本技能帮助在《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 的稿件
中把相关工作写成创新性论证而非文献堆砌。本刊只发表具创新价值的成果,外审会重点质疑"与已有
工作的区别"。事实核验日期 2026-07-09,见 resources/official-source-map.md。
相关工作的目的不是证明"我读得多",而是定位本文贡献相对已有工作的增量(delta)。每讨论一类已有 方法,都要回答:它度量/解决了什么?还缺什么?本文如何补上?
模式识别/机器学习/视觉/NLP 的 delta 常见落点:
| delta 类型 | 说明 | 举例问法 |
|---|---|---|
| 问题新 | 提出/形式化一个新问题 | 之前无人形式化这一困难? |
| 方法新 | 新机制/新架构/新损失 | 相对最强基线,机制上差在哪? |
| 设定新 | 更现实/更难的评测设定 | 长尾/噪声/小样本/跨域? |
| 证据新 | 揭示已有方法的失效原因 | 提供了可验证的失效分析? |
| 效率新 | 同精度下显著更省 | 复杂度/显存/时延的量化改进? |
至少锁定一类并写清,避免"什么都新一点、什么都不突出"。
强相关工作建议给一张对照表,逐维度对比:
| 维度 | 最接近工作 A | 最接近工作 B | 本文 |
|---|---|---|---|
| 问题设定 | … | … | … |
| 核心机制 | … | … | …(delta) |
| 评测 | … | … | … |
| 局限 | … | … | 本文如何缓解 |
这张表让外审一眼看到增量,也是自检"是否真的有 delta"的工具。
| 风险 | 表现 | 规避 |
|---|---|---|
| 综述式罗列 | 只叙述别人做了什么,无 delta | 每类结尾点局限、引出本文增量 |
| 漏引/误判近作 | 忽略强相关近作或曲解其贡献 | 系统检索近作,公允转述 |
prai-experiments)。prai-topic-selection)。prai-topic-selection 定学科落点与增量方向;下游 prai-experiments 把对比方法落为基线。prai-writing-style;投稿前一致性核对见 prai-submission。《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 是中文期刊,但模式 识别/人工智能是国际性领域,相关工作须中英文文献兼顾:
好的相关工作不止"对比",还要为方法铺垫动机:读者读完相关工作,应能自然预期本文方法要解决 什么。做法是每讨论一类已有方法的局限,就埋一个"因此需要 X"的伏笔,方法章节再兑现这个 X。这样 相关工作、引言、方法三处的逻辑连成一条线,外审能顺畅跟上创新性论证,而不是把相关工作当成与正文 脱节的"文献综述附录"。
若投稿类型为综述(综述与评论栏目),"相关工作"实际上就是全文主体,要求更高:
综述的专门篇幅与体例以编辑部为准(待核实),但"分类+批判+展望"的内核不变。
[PR&AI 相关工作] 达标 / 待强化
[delta 类型] 问题 / 方法 / 设定 / 证据 / 效率(至少一项)
[最接近工作对照] 是否给出逐维度表:是/否
[近作覆盖] 近1~2年强相关是否齐:___
[引用规范] GB/T 7714?中文文献英文对照?
[一致性] 引言/相关工作/方法 delta 是否一致:是/否
[待强化项] ___