Princeton University Press 再版）里给出的视角更贴近问题本体，立场也正与 Merton 相对：他们把一条陈述的算数程度归给引用实践，Merton 把它归给伦理规范——本文分别取两边的可用部分（规范给出标准形状，实践给出滑动机制），不做调停。他们把科学论文里的每个陈述看作在一条“模态谱”上滑动的对象（modality，语言学里标示说话人对命题承诺程度的标记，两人借这个词描述陈述被承保与被减保的过程）：曾被作者用限制词承保的陈述，一旦被后续工作当作已知事实引用，限制词就逐渐消失；反之，被质疑的陈述会被加回限制词。他们观察到的事实——一条陈述最终“算数到几成”，取决于后续引用者以多大强度重复它——给论文写作加了一条实用约束：把主张的强度写在一个后续论文可以“接住”的位置上。太强，接住时要么附带一次自我修正，要么干脆绕开；太弱，接住后产出算不得增量。由这条机制回看 hedging，能得到一个精确而不绕弯的定义：对冲是把一条关系命题标进“可以被检验的坐标”里的词法操作，是给主张标注属名、种差与量程的动作，不是语气装饰。

这些语言机制直接给本文要处理的对象——写不出“可被改写的关系”的题目——提供了判据。一个陈述一旦不含可被改写的关系（“我把 Transformer 用在了日志异常检测上”没有可被改写之处），对冲就无处附着，作者能做的只剩把“可能、进一步、大致”这类词堆在结论区。语言层的问题其实发生在内容层：没有关系，就没有强度；没有强度，就没有对冲。

把强度这条线再往前推一步，可以直接在真实标题上做分析。把本案例涉及的几个题目按“主张强度”排开，会得到一条光谱。“DeepLog: Anomaly Detection and Diagnosis from System Logs through Deep Learning”（Du et al., 2017）是纯描述：方法名加任务名，不含形容词，强度全部留给正文。LogAnomaly 的全名（LogAnomaly: Unsupervised Detection of Sequential and Quantitative Anomalies in Unstructured Logs，Meng et al., 2019）里出现的是范围限定词“Unsupervised”——它宣布的不是优越性而是边界，边界本身就是信息。往后是形容词堆：LogRobust（Robust Detection of Anomalies from System Logs，Zhang et al., ESEC/FSE 2019）把 robust 写进名字；SwissLog 更进一层，“Robust and Unified … for Diverse Faults”（Li et al., ISSRE 2020）一口气押两个形容词加一个适用域声明。再往右是动词类主张：TESSERACT 的题目直接写“Eliminating Experimental Bias in Malware Classification across Space and Time”（Pendlebury et al., 2019）——宣称做掉了某个东西；Arp 等的 “Dos and Don’ts of Machine Learning in Computer Security”（2022）用规则式语言宣告一套可为共同体直接使用的处方；最右端是问题，Le & Zhang 的 “Log-based Anomaly Detection with Deep Learning: How Far Are We?”（2022）把强度让给一个问句，问句本身不带断言权，却迫使读者带着已有的 0.9 分阅读。这条光谱给出一个可操作的判断：位置越靠左，题目越安全；越靠右，被证据反咬时的损伤越大——决定尺度的是选题者自己，先想清楚愿意为更大的收益承担多大的反咬。

摘要有两个真句值得抄出来对账。Le & Zhang 摘要的收束句是 “The problem of log-based anomaly detection has not been solved yet.”——一篇批评性质的重测论文，结论句几乎不加对冲；托住它的不是修辞，而是五类模型、四个数据集、多种划分与噪声设定织成的证据矩阵。按 Merton “有组织的怀疑”的规则读，这是一个强度与底账（一词指一条主张身后可查证的证据清单，第三章后沿用）匹配的强陈述。另一个真句来自 LogAnomaly 的摘要（IJCAI 2019 官方页）：“LogAnomaly can avoid the false alarms caused by the newly appearing log templates between periodic model retrainings.”——有意思的地方在它的形状：没有泛泛的“优于现有方法”，而是给出一条明确的机制解释（为什么新模板会引发误报、本方法在哪个环节切断了这层联系）。沿着 Latour 与 Woolgar 的模态谱看，机制型陈述是后续论文最愿意“接住”的类型：接它时，后续作者不用顺带修正它的强度，可以把它直接当作前提用。

这两条真句把“验证”在写作层的位置说清楚了。“预测惊喜”语境里的验证往往是修辞收束；学术语境里，验证是强度与证据的比价：一个句子能写多强，事先由它身后的底账决定，而不是由它想让读者感受到多少决定。这也是本章与第一章呼应的落点——hedging 之所以在学术语体里如此密集，是因为共同体按“能否被复审”支付信任；给一个没有底账的句子配上惊喜的措辞，收益曲线非常短。

对冲至少同时在做三件事，分清它们能避免把这类句式当成套话。第一层是量程：给适用范围与边界画线，把绝对宣称改成条件宣称，降低被一篇新设定推翻的概率。第二层是辩护责任：按 Myers 的礼貌账，直陈把反驳压力一次性摊给读者（Myers 1989），对冲则把批评从“驳倒作者”降级为“讨论命题”，共同体因此能持续滚动而不是积攒积怨。第三层是接缝：按 Latour 与 Woolgar 的模态谱，一个带限制词的陈述更容易被后续工作在有共识后的语境里承接——限制词就是留给后来者修改的螺丝口，拧紧多少都还成立。三层功能说明对冲不是形式的软化，而是为“这条知识还要被往后传”预付的边际成本。

四、中国语境的制度表格：基金的四类、抽检的三道门槛，和一张三场景对照表

2020 年前后，国家自然科学基金委员会把“科学问题属性”写进了申请与评审流程。这一分类的框架在 2018 年 6 月由基金委审议通过（《中国科学基金》2022 年第 1 期的回顾证实），四类属性的原话是：鼓励探索、突出原创；聚焦前沿、独辟蹊径；需求牵引、突破瓶颈；共性导向、交叉融通。2020 年申请周期起，分类成为评审工作的一部分（基金委官方期刊 2021 年第 1 期的“2020 年科学基金项目评审工作综述”即以此为专题背景，2020 年也被高校科研部门当作正式流程要求来执行）。四类属性的机制值得细看：申请人在题目之外，必须从四类中选一类作为“科学问题属性”的口径，让全部陈述贴着这个口径展开。这个动作不交答案，而先交角色——一份申请书声明自己属于哪条赛道上的哪一种贡献方式，再由内容兑现声明。它同时给了申报者一条极清晰的自我审查标准：拟题之前先回答“这份工作属于四类中的哪一类”；答案一旦模糊，多半是题目没写清方向，剩下的少数例外是本身就横跨多类的工作——那恰好走第四类“交叉融通”来交代。这套机制拿到贯穿案例上试一下就现形：按题目的原样——“基于 Transformer 架构的轻量化日志异常检测系统”——四类属性里唯一写得沾边的是“聚焦前沿、独辟蹊径”，但深问一句“独辟在哪里”，答案只能是“换了个架构”，而换架构是这条赛道上过去六年里最拥挤的动作；若想走“需求牵引、突破瓶颈”，题目就必须带着对象（谁的日志、在什么部署约束下、省的是吞吐还是内存），也就是说必须把第六章诊断缺失的那些坐标补齐。同一份工作两次填表的落差不是表格刁难，是表格把填写人原本没做的功课摆到了明面上。

学位论文的出口处是另一种表格。《博士硕士学位论文抽检办法》（国务院学位委员会、教育部 2014 年印发，学位〔2014〕5 号）的制度细节足够具体：博士学位论文每年抽检 10% 左右，硕士 5% 左右（第三条）；每篇送 3 位同行专家评议（第六条）；2 位以上判“不合格”即定为“存在问题学位论文”（第七条）；仅 1 位不合格也要再送 2 位复评（第八条）；评议意见以适当方式公开，连续两年“存在问题论文”比例高的单位被约谈，抽检结果进入导师招生资格与学位授权点存亡的判断（第十条）。这套机器运行没有一处靠“好故事”：它按“存在问题与否”处理论文，3 位专家构成一个多数决的保险机制。与此同时，在开题、预答辩、正式答辩与各单位评阅书里，“创新点”或“创新性”作为独立栏目单列，是中国学位评审的普遍实务（各校格式不完全统一，本文不逐校考证）。这条要求决定了一种通性：贡献要先被编号，再被解释——一份工作由此被预先假设为“存在若干条可以被单独读出的增量”，无论它实际是一个整体结构的变化，还是若干平行小修。

抽检细则里的三个设计决定，各自都改写着写作的默认策略。三专家多数决把下行风险的门槛定在凑齐两票“不合格”：得罪某一位评审仍在阈值之下，凑齐两票才越线。从这条判决结构读出的收益恰好给了对冲：凡是能在任意两位评审面前站得住的弱共识命题，都比高风险强主张更安全（这项收益从多数决结构推出，办法文本处罚的是“存在问题”的判定结果，它没有把主张强弱列为评议项）。复评机制（一位不合格再送两位）说明边缘意见也能启动终审，强断言必须扛得住副线争议。评议意见适度公开、抽检结果并入导师招生资格与学位授权点评估，则把写作质量折算成一项多年期资产：一篇论文被判“存在问题”，会在之后数年抬升其单位的核查基线。写作由此获得一个与“出版即结束”完全不同的时间结构——这些句子交出之后还会被重新读取。

把这两张表与前一章的语言机制接起来，可以看到中国体制在“研究叙事应当压缩成什么样”上的具体操作：铺垫统统拦在门外，只留一个必须自证的骨架——科学问题属性声明这项工作在知识地图上的位置，创新点声明它对既有工作的增量在哪里。

同一份工作在不同文体里的变形，可以直接摆成一张表。表 1 给出中文研究者最常遇到的三个场景。

表 1 同一个工作在三种场景里的叙事形态

场景 叙事形态的差别 制度原因
中文答辩 贡献编号在先、解释在后；贡献通常 3 条起 抽检办法三专家、多数决；评阅表单列“创新性”
基金申请 先声明科学问题属性，再让内容盖章 四类属性把“在哪条赛道上算贡献”变成前置声明
英文会议投稿 匿名、页数、模板、SoK 类目、披露窗口 S&P 2025 的投稿须知对此均有原文条款

三个场景的实质差别在于贡献被不同机构验收：答辩走专家评议加抽检的多数决，基金走四类属性的前置声明，会议走匿名双盲与工件评审——工件（artifact）在此指代码、数据、解析日志输出、随机种子这类随论文一并发布的物料。一个贡献在其中一处能过，并不自动迁移到另两处——迁移本身需要重新对契约，而这一项成本在多数研究生课题的写作预算里根本没被计算。

五、范式的语法：一张部件表

把前三章的机制并排放下，可以整理成一张可对照的表（表 2）。被套用前，每个部件都不是品味问题，而承担一个具体功能；被机械套用时，每个部件都会长出一种特定的填空产物。“语法”在这里是实指：像读句子一样读论文——错处总有主语和谓语。

表 2 理工学术论文的部件功能表

部件 它防什么、兑现什么 被机械套用时会长成什么
题目 携带可被改写的关系；给跨领域检索留入口 三个名词堆叠；新词橱窗；副标题假装信息
摘要 五句骨架：已有背景、缺口、方法、结果、意义 五个空格各填一句没信息量的话；形容词替代数据
引言 CARS 三动作（见下） 领域综述硬铺半页；“没人用过”当缺口
贡献列表 说清被抽出的增量与全部代价 “用了一种新框架”“做了细致实验”当成条目
相关工作 把自己放进可见的比较空间 罗列 30 篇但不说彼此争什么
威胁模型 声明攻击者的能力边界与保护目标 一段客套定语；“未考虑侧信道”一笔带过
方法 让另一个研究者能重做 工程流水账写成小节；缺关键取舍的理由
实验设定（基线、消融、划分） 让数据松动有可复验的地面；消融（ablation）指拆掉一个部件再测，用前后差值标出这个部件值多少性能 基线故意弱；不做时间感知切分；消融藏着
结果 与引言的每个承诺对账 只报胜出的子集；平均分藏起来
局限性 把证据的可达范围说尽 一句“未来工作”敷衍；与威胁模型口径矛盾
结论 说明被改写的关系与打开的实验 复述摘要；续写无依据的展望
工件与复现（代码、解析输出、种子） 把口头承诺换成可被点开的物证 “代码稍后公开”一行字；仓库只有空 README

这张表在引言处有两个常用注脚。

其一，引言的三动作有专有名字。语类分析（genre analysis，把研究文本当作有稳定结构的“文类”来分析）学派的语言学家 John Swales 在 1990 年提出 CARS 模型（Create a Research Space，创造研究空间）：引言被拆成三个动作——确立研究领域、指出研究空间（niche）、占据该空间（UBC 写作中心的讲义把它以教学形式留存）。它可教，因为三个动作各有可对照的对象：领域要有边界，缺口要有形状，占据要有与缺口对应的证据。引言写坏，多半坏在第二步——假设世界尚无相关回答，或指着一个与本文实际贡献不对应的空档。

其二，威胁模型几乎只在计算机安全的评审里被单列成硬资格。所谓威胁模型，指论文明文列出攻击者被允许的手法与资源、观察面与接触路径，以及系统要保护的对象。没有威胁模型的“启发式检测有效”，在安全评审眼里是不带预算的比较评分；同一份改进，在“攻击者只能读日志”的设定下可能稳，在“攻击者能为日志做投毒”的设定下可能根本没被检验。它成为制度部件，源于安全研究的一条基础区分：效果宣称必须与攻击者能力绑定，否则随时可以在换一个设定后被推翻。

这张表最后一块的运作形态体现在工件上——工件（artifact）指随论文发布的代码、数据、解析输出、随机种子一类物料，在评审制度里被当作可点开的物证。Le & Zhang 的重测之所以做得了，一个前提写在研究设计一节：被评的五个模型都有公开源码，先复现原论文报告的数字，再改协议（ICSE 2022 原文）；PLELog 也是用公开实现来跑的。值得把这次重测的性质说在明处：它是一次不含重构的协议修正——它没有改写哪位研究者对某条关系的认知，改的只是让一条关系可信的测量条件；评审照单全收，收的正是修正后的证据形状。工具链方面，LogPai 团队维护的 logparser 与 loghub 把 Drain 和一批公开日志数据集做成了公共底座，谁能跑同一个预处理这件事被交给了社区（Zhu et al., ICSE-SEIP 2019）。工件既是技术资产，也是写作责任的抵押物——没有公开物的系统型声明，在评审眼里只有一半重量。这份底座的另一面是基准质量本身也被反复审查：Fu 等 2023 年在 Empirical Software Engineering 上把解析器选择与检测性能之间的耦合单独拆开测了一遍（Fu et al.），两年后 Khan 等 2024 年在更大尺度上重做同类问题。两项结果摆在一起读并不冲突：换解析器确实会移动检测性能（Fu 等测到配对变化存在），但这条耦合的通路没有落在“模板抽得越准越好”上——Khan 等测到解析准确率与检测精度并无强相关，真正压住精度下限的是解析后表征还能把不同序列区分开的能力。一个结果说耦合存在于哪一段，另一个说耦合不靠哪一维结算；第六章的第二条研究空档，正好搭在这两点的错位上。

评审也被要求把自己最后写成的文字标准化。S&P 2025 年的征稿说明规定，所有录用论文随正文附带一份不超过 500 词的元评审（meta-review，对评审过程本身的总结），列两块内容：(a) 程序委员会决定录用的理由，(b) 程序委员会仍保留的疑虑；作者可选给一份不超过 500 词的回应随文发表（2025 年 CFP）。这份产出物把“评审被打动”从一句感觉折算成一条写进出版物的理由清单——理由必须指认纸张上的证据，形容词在这份清单里挂不上号。也就是说，范式不但约束作者，也把评审本身变成按格式交作业的人；被打动的那一刻，最终要被翻译成“理由如下，疑虑如下”。

这张表的用法不止于检查每行是否填满；更要紧的是把它当诊断器具，本文题眼“评审照位置找缺口”在这里给出操作版本：顺着段落读容易顺出说服感，先对着表格读，先找缺件与错位，再看修辞，才更接近评审实际的工作顺序。故事只负责块与块之间的接缝；块本身空了，接缝的修辞救不回它。

评审文化还随赛道而变：同一张表 2 在计算机安全领域内部的不同子领域也没有均质的读法。表 3 把四条赛道的验收差别整理如下。

表 3 计算机安全领域内的评审文化差异（同一份工作，不同赛道上的验收差别）

赛道 验收的实质物 误用叙事的典型后果
理论 证明、归约，以及对实践相关性的说明（S&P 对理论类稿件的原话要求是 “must make a convincing case for the relevance of their results to practice”） 转述凑得漂亮而核心证明没磨完，被视为打磨不足
系统 压测上限、代码面与可复现工件 自称突破却被压测数字一票否决
测量 数据规模、时间跨度、隐私与披露合规 用叙事包装数字可信度，反被当成注水
人因 用户真实行为与伦理审查（IRB 相关材料） 把用户行为当固定变量，缺伦理披露会被直接质询

六、贯穿案例（上）：三个名词为什么不构成命题

把诊断对准一个真实出现频率极高的题目：基于 Transformer 架构的轻量化日志异常检测系统。这一章的手续与第五章给出的器具一致：把题目放上表 2，冲着整张表走——题目本身只够得着第一行“题目”，其余各格要么被摘要与正文替它补足，要么整行空着，走完正文再回头对表。该题目由三个名词叠成——Transformer、轻量化、日志异常检测——下面逐个看它们各自在被专业读者读到时发生什么。题目与故事的检验全部交给这一个案例做深拆；要把它搬到别的题目上，用的仍是同一张表——病题各不相同，本文只证明了这张表能诊断这一类病，别的缺法是否也按这十二行归位，本文没有证据。

Transformer 是 Vaswani 等 2017 年提出的序列建模结构，其自注意力机制按论文自己的复杂度表，对序列长度的开销是平方级的（Vaswani et al., NeurIPS 2017 预印本）。它确实做过日志异常检测，而且不止一次：LogBERT 用 BERT 结构做日志异常检测的自监督训练（Guo, Yuan & Wu, arXiv 2021）；Logsy 用 Transformer 结构做无监督日志异常分类（Nedelkoski et al., ICDM 2020）；SwissLog 用 BERT 编码器加带注意力的双向 LSTM 做多元故障检测（Li et al., ISSRE 2020，作者后在 TDSC 2022 发表扩展版）。也就是说，“Transformer 用于日志异常检测”这件事，早在被写成这个题目之前已被三条路径占据。这还不是判断“没新意”的全部原因——新意从来可以长在细节上。问题在于题目没有指出细节在哪里；对专业读者而言，一个不指出关系改写位置的题目是一份由我们代填的填空题，而评审填空时会默认填“大概率又是一份把新框架搬过来的实验报告”。

“轻量化”的处境更苛刻。轻量在学术语言里是一个关系词：永远相对于某个基线、某行预算与某个代价才有意义。这个题目三者皆无——相对于什么（参数量？延迟？内存？）、在什么约束下（边缘设备？每主机代理？云端集中部署？）、代价是什么（用多少召回换吞吐）？三问皆空，评审看到的就是一个没有坐标的词。顺手补一个可检索的结构性事实：这个子域的方法论自我批评已经多到可以当成一条工作线索来检阅，随时有像 Le & Zhang 那样的论文提醒“先对照协议，再谈数字”。把“轻量”写成一个形容词放进标题，恰好踩进安全评审文化里最熟悉的一类坑——Arp 等 2022 年系统检查了近年顶会安全论文里的 30 篇（Arp et al., USENIX Security 2022），把评测设置里的缺陷一类一类列出来，并汇编成可挂号的对策清单。30 篇是这轮检查能逐篇核到底的范围，它的价值在缺陷类型与对策的汇编上，评审引用它引用的是清单，不是统计普查。评审有理由把这些坑放进默认假设。

“日志异常检测”这一行反而是三个名词里最实诚的：它标记了战场位置。战场的问题在密度。这个子领域从 DeepLog、LogAnomaly、LogRobust、PLELog、LogBERT 一路往后，综述都已到位（Landauer et al., 2023, Machine Learning with Applications 一篇就覆盖了全谱），篇名强带“轻量”“鲁棒”“统一”等工作各占一层。想让题目同时做到三件事——报告用了什么、报告改变了什么、报告证伪了什么——只有第三件能把新意放进专业读者的视野；前两件做的，相关工作一节一秒钟就绕了过去。

“轻量化”要想从形容词变回信息，还得先回答“轻在流水线的哪一段”。这个子域的通用工作流有四段：日志解析（把含参数的原始行折成模板句，Drain 这类固定深度解析树的启发式解析器是这层的常客；Le & Zhang 转引 Zhu 等 2019 年解析评测的结论——启发式一路在准确率与时间开销两项上更优）、日志分组（按固定窗口、滑动窗口或会话窗口把模板聚成序列：HDFS 的 block_id 是会话窗口的理想载体，超算日志则往往只能退回时间窗口）、日志表示（把序列变成顺序向量、计数向量或语义向量，各方法的差异多半在这一层）、以及检测模型本身（Le & Zhang 论文的图 2 画的即是这四段流程，ICSE 2022 原文）。Transformer 的平方开销压在第三、四段之间的长序列上；解析的时间开销压在第一段；这是两笔不同的账。规模的现实也把“轻量”抬上桌面：Le & Zhang 转引 Mi 等 2013 年的统计，阿里巴巴的云计算系统每小时产出约 30–50 GB、合 1.2–2 亿行日志（原始条目已补进参考来源；数字按 Le & Zhang 的转引，取自 Mi 等的 TPDS 论文）。在这个量级前，一份题为“轻量化”的工作若不说明四段里省的是哪一段、为什么省的正是评审最关心的那一段，形容词就仍是浮着的。

还剩两个次级诊断。一是题目结尾的“系统”二字。它把工作定位成工程交付物——一个可部署、可维护的实体。定位本身没有问题，但它立即唤醒另一组评审期待：部署语境、资源约束、吞吐与延迟、与既有系统的对接。这些期待在题目、摘要里同样没有交代，于是“系统”反而把评审的检查清单拉长了。二是这句话在安全语境下缺的那一整节：威胁模型。日志这个数据面的攻击者能力至少有两档——“读得到日志但改不了”与“能改日志”（把日志当作可注入与可污染的对象）。后一档是安全评审里真实存在而且成熟的假设：攻击者可以写入伪造日志，让异常检测器要么漏报要么误报。同一个“轻量化的日志异常检测系统”，在两档威胁模型下是完全不同的两份研究：第一档是性能工程，第二档是鲁棒性研究，二者的证据形状、基线选择、失败模式互不通用。题目没有指明落在哪一档，专业读者只能默认按第一档读——这恰好是这类题目最常见的被误读路径。

把这三行名词诊断对回表 2，空格的分布就显形了：第四行“贡献列表”——“换了架构”被当条目用，正是表里点名的填空产物；第六行“威胁模型”——整行无着落，而这在安全赛道是入门资格；第八行“实验设定（基线、消融、划分）”——基线、切分、消融三项皆无内容；第十二行“工件与复现”，这份诊断够不着：它验收的是随稿交出的物证，在题目与摘要可查的范围内没有对应物可指。本案例落在表 3 的“系统”一档，那一档验收的实质物是压测上限、代码面与可复现工件，三个空行里“实验设定”这一行正落在这一档最看重的位置上，“贡献列表”与“威胁模型”两行在表 3 里没有对应的格。把空格分布与三行名词诊断合并，得到一条硬判断：这个题目把新意放在了技术栈选择里，而技术栈选择在评审眼里是手段，不是贡献。它报告“用了什么”，不报告“什么关系被改变了”。评审读到它时的默认走法是三连问：相对什么基线轻量？在威胁模型哪一支上轻？在严格时间切分下这个“轻”还成立吗？三个问题在题目、摘要与贡献列表里都没有预答，它们会在评审心里转成三个否定的前置假设：这篇论文只在“用了更省的框架”这一层做声明。到这一步，稿子的命运已被压到只剩两个出口：在正文里临时补出关系（此时题目与正文脱节），或被归入该子领域最拥挤的那一类工作。

这套诊断同样能给出一组可用的“锚定—开隙”候选，而且全部有具名文献托底。锚定：Le & Zhang 已把“随机切分高估性能”变成共识；Arp 等已把“评测设置缺陷有哪些”逐篇列成了清单；Vaswani 的复杂度表已把“长序列注意力不便宜”变成常识。开隙，有三条真实空档可挑：其一，效率与精度在严格切分协议下的二维权衡图景，在 Le & Zhang 的重测里没有把“轻量化”当可控变量来跑（他们评了五类模型，没有把参数量、延迟、内存做成比较轮的一维）；其二，Khan, Shin, Bianculli 与 Briand 2024 年发表于 Empirical Software Engineering 的研究测量到解析准确率与异常检测精度之间并无强相关；真正托住检测精度下限的，是一个被他们称作 distinguishability（可区分性）的结构性质——粗略地说，它量的是解析环节把信息折算了一轮之后，模型表征还剩多少能力把本该分开的日志序列彼此拉开，这是表征层的结构性质，与解析器抽模板的准确率不在同一个量纲上。这个发现已经把“解析环节决定检测成败”的旧链条松动，且松动的后续工程化后果至今没有大量文献处理；其三，Le & Zhang 第四组实验表明解析错误带来的噪声会让模型精度急剧下降，但依赖解析器的轻量架构在噪声下的表现同样需要进一步系统比较。这三条已知与一条未闭合的链条叠在一起，恰好够一个真实课题成立的区间。

七、贯穿案例（下）：把题目改写成关系

诊断之后是给出具体产物。先给三个改写题目，每一版都注明适配场景与风险。它们的共同点是都把从“技术栈”到“关系”的转移写进了字形里；三版之间还可以用主副题组合——描述型当正题、疑问句当副题，是用最低的强度代价换取最多信息的一条拼法。

第一版（描述型）：面向严格时间切分评测的轻量化日志异常检测：效率与精度的重测。适配场景是首次投稿、做一篇以重测加新方法构成的工作。它的心理账目是不誓言赢：即便“轻量化”在严格切分下不占优，这篇文章仍可作为一份严谨的重测存在——这正是 Le & Zhang 那篇 ICSE 2022 走通的路。风险在于，它把全部赌注都押在协议正当性上；若连协议都说服不了评审（比如多数人认为按时间切分太苛刻），就只剩一个“轻量架构也能做得不错”的次级发表点。

第二版（断言型/结论型）：解析准确率不重要，可区分性才重要：把日志异常检测的精度预算挪到解析环节的路径。这一版锚定的对象是 Khan 等 2024 年的实证结果（可区分性的定义见第六章的转述），把“解析精度不是决定因素”这个由他们发现、并由本文在更多设定下复核、系统化成迁移路径的结论写成标题论断。适配场景是结果确凿、且能把这条路径在至少三个公开数据集上跑通的投稿；风险也最大，反噬最重——若实验不支持，题目会直接变成评审最容易抓住的一根刺，因为标题本身就是一个可被证伪的断言。这类题目的做法惯例是：结论被证据完全钉死之后才启用，否则退回第一版。

第三版（问题型）：无监督的日志异常检测，在按时间切分之后还剩多少能力？适配场景是偏讨论、偏评测的 workshop 或 ICSE/ASE 类会议。它不断言任何结果，把问题感建立在一个被视为已解决的选项上：Le & Zhang 重测之后，这个子域的“答案清单”其实并没有闭合。它的风险最轻，档位也最低——同型问题的先例已经存在，重复的门槛因此抬高；它适合当作一个重测类项目的引言起点，用来试探这个课题到底能不能立起来，而不是当投稿的最终题目。

接下来用同一套五句骨架，把改写前后的摘要对照一下。改写前的摘要是这类课题最常见的默认形态：先说云计算背景下日志大量产生（背景），再指出日志异常检测非常重要（又一次重复背景），然后声明“本文提出了一个基于 Transformer 的轻量化系统”，最后用一句“实验表明本文方法优于其他方法，验证了所提方法的有效性”收尾。四句里至少三句不承载信息，评审从第三句起已经在为拒稿意见找词。

改写后，同样的五句骨架换成以下写法（顺手注出每句在兑现功能表里关键词的位置）：

  1. 背景句：DeepLog 等深度模型多年在 HDFS 数据集上报出接近 0.96 的 F1。Le & Zhang（ICSE 2022）检验的正是切分协议本身：同一个 DeepLog 在 BGL 数据集上把随机打乱换成按时间顺序切分，F1 从 0.927 掉到 0.426——泄漏由随机切分造成。
  2. 缺口句：这个子域对“轻量化”的兴趣与其评测协议的严谨度并不同步——吞吐、延迟、内存这些预算维度在多数论文里没有被设成独立变量，结论常被“精度比一比”的叙述带偏。
  3. 方法句：本文把轻量化落成四个可复验量（参数量、每千条日志的延迟、常驻内存、长会话里注意力开销的分布），在与 Le & Zhang 同型的时间顺序切分协议下，对含 Transformer 与不含 Transformer 的两类架构做受控重测。
  4. 结果句（随实验而定）：可先照抄一项已证实的真结果——随机切分下报出的部分精度优势属于泄漏（DeepLog 在 BGL 上从 0.927 降到 0.426，见 Le & Zhang 该文的表 2）；本文架构自身的数字必须在实测后才能填入。
  5. 意义句：若本文重测的结论成立，该子域围绕“架构换血”的相当一部分题目的隐含前提——更重的架构自动换来更高的检测精度——需要在严格协议下重验，而效率与精度之间的关系本身可以由数据和开源工件钉死（“可运行、可复现”在 ACM 的工件评审与徽章制度里是单独立项的事项）。

第 4 句说明了一个要紧的边界：引用已证实的真结果的句子可以照写；凡涉及本文方法的性能，在草稿阶段只允许写测量的机制，不允许写结果。真正未验证的清单应当原样列着：本文架构比对照架构省多少延迟与内存、省下的代价是否换成精度损失、在硬件异质环境这一前提是否仍稳——这些都属于“尚未证明”。把这个清单写成工程规则执行，比把它藏起来安全得多。

贡献列表同样照改。改写前常见的三条是：提出一个新的轻量化架构；设计了充分的对比实验；性能优于 DeepLog、LogBERT 等已有方法（再附一个提升的百分点）。改写后的形态：其一，把“轻量化”从形容词变成可复验的预算定义（上述四维）；其二，在与 ICSE 2022 重测同型的时间顺序切分协议下，对轻量与非轻量架构重测，并公开解析结果与随机种子；其三，把评测协议里造成不可比的那一环（窗口设置的位置）独立成段，使后继工作能确定该沿用什么、该改什么。动态数字（延迟、内存）只在实测后写入；未测之前，第三条只写“给出协议修正方案”，不带数值。

威胁模型小节也要一起改写，因为它是安全评审的入门券。改写后的落点可以写成这样一个状态声明（现在就能写，因为它声明的是测定范围，不是结果）：在攻击者“只读不改”的一档里，本工作回答轻量化架构的效率—精度权衡；在攻击者“可写可污染日志”的一档里，本工作只测量并报告该轻量化方案失效的形态，不承诺检测精度。两档各自配一节实验，互不换算。这样写的好处是评审不必猜：它把第六章诊断里缺失的三连问转成了两句可以在投稿时兑现的状态声明，而题目也可以顺势携带这个分档——例如第一版题目成为“只有读权限的攻击者下，轻量化日志异常检测的效率与精度”。

引言还有一版按 CARS 三动作写完的样子，把第六、七章的诊断落进被放大镜检查最多的那一节。动作一，确立研究领域：首段只摆评审已经相信的三件真实事实，引用各有出处——把日志当序列建模的路径从 CCS 2017 开始（Du et al.）；ICSE 2022 的重测证明随机切分对半监督方法系统性高估（Le & Zhang）；安全文献中的评测缺陷已被逐篇记录成清单（Arp et al., USENIX Security 2022，覆盖 30 篇，不是普查）。三个引用分别承担领域边界、密度证据与可信警告，第一段就此闭口，没有一个形容词。动作二，指出研究空间：只在“已确认但未闭合”的位置上挖，两句完成——其一，Le & Zhang 的重测没有把轻量化当可控变量；其二，解析准确率与检测精度之间的弱相关（Khan et al., ESE 2024）把这个子域“解析决定成败”的预设翻松了。两个缺口的强度都托在他人底账上，不用自己的结果预支。动作三，占据空间：给出方法承诺与边界——本工作把轻量化定义为四维预算，在与 ICSE 2022 同型的时间顺序切分协议下重测，工件公开；同时写明不承诺的部分（不处理日志的第三方解析、不延伸新的攻击面推断）。引言到这里说完了它该说的全部话，形容词一个都不剩。

改写还要落到实验设计一节才完整。表 4 把这个课题真正要钉住的三种划分协议摆在一起——三者的出处都不在本文：它们是这条赛道上已成型的公共惯例。

表 4 日志异常检测评测的三种划分协议（各自的含义与陷阱）

协议 语义 已知的陷阱
随机划分 全部序列打乱后按比例切训练/测试 训练时见到未来数据，性能被高估（Le & Zhang, ICSE 2022 的 RQ1 主结论）
时间顺序划分 按日志时间先后切，训练只含历史 模拟真实在线部署；Le & Zhang 的 RQ1 显示，半监督模型在此设定下明显吃紧，有监督模型反而更稳
会话划分 按可唯一标识的执行路径聚合（如 HDFS 的 block_id） 依赖数据集天然标识；多数超算日志不具备，只能退回时间窗口

这张表的作用是把“协议之争”从评审意见变成可引用的设计决定：任何一处选择都要能指认代价。随机划分省事但泄漏；时间划分诚实但对模型更难；会话划分最贴近业务语义但适用面窄。Le & Zhang 主张把时间顺序划分作为主协议，并先说明了随机划分为什么会给出虚高的数字——把这段争论写进正文，是让评审把怀疑用在检查上，而不是用在猜疑上。

到这里可以把改写的产物归拢成一条时间线：研究立项阶段可以写的是“预算定义、协议选择、与既有文献一致的测量口径”；实验后可以写的是“四维预算的实测值、每个模型的跨协议曲线、与 Le & Zhang 数字的对账”。换句话说，题目的改写把“验证”阶段从结尾拆成了前后两段工程——后半段的重量，写作计划必须给它排上工时。

把这套改写放回前述“预测惊喜”的六个阶段，可以看到各自的处境。锚定与开隙几乎原样可用：评审已信的东西（随机切分泄漏、Arp 等逐篇记录下来的评测坑清单、平方级注意力成本）就是锚点，三条文献托底的空档就是缺口——关键动作是挑出一条真实、重要、且有可信解决路径的缺口，而不是硬凑“没人做过”。重构，在这里的形状是把“新架构”重写成“可在严格协议下重测的效率—精度关系”，换关系而不换标签。验证则完全变味：在原始的体验设计语境里它是修辞收束，在这里它是全部工作量——四维预算、可复现工件、噪声与解析器敏感性实验，任何一处不做，等于这项工作没做。迁移与巩固合起来换了个模样：论文本身不管“巩固”，读者默认会自己把结论带走；学术版本里的巩固，是让后来者不必重新踩坑就能复用——公开解析输出与种子、给出协议修正段，让工件拿到 ACM 的徽章评审里过一遍。Le & Zhang 与 Arp 等的重测之作最后都成了领域内必引的文献，这条路早有人走通。

八、四条反对意见，按分量给出的位置

到现在为止，本文的命题是单边的，接下来把它放回反驳里最有分量的四条：叙事红利真实存在；对“新颖”的追逐本身催生注水；规模与测量不需要顿悟式情节也能极其有影响；评审偏好受非论证因素污染。逐条处理，然后合并成一个加权判断。

第一，叙事红利确实存在。它在两个层面上留下了可考的痕迹。一是训练层面：MIT 的传播实验室（Communication Lab）把“科学叙事”整理成公开的写作指南并以此开设工作坊——海洋生物学家出身、转行做科学影视的 Randy Olson 提出的“和—但—因此”（and, but, therefore）框架、甚至约瑟夫·坎贝尔的“英雄之旅”都进了这份指南的方法箱（Scientific Storytelling 页面）；世界一流工程院校把传播方法做成公开课程材料，这个事实本身说明叙事工艺被工程学术训练当作可用的东西。二是传播后果层面：Sumner 等 2014 年发表在 BMJ 的回顾性观察研究发现，学术新闻稿里的夸张表述与新闻出版中的夸张显著相关（BMJ 2014;348:g7666）。这条证据的覆盖范围是健康科学新闻传播链条的上游两环，它测到的是注水如何抵达下游：话语强度沿传播链跑，既是收益也是风险，而这项研究只抓到了风险那一侧——夸张从新闻稿流向新闻，是它与生俱来的威胁被兑现的记录。同一条线上还有一个更隐蔽的学术版本，来自 Latour 与 Woolgar 的模态谱：后来者的引用会自动把早期陈述的限制词减掉，而被讲得漂亮的陈述更容易进入这条去限制的通道。叙事红利在场外的完整写法因此是“会改变后续工作的重读强度，同时开着注水的闸口”，它的覆盖范围不止于评审那一刻，也同时为下一条反对意见供了血。

但这条反对意见的适用位置可以圈出来，并且圈定本身要经得起检验：议程设置（哪份稿子被多读一分钟）与判决（那一分钟结出什么结论）是两个环节，前者受叙事影响；页数、模板、匿名、四类属性、抽检细则，都在把故事能介入的表面积压到固定部件之间的接缝上——块本身出错，修辞进不去。合并起来就是：叙事决定哪份稿子被多读一分钟，证据结构决定那一分钟结出什么结论。本章末段给出会推翻这一圈定的实验形状。

第二，追逐“新颖”本身正在催生注水——重命名被当贡献，工程组合被当洞见。安全领域有一把现成的尺子：Arp 等对 30 篇顶会安全论文的逐篇检查（Arp et al., USENIX Security 2022）按类列出评测设置的缺陷，Le & Zhang 的重测是同一病征在日志子域里的表现；这条病征在传播链下游的另一次实测记录，是上一条引到的 Sumner 等。还有一条更结构性的证据：S&P 单独设立 SoK 文类并明文规定“接受与否，不基于其中的新研究结果”（2025 年 CFP）——一个可以从这类文类的存在读出的信号是：共同体已经把“不新但系统化”的价值当作需要专设赛道来保存的东西。这条反对意见在本命题里权重最高。把“追逐新颖”与“默认怀疑”连成因果的，不是上面任意一条的孤立存在，而是制度对这条链路的两次回应——这条因果链先要按它的来历记账：它是本文的重建，可引的一手记录只有清单与文类本身，评审过程的存档一条也没有。一个合理的读法是，Arp 那份清单之所以被总结出来，是因为评审在现场一次次撞上同一批缺陷——清单是从反复失守里淬炼出来的，缺陷类别、对策与出处逐条挂钩的写法本身，就是这段重建读法的存根；SoK 赛道的那块牌子，本文也读成同一股挤压的产物：按“新”结算的口径把一类有用的工作挤出了主赛道——没有这层挤压，共同体无须为“不新但系统化”单独立项。顺着这条重建往下走，评审的默认怀疑不是先于注水存在的品味，而是被逐年积攒的注水记录喂出来的防御：质疑先用着，因为此前给过信任的那批陈述一再失守。“惊喜”降权不是品味选择，而是对评审环境的适应。

注水在语言层也留有指纹：这个赛道的题目喜好形容词注册。LogRobust 直接把 robust 写进名字（Zhang et al., ESEC/FSE 2019），SwissLog 的题目是 “Robust and Unified … for Diverse Faults”（ISSRE 2020）。形容词本身无罪，差别在身后有没有协议承接：LogRobust 的 robust 声明背后是合成数据实验——按 Le & Zhang 的转述，它在原数据集报 0.99，在合成数据上落在 0.89–0.96（这两个数字出自 LogRobust 原论文报告值的范围，此处经 Le & Zhang 的汇总转引，属第二手出处）——数字与形容词之间有账可查。多数“轻量”“统一”型标题的问题，恰是形容词后面找不到这笔账。

第三，有些最有影响的工作几乎不依赖任何情节。ZMap 的工具线就是一例：从互联网规模的快速扫描工具发端，跟进、维护、被后续研究大量依赖，十年后有专门的“Ten Years of ZMap”来复盘（Durumeric et al., IMC 2024）。这类测量与基础设施工作在中国的对应物是大规模的实证与数据集建设，它们的价值在于把证据基础做大——数据的规模、工具的可信度、时间跨度。这条反对意见打得中“证据结构决定一切”的极端版本：那里确实存在一类不靠改写理论关系、靠把证据摊大而成立的工作。但它最终被命题吸收：把 ZMap 类工作放到本文的坐标系里，它们就是“惊奇的证据形态”——对“某件事在互联网上有多普遍”这一预期的实证更新，其位置仍在证据结构上，只是证据的形状是广度而不是深度。这些基础设施工作的日志版同样成立：从 Drain（He, Zhu, Zheng & Lyu, ICWS 2017）到 Loghub（arXiv 2008.06448）与配套的解析评测（Zhu et al., ICSE-SEIP 2019），这条公共工具链让整个子域的实验第一次站在同一块地面上——它们是被引用得最频繁的无声文献。同时它给出一个写作纪律：规模就是主张时，别把题目写成“我们提出了一个新分析方法”，把规模写进去。

第四，评审偏好确实被非论证因素污染。Merton 在 1968 年 Science 上把马太效应摆给了整个知识共同体（Science 159(3810):56–63）：已有声望，则在资源分配、发现优先权、评审预期上继续加成。Tomkins 等 2017 年在 PNAS 上做过一次现场对照实验（PNAS 114(48):12708–12713）：WSDM 2017 的 500 篇投稿，每篇由四名委员评审，两名可见作者信息、两名不可见；结果是单盲评审显著更愿意推荐录用著名作者的稿件（几率倍数 1.63）、顶尖高校作者的稿件（1.58）与顶尖公司作者的稿件（2.10），折算到盲评质量分上分别相当于 0.61、0.57 与 0.92 个标准差的抬升，单盲评审在投标阶段也更愿意去够这类稿件。这条身份效应是有量级的，它随之压住了本文另一条隐含假设：写作优化的边际收益值得单项追求。若名气与选题的效应足以盖过文本差异，最优策略会偏向挑热点、借名号，写作优化只剩下残余份额。这条线索按作者可控面收束：名气、单位、审稿人的注意排序不在多数普通作者当年的控制面里；能改的是证据结构、协议与可复验工件，命题的赌注下在这部分。至于“写作顺畅是否单独提高评审得分”，本次检索没有找到评审现场的一手测量；已有的相关证据来自实验室情境——Reber 等 2004 年的系列工作把加工流畅性与更高的接受度联系起来（Reber, Schwarz & Winkielman, 2004），这是一条值得记录但尚未在评审现场复现的线索。

合并成一个加权判断。四条反对意见按分量排成一条不均匀的序列：注水催生（最强，它直接决定了安全评审的默认怀疑）；叙事红利（重，但位置被压在议程设置环节与模态谱的长尾里）；评审偏倚（中等，存在但多数不属于作者的控制面）；朴素工程的价值（中等偏弱，被命题吸收）。命题据此收敛成三条可执行的说法：其一，改写一个先前被相信的关系，是评审被打动的一般位置；其二，改写必须自带可检验的把手，并优先通过已经成文的形式校验（匿名、页数、模板、披露窗口）；其三，叙事投入是可优化的，把它花在引言与讨论两个位置最划算，方法与实验两节则往“可复验”上压——距离表 2 的功能定义越近，评审越敢放心。

这个判断也留下可否证的把柄，按靶子分远近。近的一道闸挂在命题的第三部分——“评审被打动的位置在关系改写”——上：把同一篇稿件做成两个证据质量相等的版本，其一在摘要里显式写出被改写的关系（改写了谁对什么的哪个预期、方向何如、留有可复核的把手），其二不写出；两个版本要真的送到评审面前，这是干预设计，不是对现成评审数据的再分析。预测的方向：写出的版本拿到更高的盲审评分。推翻它的方向恰好相反：写出的版本更低，或与不写的版本打平。零结果不是这道闸唯一的否决出口，但它要按设计效力处置：受控比较事先必须声明能检出的最小分差，量级的现成参照就在本章内——身份效应对评审分数的实测效应是 0.61 至 0.92 个标准差，一个只靠文本的操作要在这道闸里算数，至少要能与这一量级相检，每种版本该配多少份稿件得按这个最小分差预先算好；若实验设计本身检不出这一档效应，零结果是欠功效设计的预期输出，算不得反证。

还有一句话要接上命题的必要条件：写出被改写的关系是指认证据——它告诉复审者该复核哪一条关系——在命题的账上它记进证据形状，不记进“说得动听”，故第一道闸的正结果不与“只有……才”相抵。这句话压着一个前提，得先把它说破：证据质量与证据形状在本文是两个变量，等质指的是协议与数字——第一道闸的两个版本在协议与数字上等质，在“被摆成可被复审的形状”上不等，写出关系加进去的是形状，质量没有变。真正能伤到只留给协议与数字的那一面的，是另一组对照：两个都写出关系的版本，只在辞藻与句式上做差。这道对照套用主闸同一条效力规矩，事先要声明能检出的最小分差，样本量按它配足；若这项设计本身检不出这一档辞藻效应，零结果是欠功效设计的预期输出，救不了“只有……才”；若这一差在足功效的设计下达到预声明的分差，被移动的就是证据之外的包装，必要条件那一半即被否证——这道对照同样是“先给预测、再给反向出口”的双向闸。

第二道闸挂在阅读顺序那一半上，更便宜：取同一评审期内的一批评审意见，先把每条意见编到表 2 部件行的位置上——编码由独立编码员各自完成，归不进任何一行的意见注明后剔除，编码分歧要么协商收口、要么如实入账；然后检验意见的落点是否按部件行的位置聚集，聚集的行是否与最终决定相关。零分布不能设成“把同样多的意见随机分到行上”：行对应的部分在稿件里长短不一，各评审写出的意见条数也多寡不同，这种均匀在真实语料里几乎必然落空，比赢了它什么也说明不了；比较对象要换成按行体量折算的期望落点——每行收到的意见与其承载的内容量成比例时的分布。两种落空要分开记账：若剔除行体量与意见条数的差距之后，意见仍不按部件行的位置聚集，“照位置找缺口”那一半即为假；若意见按位置聚集、而聚集的行与最终决定无关联，这道闸只是撑不住“顺序兑现成判决”那一截，够不上否证。届时的分账不变：命题的必要条件那一半不绑在这条结果上，仍由上一段的辞藻对照闸裁决。远的两条挂在次级说法上：若出现大规模、随机化的评审实验，证明在控制证据质量之后，叙事风格差异仍显著改变录用概率，第三条就要改写——叙事红利会从“议程设置”升级为“判决环节”，本文的命题就得让位一截，让位的那一截与辞藻对照闸记的是同一笔账：“只有证据形状才在评审那里算数”的必要条件；若有人把 LogRobust 一类形容词注册题目组织成跨协议重测，发现其形容词声明在严格设定下仍然稳立，本章对“形容词 + 缺账”的归纳就只适用于臃肿的少数，描述型题目也要顺势往强度光谱的右端挪。命题欢迎这样的检验——它本来就把“可被证据改写”当作自己的核心要求。

九、什么时候不要讲故事，这套坐标还能看什么

在收束之前补一份坦白：这套分析自己也有不适用的时候，失效记录至少两处。第一处是范式套壳。表 2 的每一行都能被机械地填满：威胁模型抄成两句客套，“局限”写成“未来将做更多工作”，贡献列表把“做了大量实验”单列一条。这种稿件在评审面前没有任何保护。S&P 2025 的重投判定给了一个细节佐证：判一篇稿件是否构成重投，准则是“评审能否写出一份与原稿实质相似的摘要”（同上 CFP）。这条准则给改写划出的空间有一条硬边界：标题与外层结构可以重新包装，摘要层的事实结构一旦复现，按原文条款即落入重投判定——条文管住的是事实结构的复现，包装层不在管制范围。第二处是把“让人眼前一亮”当指标。安全研究的默认假设是攻击者存在，一个炫技设定与真实威胁模型之间没有必然关系：没有威胁模型约束的方案会得到一点第一印象分，两段之后就会被折算成它实际的威胁覆盖率。负责任披露流程（S&P 把 45–90 天披露窗口写进投稿须知，同上 CFP）甚至会从资格线上直接拦下处理不当的“惊人发现”——这个领域的制度并不奖励最会制造惊讶的作者。

最后是那个诚实的决定：什么时候应该放弃故事、老老实实报告。当结论本身是“没差别”或“不如基线”，当证据只覆盖一个狭窄的评测面，当真实发现与预设的叙事步调对不上——在这些时刻，故事不仅无效而且有害。Le & Zhang 的 ICSE 2022 是现成的正面案例，这里要说实话：它没有情节叙事、没有新系统，也没有任何一个关系被改写——“重构”在这场比赛里全程空场，做掉整件事的只是把测量协议修正，让这条赛道上所有已报数字的含金量重算了一遍。评审认它，认的正是证据形状本身决定什么算数。它同时是“预测惊喜”六个阶段里被改写得最彻底的一步——原作者写下的边界之一（不为故事牺牲事实），在学术场景里是整个“验证”阶段的工作内容本身。

收尾不再总结，只交代把这套坐标搬走之后应当看见的新东西。第一，拿一个自己领域的经典题目做二十年检查：那些题目经得起时间，多半不是因为技术栈名词被替换过，而是因为它保持了一段可以被反复改写的开放关系——经典意味着“后继者喜欢在它上面做改写”。第二，一个写了三轮也没被人接住的“创新点”，问题多半不在修辞而在锚定：它没有落在任何被共同体验过的预期上；回到最基本的检查——这个“新”改写的是谁的哪个假设。第三，基金申请里那张四类属性表是一个把锚定与开隙制度化的开关：写本子之前先回答“属于哪类”，再回答“改写了哪个关系”，两个答案若互相独立，那份本子多半还是一份工程清单，而工程清单在那四类里没有对应的格。另有一处中文题目的翻译坑值得记录：同一个“轻量化”，在英文语境的评审预期里至少分裂成 lightweight（参数与内存）、efficient（吞吐与单位能耗）、real-time（延迟上界）三种验收口径，混用其中两个的中文题目译成英文后，评审会同时按三种尺子量它。同一个中文形容词，被三种互不兼容的英文验收口径接走——这道缝是“证据形状决定什么算数”最日常的现身之处：刀口要在下笔时自己挑好，把这把选择权让给评审的猜测，量回来的就是三种否定的并集。

参考来源

源笔记：日常随笔/学术语言范式与科学故事：从“预测惊喜”看理工课题的命名与叙事.md