软件工程作业-报告1
软件工程课程作业：前沿 AI 论文分析报告
本作业旨在训练学生对顶尖科研成果的分析、拆解与批判性思考能力；提升英文文献研读、问题拆解、批判性评估与结构化写作表达的综合能力。
作业简介与目标
本次作业要求每位同学独立选择并深度阅读一篇近年发表于人工智能领域的顶尖英文学术论文，并撰写一份分析报告。通过此过程，旨在达成以下学习目标：
- 文献研读能力：培养独立检索、阅读并理解前沿英文技术文献的能力。
- 问题拆解能力：从复杂研究中精准提炼其核心动机、待解问题、关键创新与技术路径。
- 批判性思维：评估技术方案有效性，分析实验设计合理性，识别潜在局限与改进方向。
- 技术表达能力：用清晰、结构化的书面语言准确阐述复杂技术思想与研究成果。
论文选择要求
为确保作业质量与挑战性，所选论文必须同时满足以下所有条件：
- 语言与发表时间：英文论文，首次公开发表于 2023–2025 年。
- 学术级别：必须为 CCF A 类 会议/期刊论文，或 SCI JCR Q1 分区 期刊论文。
- 研究领域：须属于人工智能范畴，具体可从以下子领域中选择：
- 机器学习 / 理论（Machine Learning / Theory）
- 自然语言处理（NLP）
- 计算机视觉 / 多模态（CV / Multimodal）
- AI 安全与伦理（AI Security & Ethics）
- 可访问性：必须能够获取论文全文，并在报告中提供可公开访问的链接（如官方发布页、arXiv 链接）。
报告写作要求与结构模板
- 字数：报告主体部分建议 800–1000 字（不含摘要、参考文献、附录等）。
- 语言：中文或英文皆可（需围绕英文论文撰写）。
- 结构建议：请尽量使用以下章节标题作为报告的结构骨架。
报告核心结构（必须包含）
-
论文动机与待解问题（Motivation and Problem）
论文试图解决什么具体问题？该问题在当前领域中的重要性或挑战性体现在哪里？ -
核心创新点（Innovation / Contribution）
相比于已有工作，本文最主要的贡献是什么？是新模型、新算法、新数据集，还是新的理论分析？ -
主要思想与方法（Main Idea and Methodology）
清晰阐述论文提出的方法或模型的技术细节。其工作原理是什么？关键步骤有哪些？ -
实验设置与结果分析（Experiments and Results）
论文通过哪些实验来验证其方法？关键实验结果是什么？这些结果如何支撑其结论？ -
方法局限性与批判性思考（Limitations and Critical Thinking）
方法存在哪些不足或潜在假设？在何种情况下可能失效？你认为有哪些值得进一步探讨或改进的方向？ -
潜在的工程落地价值（Potential Engineering Implementation Value）
讨论该研究成果在软件工程实践中的可能应用场景、挑战与价值。
可选扩展（加分项）：
- 与相关工作的详细对比：更深入地分析本文与 2–3 篇关键相关工作的异同。
提交与格式要求
- 文件格式：提交单一文件，推荐使用 PDF 格式，或由 Markdown 导出。
- 文件命名：严格遵循“学号_姓名_论文标题简写.pdf”格式，例如：
PB21000000_张三_GNN-Explainer.pdf。 - 参考文献：文末需附参考文献列表，至少包含你所分析的论文。参考格式建议统一采用 IEEE 或 APA。
- 工具声明：必须在文末单独附上“工具与协助声明”部分，诚实说明是否及如何使用了 AI 工具（详见下文规范）。
- 提交渠道：[超星学习通在线学习平台]
- 截止时间：[见学习通]
示例工具与协助声明模板（可按实际情况修改）：
- 本人在本次报告撰写中，使用 ChatGPT 3.5 对第二、三章节中文表达进行了语言润色；
- 使用 Elicit.org 辅助检索相关文献并筛选了 3 篇对比工作；
- 使用 Zotero 对参考文献进行格式规范化（IEEE）。
- 未使用生成式 AI 直接生成主体内容。
评分细则（总分 100）
| 评分维度 | 权重 | 考察要点 |
|---|---|---|
| 论文选择与契合度 | 15% | 是否满足所有硬性要求（时间、级别、领域、可访问性）。 |
| 理解与问题拆解 | 20% | 动机、背景与待解问题的阐述是否准确到位。 |
| 创新点与主要思想阐述 | 20% | 关键创新点与技术方法提炼是否清晰准确。 |
| 实验与结果分析 | 20% | 对实验设计与关键结果的解读是否到位，逻辑是否自洽。 |
| 局限性与批判性思考 | 15% | 是否展现独立思考，能有理有据地指出局限与改进方向。 |
| 写作质量与规范 | 10% | 结构清晰、语言流畅、格式规范（命名、引用等）。 |
加分项（最高 +5 分，整体不超 100）：
- 有质量的相关工作对比，或对工程落地价值的深入分析。
- 图表、示意图使用得当，来源标注规范。
扣分项：
- 字数严重不足/超出导致结构失衡（≤–5）。
- 引用不规范或链接不可访问（≤–5）。
- 工具使用未声明或声明不实（视违规程度处理）。
AI 工具使用与学术诚信
允许的使用方式（必须如实声明）
- 辅助检索：使用 AI 工具（如 Elicit、Scispace）发现和筛选相关论文。
- 语言润色：对自己撰写完成的文稿进行语法检查和风格优化。
- 格式检查：辅助进行参考文献格式的统一与校对。
核心要求：任何允许范围内的使用，都必须在文末“工具与协助声明”中明确、诚实地说明所用工具名称及具体用途。
严禁的违规行为（零分处理，按校规处分）
- 直接生成：使用生成式 AI 直接撰写报告主体内容。
- 翻译代写：直接翻译论文原文或他人博客作为自己的分析内容。
- 内容抄袭：抄袭、拼接网络资源、同学作业或任何未引用材料。
所有提交报告将经过查重系统检测，并可能进行抽查口试。任何形式的学术不端行为一经发现，本次作业记为零分，并根据学校规定处理。
FAQ 与注意事项
-
如何判断 CCF A 类 / SCI Q1？
请参考中国计算机学会官方发布的《中国计算机学会推荐国际学术会议和期刊目录》。SCI 分区通常使用中科院分区或 JCR 分区，可在学校图书馆数据库资源中查询。 -
报告字数超出/不足怎么办？
800–1000 字是主体内容的建议范围，旨在保证分析深度。可接受小幅浮动（±10%），严重不足或冗长会影响“写作质量与规范”的得分。 -
如何声明 AI 工具的使用？
在报告结尾处添加一级标题“工具与协助声明”，列出使用的工具名称与用途（检索、润色、格式检查等），避免笼统或模糊描述。 -
是否需要附上论文中的图或公式？
若对解释关键方法至关重要，可以少量引用，但必须在图中附上明确的来源说明（例如“图 1. 引用自 [作者，年份]”）。引用图表不计入报告字数，但不可替代你自己的文字分析。