汇报与写论文

周报模板

每周五前发给导师或带你的博士生，5～10 分钟就能写完：

markdown

## 本周完成
- 读了哪些论文（附一句话总结）
- 做了哪些实验（附关键结果，最好有图或表）

## 遇到的问题
- 卡在哪里，已经尝试了什么

## 下周计划
- 具体到可以检查的任务

## 需要的帮助
- 需要讨论的问题、需要的资源（GPU、账号、数据）

“遇到的问题”这一栏最重要。卡住了要早说，不要等到组会。这周因为考试没做什么，也照常发，写明原因和恢复时间即可。

组会汇报

讲论文（20 分钟左右）

背景与问题（3 分钟）：这个问题为什么重要，现有方法哪里不足。
核心思路（2 分钟）：一句话讲清楚创新点。
方法细节（7 分钟）：关键设计，配图讲。
实验结果（5 分钟）：最重要的 2～3 张图，讲清楚说明了什么。
讨论（3 分钟）：你认为的优点、局限，和我们方向的关系，可能的改进。

讲进展

先讲结论（这周发现了什么），再讲证据（实验数据），最后讲下一步计划和需要讨论的问题。

做幻灯片的几条原则

一页讲一件事，标题直接写结论，例如“缓存复用让延迟降低 40%”，而不是“实验结果”。
图比文字好，每张图都标清楚坐标轴和单位。
字号不小于 18 号，一页文字不超过 6 行。
引用的图表注明来源。
讲之前自己计时排练一遍。

LaTeX 与 Overleaf 快速入门

几乎所有计算机领域的会议和期刊都用 LaTeX 写论文。Overleaf 是在线 LaTeX 编辑器，不用安装，可以多人同时编辑，有各会议和期刊的官方模板。

第一篇文档：在 Overleaf 新建空白项目，把 main.tex 改成：

latex

\documentclass[conference]{IEEEtran}
\usepackage{graphicx}   % 插图
\usepackage{booktabs}   % 好看的表格线
\usepackage{amsmath}    % 数学公式

\title{A Short Example Paper}
\author{\IEEEauthorblockN{Zhang San}
\IEEEauthorblockA{Edge Intelligence Systems Lab}}

\begin{document}
\maketitle

\begin{abstract}
One paragraph summarizing the problem, method and results.
\end{abstract}

\section{Introduction}
Large language models are expensive to serve~\cite{kwon2023vllm}.
As shown in Fig.~\ref{fig:latency}, latency grows quickly with load.

\begin{figure}[t]
  \centering
  \includegraphics[width=\linewidth]{figures/ttft_vs_rate.pdf}
  \caption{P99 TTFT under different request rates.}
  \label{fig:latency}
\end{figure}

The total cost is $C = \sum_{i=1}^{n} c_i x_i$.

\begin{table}[t]
  \centering
  \caption{Main results.}
  \begin{tabular}{lcc}
    \toprule
    Method & Latency (ms) & Throughput (req/s) \\
    \midrule
    Baseline & 120 & 8.0 \\
    Ours & \textbf{98} & \textbf{10.5} \\
    \bottomrule
  \end{tabular}
\end{table}

\bibliographystyle{IEEEtran}
\bibliography{refs}
\end{document}

再新建 refs.bib，放入从 Zotero（Better BibTeX）导出的条目，例如：

bibtex

@inproceedings{kwon2023vllm,
  title     = {Efficient Memory Management for Large Language Model Serving with PagedAttention},
  author    = {Kwon, Woosuk and others},
  booktitle = {Proceedings of the 29th Symposium on Operating Systems Principles (SOSP)},
  year      = {2023}
}

上传 figures/ttft_vs_rate.pdf（画图脚本生成的图），点击 Recompile 就能看到 PDF。

入门要点

正文直接写，空一行是分段；\section{} 分节； $...$ 是行内公式。
引用用 \cite{}，引用图表用 \label{} + \ref{}，编号自动生成。
投稿时用目标会议的官方模板：以会议官网给出的链接为准，Overleaf 上的模板要确认是官方发布的、年份正确。不要自己改页边距和字号。
学习资料：Overleaf 官方教程（Learn LaTeX in 30 minutes）。

写系统论文

典型结构

章节	内容	写作要点
Abstract	问题、方法、结果	结果要有数字
Introduction	背景 → 问题 → 现有方法不足 → 洞察 → 方法概述 → 贡献	最重要的一节，审稿人往往读完它就有了判断
Background & Motivation	必要的背景知识，用测量实验说明问题存在、现有方法不够	动机实验是系统论文的特色
Design	系统架构图、各个模块的设计	每个设计都说明为什么这样做
Implementation	基于什么实现、多少行代码、关键工程细节	简短
Evaluation	实验设置、主实验、消融、敏感性分析、开销分析	每个实验开头说明要回答什么问题
Related Work	分类介绍相关工作，说明区别	不要只罗列，要写清差异
Conclusion	总结	简短

写作顺序建议

先画系统架构图和动机实验图；
写 Design 和 Evaluation（最清楚的部分）；
再写 Introduction（最难，需要反复改）；
最后写 Abstract 和 Related Work。

英文写作

用简单的句子，一句话只讲一件事。主动语态（We propose...）比被动语态更清楚。
同一个概念全文用同一个词，不要为了避免重复换同义词，读者会以为是不同的东西。
读几篇本方向写得好的论文，模仿它们的段落结构和常用表达，建立自己的“表达库”。
可以用 AI 工具润色语言，但内容和论证必须是自己的，见 AI 工具与学术规范。
参考书：Science Research Writing for Non-Native Speakers of English（Hilary Glasman-Deal）。

画图规范

数据图用 Python 脚本生成 PDF 矢量图，字号在缩放到论文尺寸后不小于正文字号的 80%。
示意图（系统架构图）用 draw.io、PowerPoint 或 Keynote 画，导出 PDF。
颜色要在黑白打印时也能区分（同时用不同的标记形状或线型）。

工具

LaTeX：Overleaf，使用目标会议或期刊的官方模板。
文献管理：Zotero，配合 Better BibTeX 导出 .bib，见找论文与读论文。
画图：matplotlib / seaborn 脚本；draw.io 画示意图。

投稿与审稿

投稿前确认格式（页数、匿名要求、模板）完全符合要求，并逐条核对参考文献是否真实存在。
收到审稿意见后，有的会议有 rebuttal（作者回复）环节：逐条回应，先回应最关键的质疑，用数据说话，语气客气。
被拒很正常。认真看审稿意见，改进后投下一个会议。

组内规范

课题组整理了一份论文写作规范：各章节的写法和句式模板、数学符号规范、提交前的自查清单。写论文前先读一遍。

写建模与算法类期刊论文

组内很多论文发表在 IEEE TMC、TSC 等期刊上，结构和上面的系统论文有所不同，核心是“系统模型 → 问题建模 → 算法 → 仿真实验”，读法见读组内论文。写的时候注意下面几点，动笔前先找两三篇组内同类论文对照着看。

引言

常见的写法是：应用场景 → 现有工作忽略了什么（这是本文的切入点）→ 考虑它带来的挑战 → 本文的方法，用“Specifically: 1) … 2) … 3) …”分三点概括（通常对应建模、算法、实验）→ 贡献列表 → 最后一段说明全文结构（The remainder of this paper is organized as follows…）。

系统模型

先放一张系统概览图，再分小节定义各个实体（节点、任务、镜像层……），每个符号第一次出现时就定义，并给出单位。
符号多时加一张符号表（Notation），按实体分组。
把假设写出来，并给出理由。例如 LDLS 忽略了任务数据的传输时间，理由是镜像有几百 MB，而任务数据只有几百 KB。审稿人最常质疑的就是没有说明理由的假设。
公式编号，后文用“Eq. (3)”引用；同一个量全文用同一个符号。

问题建模

用 Problem 环境（或居中的公式组）写出目标、约束和决策变量的取值范围，每条约束编号并用一句话解释。
分析问题难度：证明或说明问题是 NP-hard 的，再说明为什么现有方法不适用，自然引出本文的算法。

算法

先用一张框架图说明算法由哪几部分组成，再分小节讲每个部分。
给出伪代码和复杂度分析。用强化学习时，写清状态、动作、奖励，以及网络结构和训练流程。

伪代码用 algorithm 和 algpseudocode 宏包：

latex

\usepackage{algorithm}
\usepackage{algpseudocode}

\begin{algorithm}[t]
\caption{Layer-aware Node Selection}
\label{alg:select}
\begin{algorithmic}[1]
\Require Task $k$, node set $\mathcal{N}$
\Ensure Selected node $n_k$
\For{each node $n \in \mathcal{N}$}
  \State $S_n \gets$ layer sharing score of node $n$ by Eq.~(3)
  \If{node $n$ is lightly loaded}
    \State $\omega \gets \omega_1$
  \Else
    \State $\omega \gets \omega_2$
  \EndIf
  \State $S_n \gets \omega S_n + S_n^{\text{K8s}}$
\EndFor
\State \Return $\arg\max_{n \in \mathcal{N}} S_n$
\end{algorithmic}
\end{algorithm}

实验

先写实验设置：数据来源和处理方式、参数设置表、对比算法（每个一两句话说明）、评价指标。
每组实验改变一个参数（节点数、任务数、带宽、到达率……），其他参数取默认值。每个实验小节开头说明要回答什么问题，结尾解释现象的原因，而不只是描述“我们的方法最好”。
有条件时，在真实系统上验证仿真的结论（如 LECU、EAT、VELO）。

会议版扩展成期刊版

组内常见的做法是先投会议，再扩展成期刊论文，例如 VELO（ICWS 2024）扩展为 TSC 2025 的期刊论文。期刊要求有实质性的扩展，一般包括：更完整的模型（考虑更多因素）、改进的算法或理论分析、更多的实验（更大规模、真实系统）、更完整的相关工作。投稿时要说明与会议版的区别，具体要求以目标期刊的投稿指南为准。

回复审稿意见

期刊一般会经过一到两轮修改（大修、小修）。修改后要附一封回复信，逐条回应：

text

Comment 1.1: 审稿人的原话
Response: 感谢的话 + 正面回应（同意并修改 / 不同意并用证据说明理由）
Changes: 在 Section III-B（第 5 页）增加了……，修改处在正文中标为蓝色

先回应最关键的质疑，要求补的实验尽量补上；不同意审稿人时，语气要客气，理由要有数据或文献支撑。

汇报与写论文 ​

周报模板 ​

组会汇报 ​

讲论文（20 分钟左右） ​

讲进展 ​

做幻灯片的几条原则 ​

LaTeX 与 Overleaf 快速入门 ​

写系统论文 ​

典型结构 ​

写作顺序建议 ​

英文写作 ​

画图规范 ​

工具 ​

投稿与审稿 ​

写建模与算法类期刊论文 ​

引言 ​

系统模型 ​

问题建模 ​

算法 ​

实验 ​

会议版扩展成期刊版 ​

回复审稿意见 ​

推荐阅读 ​