元认知提炼技术：如何从顶会论文和技术报告中蒸馏出作者的思维操作系统

核心逻辑：本文采用「递进结构」，从「为什么要提炼思维→提炼什么→怎么提炼→怎么复用」四个层面，构建一套完整的元认知提炼方法论。第一层（为什么）：读论文和技术报告不应该只是"看懂了"，而应该是"学会像作者一样思考"——这是从信息获取到能力迁移的关键跳跃。第二层（提炼什么）：不是提炼结论，而是提炼作者的"思维操作系统"——包括问题定义的章法、创新点的挖掘路径、实验设计的策略、行文叙事的结构。第三层（怎么提炼）：提出一套五步蒸馏框架（DECODE），通过六篇 ACL/NeurIPS/CVPR 顶会论文进行实战演示。第四层（怎么复用）：给出如何将提炼出的思维模式迁移到新 topic，产出同等深度的论文或技术报告。

---

一、为什么要做元认知提炼

1.1 普通人读论文 vs 高手读论文

大多数人读论文的方式是：

1. 看标题和摘要，判断是否相关
2. 跳到实验结果，看数字好不好
3. 大致扫一眼方法，标记一些关键词
4. 收藏，然后...忘了

这种方式获取的是信息，不是能力。你读了一百篇论文，也写不出一篇同等水平的论文——因为你从来没有提炼过作者"为什么这么想"。

高手读论文的方式完全不同。他们关注的不是"作者做了什么"，而是：

• 作者为什么选择这个问题？ 这个问题在更大的版图中处于什么位置？
• 作者是怎么把模糊的直觉变成精确的问题定义的？ 从一个不成熟的想法到一个可操作的 research question，中间经历了怎样的抽象？
• 作者是怎么找到创新点的？ 是发现了已有方法的什么盲区？是引入了什么新视角？还是把两个不相关的领域连在了一起？
• 作者怎么证明自己是对的？ 实验设计的逻辑是什么？为什么选这些 baseline？为什么选这些数据集？ablation study 的顺序暴露了什么优先级？
• 作者怎么讲故事的？ 从 introduction 到 conclusion，每个段落的作用是什么？图1为什么这样画？表格为什么这样排？

这就是元认知提炼——不蒸馏内容，蒸馏思维。

1.2 这套方法能给你什么

如果你能系统性地提炼出顶级作者的思维操作系统，你就能做到：

• 给出一个论文 topic，你能定义出精确的 research question，设计出合理的实验方案，写出有说服力的 story
• 给出一个技术报告的需求，你能判断该做什么模型架构、什么评测集、什么实验对比，知道怎么让结果 fancy，同时有技术深度
• 给出一个大厂的 tech report，你能从思维对齐的角度，在新问题上复现同等深度的分析

本质上，这是在做一个思维的 distillation——把别人的隐性知识变成你的显性能力。

---

二、提炼什么：作者思维操作系统的五个层次

我把一篇顶会论文或技术报告背后的思维分成五个层次，从外到内：

层次	名称	问题	可迁移性
L1	问题定义	作者怎么发现和定义问题？	⭐⭐⭐⭐⭐
L2	创新挖掘	作者怎么找到切入点？	⭐⭐⭐⭐⭐
L3	方法设计	作者怎么把想法变成可执行的方案？	⭐⭐⭐⭐
L4	实验策略	作者怎么证明方法有效？	⭐⭐⭐⭐⭐
L5	叙事结构	作者怎么讲一个好故事？	⭐⭐⭐⭐⭐

关键洞察：L1、L2、L4、L5 的可迁移性极高——它们是"元能力"，和具体领域无关。L3（方法设计）和领域关系更大，但其中的设计思路和工程决策同样可以迁移。

---

二.五、最关键的瓶颈：为什么你提不出深度问题

先诊断病因

你读论文的时候，可能会遇到这种情况：

你看到 "LLM 在自然语言上表现很好，但它真的学会了语言的规律还是只是在做统计模式匹配？" 这个问题，你觉得"说得太好了"，但你自己就是提不出来。

为什么提不出来？不是因为你不聪明，而是因为你的"概念词汇库"里没有"统计模式匹配"和"语言规律"这对概念。

这就像一个人想描述"蓝色"但没有"蓝色"这个词——他能看到蓝色，但说不出来。概念词汇决定了你能提出什么问题。

深度问题的生成公式

所有深度问题都有一个共同的结构。我把它拆解成公式：

深度问题 = 现象 + 隐藏假设 + 替代解释

以"LLM 学会了语言规律还是统计模式匹配"为例：

组件	内容
现象	LLM 在自然语言上表现很好
隐藏假设	"表现好 = 学会了规律"
替代解释	也许不是学会了规律，只是记住了统计模式

你提不出这个问题，是因为你没看到"隐藏假设"，也没有"替代解释"的候选。

用 AI 补上概念词汇库的三种方法

方法一：概念对立面扩展

当你看到一个概念时，问 AI："这个概念的对立面/替代解释是什么？"

你是一个"概念对立面生成器"。我会给你一个概念或陈述，你需要给出：
1. 这个概念背后隐藏了什么假设
2. 这个假设的对立面是什么
3. 用对立面生成的 3 个深度问题

示例：
输入："LLM 在自然语言上表现很好"
输出：
  隐藏假设：表现好 = 理解了语言
  对立面：表现好 ≠ 理解语言，可能只是在做模式匹配
  深度问题：
    1. LLM 是学会了语言规律，还是只是统计模式匹配？
    2. 如果 LLM 只是在模式匹配，它应该无法处理什么类型的语言？
    3. 我们怎么设计实验来区分"理解语言"和"模式匹配"？

现在请对以下概念/陈述执行同样的分析：
[在此输入你的概念或陈述]

方法二：跨学科概念嫁接

很多深度问题来自把一个领域的概念引入另一个领域。比如"统计模式匹配"来自认知科学——它是人类认知研究中的经典概念。

你是一个"跨学科概念嫁接专家"。我会给你一个研究领域中的一个问题/现象，
你需要：
1. 列出 3-5 个其他学科中可以用来分析这个问题的核心概念
2. 对每个概念，说明它为什么能产生新的洞察
3. 用这个概念生成 1 个深度问题

学科池：认知科学、演化生物学、经济学、物理学、社会学、控制论、
       信息论、哲学、心理学、人类学、系统论

示例：
输入："LLM 的推理能力"
输出：
  认知科学 → "System 1 vs System 2 思考"
    为什么：LLM 可能只有 System 1（直觉），没有 System 2（反思）
    深度问题：LLM 能否进行真正的 System 2 推理，还是所有输出都是
             System 1 的快速匹配？

  演化生物学 → "适应vs理解"
    为什么：生物可以适应环境但不"理解"环境，LLM 可能也一样
    深度问题：LLM 对语言的掌握更像是生物对环境的适应，还是科学家
             对规律的理解？

  经济学 → "信号vs实质"
    为什么：正确答案可能是"凑巧"，就像考试蒙对了
    深度问题：LLM 的正确回答中有多少是"真正的推理信号"，有多少是
             "统计噪声中的幸运匹配"？

现在请对以下问题/现象执行分析：
[在此输入你的问题或现象]

方法三：假设挖掘器——自动发现隐藏假设

这是最强大的方法。任何论述背后都有隐藏假设，找到它们就能提出深度问题。

你是一个"隐藏假设挖掘器"。我会给你一段论述（论文摘要、技术报告结论、
产品宣传等），你需要：

1. 找出这段论述中 3-5 个最关键的隐藏假设
2. 对每个假设，说明"如果这个假设不成立，会怎样"
3. 基于每个不成立的假设，生成 1 个深度研究问题

格式：
假设 [编号]：[具体内容]
  - 为什么这是一个假设：[...]
  - 如果不成立：[...]
  - 深度问题：[...]

示例：
输入："RAG 通过检索外部知识库来增强 LLM 的回答质量"
输出：
  假设1：检索到的文档和问题相关
    为什么是假设：RAG 的检索模块可能返回看似相关但实际无用的文档
    如果不成立：LLM 会被误导，回答质量反而下降
    深度问题：怎么检测 RAG 检索到的文档是否真的"有用"而不只是"相关"？

  假设2：更多的检索结果总是更好的
    为什么是假设：大家默认检索越多文档越好
    如果不成立：过多无关文档会稀释有效信息，产生"注意力干扰"
    深度问题：RAG 中是否存在"检索量饱和点"——超过多少文档后性能反而下降？

  假设3：LLM 能正确综合多个检索到的文档
    为什么是假设：综合多文档需要推理能力，而 LLM 的推理能力有限
    如果不成立：LLM 可能只关注第一个或最长的文档，忽略其他有用信息
    深度问题：LLM 在 RAG 中真的在"综合"多个文档，还是在"选择"一个文档？

现在请对以下论述执行分析：
[在此输入你的论述]

概念词汇库的积累策略

上面三种方法是"即时工具"——你遇到一个领域的问题，马上就能生成深度问题。但长期来看，你需要积累自己的概念词汇库。

怎么积累？每次读论文或技术报告时，做两件事：

1. 提取"对立概念对"：论文中每提出一个观点，都找它的对立面

论文中的观点	对立概念
LLM 学会了语言规律	统计模式匹配
RL 提升了推理能力	RL 只是调整了采样分布
蒸馏能传递知识	蒸馏只是压缩了记忆
更大的模型更强	涌现能力可能是测量错觉
CoT 提升了推理	CoT 只是给了更多计算时间

2. 按"思维模式"分类存储：

我的概念词汇库：

【反直觉类】
- 统计模式匹配 vs 真正理解
- 采样效率 vs 能力上界
- 偏好调整 vs 知识获取
- 压缩 vs 理解

【边界类】
- 泛化能力的极限
- scaling law 的拐点
- 能力涌现的临界条件
- 记忆 vs 推理的分界线

【本质类】
- 适应 vs 理解
- 信号 vs 噪声
- 相关性 vs 因果性
- 模拟 vs 真正的能力

当你积累了足够多的概念对后，面对任何新现象，你都能自动生成深度问题——因为你脑子里已经有了"对立面"的模板。

---

二.六、从"发现问题"到"想到方案"：Idea 生成引擎

你卡在哪一步？

回到 Token-Budget-Aware 这篇论文。你的卡点是：

"我发现了 CoT 推理很贵这个问题，但我想不到在 prompt 里加一句'请在 X 个 token 内完成'。就算想到了，我也不确定这样能不能 work。"

这个卡点的本质是两个能力缺口：

缺口	表现	根因
方案生成能力	想不到具体的方法	你没有一套"从问题到方案的推理链"
方案验证能力	不确定能不能 work	你没有一套"低成本快速验证"的流程

缺口一：怎么从问题生成方案

核心洞察：所有好的方案都不是凭空想出来的，而是通过固定的推理模式从问题中"长出来"的。

我总结了六种从问题到方案的推理模式，每种都有固定的操作步骤：

模式 A：约束注入法

逻辑：如果一个东西太长/太多/太贵，试试直接告诉模型"少一点"。

推理链：
问题：X 的输出太长/太多/太贵
  → 问：模型知道自己可以少输出吗？
    → 假设：也许模型只是没被告知要精简
      → 方案：在 prompt 里直接加约束（token budget / 字数限制 / 步骤数限制）
        → 验证：加约束后效果掉了多少？如果掉得少，说明冗余确实存在

Token-Budget-Aware 就是这个模式。作者不是"天才般地想到了 token budget"，而是走了这个推理链：

1. 观察：CoT 推理产生了很多 token → 贵
2. 问：这些 token 都是必要的吗？
3. 假设：也许不必要，LLM 只是在"啰嗦"
4. 方案：直接告诉它"说少一点"
5. 验证：试了一下，居然真的 work

你能复用的场景：

问题	用约束注入法的方案
Agent 调用工具次数太多	prompt 里加"最多调用 N 次工具"
模型输出太啰嗦	prompt 里加"用 50 字以内回答"
推理步骤太多	prompt 里加"最多用 3 步推理"
检索文档太多	限制只检索 top-K，K 动态调整

模式 B：类比迁移法

逻辑：找到另一个领域里已经解决类似问题的方法，搬过来。

推理链：
问题：X 领域的 Y 问题
  → 问：Z 领域有没有类似的"形状"的问题？
    → 那个领域怎么解决的？
      → 能不能搬过来？需要做什么适配？

例子：VGGT 就是把"优化问题"类比成"预测问题"——3D 重建以前用迭代优化（像解方程），VGGT 把它变成了前馈预测（像分类任务）。

你能复用的场景：

你的问题	类比到	方案
LLM 推理不够稳定	信号处理中的"降噪"	多次采样取一致性最高的答案
模型选择困难	推荐系统	根据问题特征自动推荐最适合的模型
评测不够全面	医学诊断	设计"多维度检查面板"而不是单一指标

模式 C：最小干预法

逻辑：用最小的改动测试假设，而不是一上来就设计复杂方案。

推理链：
问题：现象 A 可能是因为原因 B
  → 问：怎么用最小的实验验证"B 是原因"？
    → 设计最简单的干预：只改一个变量
      → 如果有效，再系统化；如果无效，换假设

Token-Budget-Aware 的作者就是先做了一个 pilot：先手动在 prompt 里加一句"请在 100 token 内回答"，看看效果。发现居然 work 了，才开始系统化地研究。

关键心态：不要一开始就追求完美方案，先用最蠢的方式验证假设。

模式 D：逆向工程法

逻辑：分析好的例子和坏的例子之间的差异，把差异变成方法。

推理链：
问题：为什么有时候效果好，有时候差？
  → 收集好例子和坏例子
    → 对比：好例子有什么共同特征？坏例子缺了什么？
      → 把好例子的特征提取成规则/方法

模式 E：分而治之法

逻辑：把大问题拆成小问题，分别解决。

推理链：
问题：X 太复杂了，不知道怎么下手
  → 问：X 可以拆成哪几个独立的子问题？
    → 每个子问题有现成的解法吗？
      → 把子方案的组合变成整体方案

模式 F：极限思维法

逻辑：把一个条件推到极端，看会发生什么。

推理链：
问题：参数 X 对结果有什么影响？
  → 问：如果 X=0 会怎样？如果 X=无穷大呢？
    → 极端情况揭示了什么规律？
      → 把规律变成可操作的方法

缺口二：怎么验证 idea 不是废物

你说"我怕我的 idea 是废物的"。这个问题可以用一套低成本快速验证流程来解决。

核心原则：不要用一个月验证一个 idea，用一天甚至一小时。

第一关：逻辑自洽性检查（5 分钟）

问自己三个问题：

问题	通过标准
我的假设是什么？	能用一句话说清楚
如果假设成立，结果应该是什么？	能做出具体的预测
有没有显而易见的反例？	如果 5 分钟内就能想到反例，idea 可能有问题

以 Token-Budget-Aware 为例：

• 假设：LLM 的推理 token 中有冗余
• 预测：如果告诉 LLM "少说点"，准确率应该只掉一点点
• 反例：如果 LLM 的每一步推理都是必要的，那减少 token 应该大幅掉点

如果你能做出预测也能想出反例，说明 idea 逻辑是自洽的——值得继续验证。

第二关：最小实验（1-2 小时）

不要写完整代码，不要训模型。用最蠢的方式验证：

Token-Budget-Aware 的最小实验：
1. 打开 ChatGPT
2. 问一道数学题，看它答对了吗，用了多少 token
3. 再问同一道题，但在 prompt 里加"请在 50 个字以内推理"
4. 看它答对了吗？token 少了多少？
5. 如果 10 道题里有 7 道还是对的，token 少了一半 → idea 值得继续

最小实验的公式：

1. 找到验证核心假设所需的最小数据量（通常 5-10 个例子就够）
2. 用现成的工具（ChatGPT/Claude）手动测试
3. 记录：成功了几个？失败了几个？失败的原因是什么？
4. 如果成功率 > 50%，idea 值得继续

第三关：文献定位（30 分钟）

1. 在 Google Scholar/arxiv 搜你的 idea 的关键词
2. 如果有人做过完全一样的事 → 不慌，看他们做到什么程度了，你能改进什么
3. 如果没人做过 → 好信号，但需要确认不是因为这个问题不重要
4. 如果有人做过但没做好 → 最佳情况，说明问题重要且方案有空间

第四关：威胁分析（30 分钟）

问自己：我的 idea 最可能在什么地方失败？

威胁类型	问题	如果确实存在
规模威胁	在小数据上 work，大规模会不会崩？	先在小规模验证，再逐步扩大
领域威胁	只在数学推理上 work，别的领域呢？	至少测 2 个领域
基线威胁	现有方法其实已经解决了这个问题？	仔细对比 baseline
稳定性威胁	有时候 work 有时候不 work？	多跑几次，报告方差

如果你能通过前两关（逻辑自洽 + 最小实验），你的 idea 有 80% 的概率不是废物。 后两关是让 idea 从"能 work"变成"能发论文"。

用 AI 加速这两步

Idea 生成器提示词：

你是一个"研究方案生成器"。我会给你一个研究问题，你需要用以下六种推理模式各生成一个方案：

A. 约束注入法：如果问题是"太多/太长/太贵"，试试直接加约束
B. 类比迁移法：找到另一个领域解决类似问题的方法，搬过来
C. 最小干预法：用最小的改动测试假设
D. 逆向工程法：分析好例子和坏例子的差异
E. 分而治之法：把大问题拆成小问题
F. 极限思维法：把条件推到极端

对每种模式：
1. 说明这个模式怎么应用到我的问题上
2. 给出具体的方案描述
3. 给出最小验证实验的设计（用 ChatGPT 手动测试的那种）

我的问题是：
[在此描述你的问题]

Idea 验证器提示词：

你是一个"研究方案验证器"。我会给你一个研究问题和一个方案，你需要帮我快速评估它能不能 work。

## 第一关：逻辑自洽性
1. 这个方案的隐含假设是什么？（列出所有假设）
2. 如果每个假设分别成立，预期的结果是什么？
3. 有什么显而易见的反例或失败模式？

## 第二关：最小实验设计
给我一个可以在 1-2 小时内用 ChatGPT/Claude 手动完成的验证实验：
1. 测试什么假设
2. 用什么数据（5-10 个例子）
3. 怎么判断成功还是失败
4. 成功的标准是什么

## 第三关：威胁分析
1. 这个方案最可能在什么情况下失败？
2. 最强的反方论点是什么？
3. 如果失败，失败的原因最可能是什么？

## 第四关：价值判断
1. 如果这个方案 work 了，它的贡献是什么级别的？（小改进/中等创新/范式转换）
2. 这个方向目前的热度如何？竞争激烈吗？
3. 一句话建议：继续还是换方向？

我的问题和方案是：
[在此描述]

---

三、DECODE 框架：五步蒸馏法

我提出一个五步蒸馏框架，缩写为 DECODE：

D — Decompose（拆解表象）

把论文拆成四个维度：

• 问题陈述：作者说了什么问题？一句话概括。
• 方法核心：作者做了什么？一句话概括。
• 关键发现：最重要的一个结果是什么？
• 叙事线索：从 introduction 到 conclusion 的逻辑链是什么？

E — Expose（暴露隐含假设）

每篇论文背后都有隐含假设。问自己：

• 作者默认了什么前提？（比如"更多的推理 token 总是更好的"）
• 这个前提有没有可能不成立？（比如"如果推理过程本身有冗余呢？"）
• 如果不成立，会导出什么新问题？

C — Contrast（对比差异）

找 3-5 篇同方向的论文，对比：

• 它们定义的问题有什么微妙差异？
• 它们选择的切入点有什么根本不同？
• 实验设计上有什么策略差异？

O — Orchestrate（提取思维模式）

把上面三步的发现整合成一个思维模式卡片：

思维模式卡片：
- 问题发现路径：[作者是怎么发现这个问题的]
- 问题定义手法：[怎么把模糊的直觉变成精确的问题]
- 创新点挖掘：[切入点的来源]
- 实验设计策略：[证明的逻辑]
- 叙事技巧：[讲故事的章法]

D — Deploy（迁移应用）

拿到思维模式卡片后，选一个新的 topic，问自己：

• 如果我用同样的问题发现路径，在这个新领域里能发现什么问题？
• 如果我用同样的问题定义手法，能把新问题定义成什么样？
• 如果我用同样的创新挖掘方式，能找到什么切入点？
• 如果我用同样的实验策略，该怎么设计实验？
• 如果我用同样的叙事结构，该怎么写？

---

四、实战蒸馏：六篇顶会论文的思维操作系统

现在让我用 DECODE 框架，提炼六篇 ACL/NeurIPS/CVPR 顶会论文背后的思维模式。

---

4.1 ACL 2024 Best Paper — Mission: Impossible Language Models

论文：Julie Kallini 等人，斯坦福大学。研究 LLM 是否真的能处理"不可能的语言"（违反语言普遍性的规则系统）。

D — 拆解表象

• 问题：LLM 在自然语言上表现很好，但它真的学会了"语言的规律"还是只是在做统计模式匹配？
• 方法：构造一组"不可能的语言"——违反语言学普遍性（如 Greenberg 普遍性）的人造规则系统，测试 LLM 能否学会这些规则。
• 发现：LLM 对"不可能语言"的学习能力显著低于自然语言，说明 LLM 的语言处理确实受到了某种"语言普遍性"的约束。
• 叙事：从"LLM 能力到底有多强"这个大问题出发，用一个精巧的实验设计（不可能语言 vs 可能语言）来给出边界。

E — 暴露隐含假设

• 隐含假设：大家默认 LLM 是万能的模式学习器，给它足够的数据它就能学任何规则。
• 反转：如果 LLM 的架构本身就有归纳偏置（inductive bias），那有些规则它就是学不会的——不是数据的问题，是架构的问题。
• 新问题：Transformer 架构的归纳偏置到底是什么？它和人类语言的普遍性有什么关系？

C — 对比差异

同方向的论文通常在自然语言上测试 LLM 的能力边界。本文的独特之处在于构造了一个巧妙的对照组——不是测试"LLM 能不能学好"，而是测试"LLM 能不能学坏"（学不可能的规则）。这个思路来自认知心理学中的对照组实验设计。

O — 思维模式卡片

【反证法思维】
- 问题发现路径：从领域的基本假设出发，问"如果这个假设不成立会怎样？"
- 问题定义手法：构造一个对照组——不测"能做什么"，测"不能做什么"
- 创新点挖掘：引入跨学科的理论工具（语言学普遍性）来设计实验
- 实验策略：精心控制变量——只改变"是否可能"，其他条件一致
- 叙事技巧：标题就是 hook——"Mission: Impossible"，让读者产生好奇

D — 迁移应用示例

假设你要研究 RAG 系统的边界：

用反证法思维：不要问"RAG 能检索到什么"，而问"RAG 在什么情况下必然检索不到正确的信息"？构造一组"不可能检索正确"的查询（比如需要多跳推理但文档之间没有显式链接的场景），测试 RAG 的失败模式。

---

4.2 ACL 2025 — Token-Budget-Aware LLM Reasoning

论文：Tingxu Han 等人，南京大学/罗格斯大学。发现 LLM 的推理过程有不必要的冗余，可以通过在 prompt 中设置 token budget 来压缩推理成本。

D — 拆解表象

• 问题：CoT 推理虽然提升了 LLM 的表现，但产生了大量冗余 token，导致推理成本暴增。
• 方法：在 prompt 中加入"请在 X 个 token 内完成推理"的指令，并根据问题复杂度动态调整 token budget。
• 发现：LLM 的推理过程确实有不必要的冗余，简单的 token budget 指令就能大幅压缩成本，性能损失极小。
• 叙事：从一个日常观察（LLM 推理太啰嗦）出发，通过系统实验揭示原因，提出极简方案。

E — 暴露隐含假设

• 隐含假设：更多的推理 token = 更好的推理效果（CoT 的默认信条）。
• 反转：如果 LLM 的推理过程中存在大量"废话"，那去掉废话不会影响结果。
• 新问题：怎么判断一道题需要多少 token 才够？不同复杂度的题，最优 token budget 是多少？

O — 思维模式卡片

【极简主义思维】
- 问题发现路径：从一个被所有人默认接受的"成本"出发——CoT 很贵，但大家都觉得这是必要的代价
- 问题定义手法：先证明"冗余存在"（定性），再量化"冗余有多少"（定量），最后设计"怎么减"（方案）
- 创新点挖掘：不是设计新模型，而是发现一个被忽视的简单事实——LLM 能听懂"说少一点"
- 实验策略：先做 pilot study 证明可行性，再系统性实验验证鲁棒性
- 叙事技巧：用笛卡尔的名言开头——"重要的不是有好的头脑，而是用好它"

D — 迁移应用示例

假设你要研究 Agent 的工具调用效率：

用极简主义思维：不要问"怎么让 Agent 调用更多工具"，而问"Agent 的工具调用中有多少是冗余的"？也许 80% 的工具调用可以被合并或省略。在 prompt 中加一句"最多使用 N 个工具调用"可能就够了。

---

4.3 NeurIPS 2025 Best Paper — Does RL Really Incentivize Reasoning in LLMs?

论文：Yue 等人，清华大学。系统性地证明了 RLVR（强化学习+可验证奖励）并没有给 LLM 带来新的推理能力，只是提高了采样效率。

D — 拆解表象

• 问题：RLVR 被广泛认为是让 LLM 获得推理能力的关键技术。但它真的让模型学会了"新的推理方式"吗？
• 方法：用 pass@k（k 很大时）作为评测指标，比较 RL 训练后的模型和 base model 的推理能力上界。
• 发现：RL 训练后的模型在 k=1 时更好，但在 k 很大时 base model 反而更好。RL 模型的推理路径全部包含在 base model 的采样分布中。也就是说，RL 只是让模型更"偏好"某些已有的推理路径，而不是创造了新的推理能力。
• 叙事：用一张搜索树的图（Figure 1）直观展示了核心发现——RL 模型的绿色路径是 base model 黑色路径的子集。

E — 暴露隐含假设

• 隐含假设：RL 能帮助 LLM 发现新的推理策略（就像 AlphaGo 发现了第 37 手）。
• 反转：LLM 的 RL 和围棋的 RL 有本质区别——围棋的 RL 有真实的环境交互和新的状态空间，而 LLM 的 RLVR 只是在固定的 token 空间中做偏好调整。
• 新问题：怎样才能让 LLM 的 RL 真正发现新的推理策略？需要什么样的新范式？

O — 思维模式卡片

【反直觉检验思维】
- 问题发现路径：当一个方向成为"共识"（RL 能提升推理），反而要问——真的吗？证据够硬吗？
- 问题定义手法：找到共识成立的前提条件（k=1 时的表现），然后用新的评测维度（pass@k，k 很大）来检验共识是否在更宽的条件下依然成立
- 创新点挖掘：换一个评测指标就能推翻一个领域的基本假设——pass@k 大 k 是关键
- 实验策略：跨模型家族、跨 RL 算法、跨任务类型——证明结论的普适性；同时用 distillation 做对比，证明 distillation 确实能引入新知识
- 叙事技巧：标题就是论点——一个问号让整个社区停下来重新思考

D — 迁移应用示例

假设你要研究"思维链蒸馏"的效果：

用反直觉检验思维：大家都说蒸馏能让学生模型获得推理能力。但用同样的 pass@k 分析方法，问——学生模型的推理路径是真正"学到了新的"，还是只是学会了老师的高概率路径？如果换一个老师没见过的题目类型，学生还能推理吗？

---

4.4 NeurIPS 2025 Spotlight — Agent Distillation

论文：Minki Kang 等人，KAIST。提出把 LLM Agent 的完整任务解决行为（包括工具使用）蒸馏到小模型中。

D — 拆解表象

• 问题：LLM 推理能力强但太贵。CoT 蒸馏可以把推理能力传给小模型，但在需要精确计算或事实检索的场景下，小模型会幻觉。
• 方法：不只蒸馏推理链，而是蒸馏完整的 Agent 行为——包括什么时候该调用检索工具、什么时候该执行代码。引入 first-thought prefix 提升教师轨迹质量，self-consistent action generation 提升学生鲁棒性。
• 发现：0.5B 的小模型经过 Agent 蒸馏后，能在推理任务上匹敌 1.5B 的 CoT 蒸馏模型——跨了 3 倍的参数量级。
• 叙事：从一个清晰的对比图（Figure 1）开始——CoT 蒸馏 vs Agent 蒸馏的本质区别是什么。

E — 暴露隐含假设

• 隐含假设：蒸馏 = 蒸馏推理链（CoT traces）。
• 反转：推理链只是 Agent 行为的一部分。一个完整的 Agent 知道什么时候该"停下来去查资料"、什么时候该"写段代码算一下"——这些决策行为同样可以被蒸馏。
• 新问题：工具使用的决策能力，和推理能力，哪个更容易被蒸馏？小模型学会了工具使用后，能泛化到新工具吗？

O — 思维模式卡片

【升维蒸馏思维】
- 问题发现路径：从一个成熟的范式（CoT 蒸馏）出发，问"我们蒸馏的东西够不够完整？"
- 问题定义手法：把"蒸馏"的概念从"知识转移"升级为"行为转移"——不只蒸馏"怎么想"，还蒸馏"怎么做"
- 创新点挖掘：重新定义蒸馏的粒度——从 token-level 到 action-level
- 实验策略：同时在事实推理和数学推理两个维度验证，覆盖 in-domain 和 out-of-domain 泛化
- 叙事技巧：Figure 1 用一张图就讲清楚了核心 idea——左半边是 CoT 蒸馏的局限，右半边是 Agent 蒸馏的优势

D — 迁移应用示例

假设你要做一个"代码生成蒸馏"的项目：

用升维蒸馏思维：不要只蒸馏代码片段，而要蒸馏"编程行为"——什么时候该写测试？什么时候该重构？什么时候该查文档？把这些元行为也蒸馏到小模型中，让小模型不只会写代码，还会像高级工程师一样做决策。

---

4.5 CVPR 2025 Best Paper — VGGT: Visual Geometry Grounded Transformer

论文：Jianyuan Wang 等人，牛津大学/Meta AI。提出用前馈神经网络直接预测 3D 场景属性，替代传统的迭代优化方法。

D — 拆解表象

• 问题：3D 场景重建依赖 Bundle Adjustment 等迭代优化方法，计算昂贵，无法实时。
• 方法：VGGT 用 Transformer 直接从输入图像预测所有 3D 属性（相机参数、深度图、点对应关系），用交替注意力机制平衡帧内细节和帧间一致性。
• 发现：在 RealEstate10K 上，VGGT 在 0.2 秒内达到 85.3 AUC@30，而 DUSt3R 需要 7-10 秒。在 ETH3D 上 Chamfer distance 降低到 0.677，速度快 45 倍。
• 叙事：开头就说清楚——"我们的方法简洁高效，适合实时应用，这是相比优化方法的另一个优势。"

E — 暴露隐含假设

• 隐含假设：3D 重建本质上是一个优化问题——需要迭代地最小化重投影误差。
• 反转：如果数据足够多、模型足够强，优化问题可以被转化为预测问题——不需要迭代，前向传播一次就行。
• 新问题：哪些传统的优化问题可以被"学习化"？3D 只是开始，是不是很多经典优化问题都可以用神经网络直接预测？

O — 思维模式卡片

【范式转换思维】
- 问题发现路径：找到一个领域里"一直这么做"的方法（迭代优化），问"能不能根本性地换一种方式？"
- 问题定义手法：不是"改进现有方法"，而是"重新定义问题"——从优化问题到预测问题
- 创新点挖掘：用一个统一架构同时预测多个相关属性（相机参数+深度+对应关系），让它们互相增强
- 实验策略：用速度和精度两个维度的对比来证明范式转换的优越性——不是好一点，是快 45 倍
- 叙事技巧：直接用性能数字说话——0.2 秒 vs 7-10 秒，读者一看就懂范式转换的价值

D — 迁移应用示例

假设你要研究模型量化：

用范式转换思维：不要问"怎么更好地做量化感知训练（QAT）"，而问"量化能不能不训练，直接预测最优的量化参数？"如果模型足够了解权重分布，也许前向传播一次就能给出最优量化方案，不需要迭代优化。

---

4.6 CVPR 2025 Honorable Mention — Navigation World Models

论文：Amir Bar 等人，Yann LeCun 团队。提出用可控视频生成模型来做导航规划——通过"想象"未来场景来决定下一步怎么走。

D — 拆解表象

• 问题：导航需要规划，但传统方法要么依赖精确地图，要么用强化学习训练策略——各有局限。
• 方法：训练一个条件扩散 Transformer（CDiT），根据过去的视觉观察和导航动作，生成未来可能的视觉场景。通过"模拟"不同动作序列的效果，选择最优路径。
• 发现：NWM 在已知环境中表现优异，更重要的是，它能在未知环境中通过"想象"来做规划——这是传统方法做不到的。
• 叙事：从 LeCun 的 JEPA 哲学出发——智能的核心是在心里模拟未来的能力。

E — 暴露隐含假设

• 隐含假设：导航 = 在空间中找最优路径（路径规划问题）。
• 反转：导航 = 预测不同动作会导致什么视觉结果，然后选择最好的那个。本质上是一个视频预测问题。
• 新问题：世界模型的"想象力"有没有边界？在什么场景下它的想象会出错？

O — 思维模式卡片

【本质重定义思维】
- 问题发现路径：回到一个能力的本质定义——导航的本质是什么？不是路径规划，而是"预测行动的后果"
- 问题定义手法：把导航问题重新定义为视频生成问题——"如果往左走，我会看到什么？"
- 创新点挖掘：用一个生成模型同时解决"理解当前环境"和"规划未来行动"两个问题
- 实验策略：同时验证已知环境（有地图）和未知环境（需要想象）两种场景，突出泛化能力
- 叙事技巧：背后是 LeCun 的哲学——论文不只是技术贡献，还有思想层面的引领

D — 迁移应用示例

假设你要做一个代码生成 Agent：

用本质重定义思维：代码生成的本质是什么？不是"写出正确的代码"，而是"预测这段代码运行后会怎样"。如果你能训练一个"代码执行世界模型"——给定代码和输入，预测输出——那 Agent 就可以在心里"模拟运行"代码，不需要真的执行就能判断对错。

---

五、六种思维模式汇总：你的思维武器库

通过上面的蒸馏，我们得到了六种可迁移的思维模式：

思维模式	核心一句话	适用场景	代表论文
反证法思维	不测"能做什么"，测"不能做什么"	你想证明一个系统的边界	Mission: Impossible LMs
极简主义思维	先证明冗余存在，再消除冗余	一个方法已经很好但成本太高	Token-Budget-Aware
反直觉检验思维	当一个观点成为共识，用新维度检验它	你怀疑一个领域的基本假设	Does RL Really Incentivize Reasoning
升维蒸馏思维	蒸馏行为，不只是蒸馏知识	你想把大模型的能力给小模型	Agent Distillation
范式转换思维	不改进旧范式，定义新范式	一个领域的方法已经固化	VGGT
本质重定义思维	回到问题的本质，换一种表述	你想在老问题上找新角度	Navigation World Models

怎么用这张表：下次你要做一个新项目，先问自己——这个问题最接近哪种思维模式？然后用对应的思维路径来定义问题、找创新点、设计实验。

---

六、实验设计思维：怎么把不可量化变成可量化

这是整套方法论里最关键的一环。前面提炼了思维模式，但如果你不会设计实验来验证，这些思维模式就只是"空中楼阁"——你永远不知道自己提炼的东西是否真的 work。

6.1 实验设计的本质：把"我觉得"变成"数据说"

所有实验设计的核心问题只有一个：怎么把一个主观判断变成一个可以被数字衡量的事实？

这个过程可以拆解为四个步骤：

第一步：定位你要验证的核心主张

每篇论文/技术报告都有一个核心主张（claim）。比如：

论文	核心主张
Does RL Really Incentivize Reasoning?	RL 没有给 LLM 带来新的推理能力，只是提高了采样效率
VGGT	前馈网络可以直接替代迭代优化做 3D 重建
Agent Distillation	蒸馏 Agent 行为比蒸馏推理链更有效

你的第一步是：用一句话说出你要验证的主张是什么。 如果你不能用一句话说出来，说明你的问题定义还不够精确。

第二步：找到主张中的"不可量化词"，替换成"可量化词"

这是最关键的技巧。看几个例子：

不可量化的表述	可量化的表述
"RL 让模型变强了"	"RL 模型的 pass@1 比 base model 高 X 个百分点"
"模型学会了新推理方式"	"RL 模型的推理路径中，有 X% 不在 base model 的 top-k 采样中出现"
"方法更高效"	"在相同准确率下，推理时间减少了 X%"
"蒸馏更有效"	"同等参数量下，Agent 蒸馏比 CoT 蒸馏在 Y 任务上高 X 个百分点"
"泛化能力更强"	"在训练分布外的 Z 数据集上，性能下降不超过 X%"

操作口诀：看到"更好""更强""更有效"这类词，就问——"好多少？在哪测的？和谁比？用什么指标？"

第三步：设计对照实验，隔离变量

一个实验只能回答一个问题。如果你同时改了三件事，结果变好了，你不知道是哪件事起的作用。

实验设计的核心原则：

原则	含义	操作方法
单一变量	每次只改一个东西	ablation study：每次去掉一个组件
公平对比	对比条件要一致	同样的数据、同样的计算预算、同样的评测指标
多维度验证	不只在一个维度上测	准确率 + 效率 + 泛化性 + 鲁棒性
统计显著性	结果不是偶然	多次实验取均值和方差，报告置信区间

第四步：选择指标，定义"好"的标准

指标的选择直接决定了你的结论。不同的指标会得出不同的结论——这在 NeurIPS 那篇 "Does RL Really Incentivize Reasoning" 里体现得淋漓尽致：用 pass@1 结论是 RL 有效，用 pass@256 结论是 RL 无效。

指标选择框架：

你要测什么	推荐指标类型	示例
整体能力	绝对数值	Accuracy, F1, BLEU, pass@1
能力上界	极限性能	pass@k (k很大), oracle performance
效率	性能/成本比	Accuracy per FLOP, tokens per second
泛化性	分布外表现	OOD accuracy, zero-shot transfer
鲁棒性	抗干扰能力	对抗样本准确率, 噪声容忍度
多样性	输出的差异性	distinct-n, entropy, 聚类分散度
一致性	结果的稳定性	多次运行的方差, 不同 seed 的标准差

6.2 Benchmark 设计方法论：怎么造一个让全世界都用的评测集

顶级论文不只是用现有 benchmark，它们会设计新的 benchmark来重新定义问题。这是一个被严重低估的能力。

Benchmark 设计的五步法：

第一步：找到现有 benchmark 的盲区

问自己三个问题：

1. 现有 benchmark 覆盖了什么场景？
2. 没覆盖什么场景？这些场景重要吗？
3. 现有 benchmark 的数据分布和真实世界有什么差距？

比如 "Does RL Really Incentivize Reasoning" 这篇论文的 benchmark 设计逻辑：

现有评测的盲区：大家只看 pass@1（采样一次的正确率）
              → 这只能说明 RL 让模型"更大概率一次答对"
              → 但无法回答"RL 是否让模型获得了新的推理能力"
新评测维度：pass@k（采样 k 次至少答对一次的概率）
              → k=1 测的是"采样效率"
              → k=256 测的是"能力上界"
              → 对比两者就能区分"提高效率"和"获得新能力"

第二步：定义 benchmark 的评测维度

一个好的 benchmark 不是一堆数据的集合，而是一个有结构的评测体系。你需要：

维度	问题	示例
难度梯度	从简单到困难，有几个层次？	GSM8K → MATH → AIME → Olympiad
能力维度	测的是什么能力？	计算 vs 推理 vs 创造力 vs 知识
分布类型	数据从哪来？	真实数据 vs 合成数据 vs 混合
标注质量	标注是怎么做的？	专家标注 vs 众包 vs 自动生成
规模	多少条数据？	太少不统计，太多成本高

第三步：构造数据

数据构造有三种策略：

策略	适用场景	优点	缺点
人工构造	需要精确控制变量	干净、可控	成本高、规模小
真实采集	需要生态效度	贴近真实	噪声大、不可控
半合成	需要规模+可控	兼顾两者	需要设计生成模板

第四步：定义评测协议

评测不只是"跑一下看分数"。你需要定义：

• 输入格式：模型看到什么？（prompt template）
• 输出格式：模型输出什么？怎么解析？
• 评分标准：什么算"对"？完全匹配？部分匹配？人工评判？
• 对比基线：最低预期是什么？随机猜测是多少？
• 统计方法：跑几次？怎么报告？均值±标准差？

第五步：验证 benchmark 本身的质量

一个 benchmark 如果自己就有问题，那基于它的所有结论都不可信。你需要验证：

检查项	方法
有效性	人类专家做同一批题，分数是否符合预期
区分度	不同水平的模型/方法是否能被区分开
可靠性	同一个方法跑多次，结果是否稳定
无偏性	数据是否有系统性偏差（如只覆盖某一类问题）

6.3 从论文中逆向工程实验设计思维

怎么从一篇论文中"偷学"作者的实验设计能力？用这个逆向工程框架：

第一层：实验的论证结构

把论文的每个实验画成一个论证图：

实验1 → 回答问题：[方法的基本有效性]
实验2 → 回答问题：[和SOTA的对比]
实验3 → 回答问题：[每个组件的贡献]（ablation）
实验4 → 回答问题：[在不同条件下的表现]（泛化性）
实验5 → 回答问题：[为什么有效]（分析性实验）

问自己：为什么是这5个实验？少了哪个论证就不完整？

第二层：实验之间的逻辑关系

实验之间通常有三种关系：

关系	含义	示例
递进	后一个实验建立在前一个的结论上	先证明有效 → 再解释为什么有效
并行	多个实验从不同角度验证同一个主张	同时在数学、代码、自然语言推理上测试
防御	预判审稿人可能的质疑并提前回应	"你可能会说这是数据泄露，所以我们加了时间分割实验"

第三层：指标的层次设计

好的论文不只报一个指标，而是设计一个指标体系：

主指标：[核心主张的直接度量]（例：pass@1 accuracy）
  ├─ 效率指标：[成本/速度的度量]（例：tokens per second）
  ├─ 上界指标：[能力极限的度量]（例：pass@256）
  ├─ 泛化指标：[在新场景的表现]（例：OOD accuracy）
  └─ 分析指标：[深入理解的维度]（例：错误类型分布、路径覆盖率）

6.4 让你的提炼方法本身 work：验证闭环

你可能会问："我用 DECODE 提炼出了思维模式，但怎么知道我提炼得对不对？"

这是一个元问题——你需要验证你的验证方法。我给出一个验证闭环：

闭环一：对比验证

1. 用 DECODE 提炼论文 A 的思维模式
2. 用提炼出的思维模式，对论文 B 做"预测"（B 是你还没读过的同方向论文）
3. 读论文 B，对比你的"预测"和实际论文的差异
4. 差异越小，说明你的提炼越准确

闭环二：产出验证

1. 用 DECODE 提炼某领域的 3-5 篇论文
2. 用提炼出的思维模式，设计一个新的实验方案
3. 把方案给该领域的专家看，问"这个方案如果是顶会论文的作者设计的，
   有多大可能是这样的？"
4. 专家认可度越高，说明你的提炼越准确

闭环三：竞品验证

1. 用 DECODE 提炼一个大厂的技术报告
2. 用提炼出的思维模式，在新的 topic 上设计技术报告
3. 找到另一个大厂在同方向的实际技术报告
4. 对比你的设计和实际报告的重合度
5. 重合度越高，说明你的提炼越准确

闭环四：实战验证（最终标准）

1. 用 DECODE 提炼思维模式
2. 用提炼出的模式写论文/技术报告
3. 投稿/发布
4. 被接收/被引用/被认可 → 说明方法 work
5. 被拒/无人问津 → 回到 DECODE 的 O 步骤，重新提炼

6.5 实验设计速查清单

当你需要为一个新想法设计实验时，过一遍这个清单：

阶段	检查项	✅ 完成？
定义	我的核心主张能用一句话说清楚吗？	☐
定义	主张中的每个"更好/更强"都被替换成了具体数字吗？	☐
定义	我知道我要回答哪几个问题吗？	☐
对照	每个实验只改变了一个变量吗？	☐
对照	我的 baseline 是公平的吗？（同数据、同计算量、同条件）	☐
指标	我的主指标和主张直接对应吗？	☐
指标	我有效率指标、上界指标、泛化指标吗？	☐
指标	我的指标能区分"真正有效"和"运气好"吗？	☐
数据	我的数据集能代表真实场景吗？	☐
数据	我有难度梯度吗？	☐
统计	我跑了多次取均值了吗？	☐
统计	我报告了方差/置信区间吗？	☐
防御	我预判了审稿人/读者可能的质疑吗？	☐
防御	我有针对性的实验来回应这些质疑吗？	☐
可视化	我的 Figure 1 能在一秒内传达核心结论吗？	☐

---

七、从思维到产出：怎么用提炼出的模式写论文或技术报告

7.1 论文产出路径

假设你要在一个新 topic 上写论文，流程如下：

第一步：选一个思维模式

根据你的 topic 特性，从上面的六种思维模式中选择最匹配的。比如：

• 你的 topic 是质疑某个流行方法的假设 → 反直觉检验思维
• 你的 topic 是把一个昂贵的方法变便宜 → 极简主义思维
• 你的 topic 是把一个优化问题变成学习问题 → 范式转换思维

第二步：用思维模式定义问题

用对应模式的问题定义手法，把你的 topic 变成一个精确的 research question。比如用反直觉检验思维：

共识：方法 X 在场景 A 上效果很好。 质疑：方法 X 在场景 A 上效果好，是因为它真的学会了 A 的规律，还是因为 A 恰好和它的归纳偏置匹配？ Research question：如果我们在场景 B（和 A 的关键特性不同）上测试方法 X，它还能保持好的表现吗？

第三步：设计实验

参考对应模式的实验策略：

• 反证法思维 → 构造对照组实验
• 极简主义思维 → 先 pilot study 证明可行性，再系统验证
• 反直觉检验思维 → 跨多个维度验证结论的普适性

第四步：写 story

参考对应模式的叙事技巧：

• 反证法思维 → 标题就是 hook
• 极简主义思维 → 用名人名言或直觉性的观察开头
• 范式转换思维 → 用性能数字直接说话
• 本质重定义思维 → 从哲学高度出发

第五步：打磨到顶会水平

检查以下清单：

检查项	问题
问题定义	你的 research question 是否精确到可以用实验回答？
创新点	你的贡献是新的问题、新的方法、还是新的发现？至少要有一个
实验覆盖	你是否跨了多个数据集/模型/任务来验证结论？
Ablation	你是否能拆解每个组件的贡献？
Baseline	你的 baseline 是否足够强、足够公平？
可视化	你的 Figure 1 是否能在一秒内传达核心 idea？

7.2 技术报告产出路径

技术报告和论文的逻辑不同。论文追求"新颖性"，技术报告追求"说服力和可复现性"。

大厂技术报告的典型思维模式：

组件	思维路径
模型架构	不是"我们设计了一个新架构"，而是"现有的架构在 XX 场景下有 YY 问题，我们通过 ZZ 修改解决了它"
实验设计	不是"我们在 ABC 数据集上跑了一遍"，而是"我们设计了三组实验分别回答三个问题：1）基础能力够不够？2）对比 SOTA 好多少？3）scaling law 怎么样？"
评测集	不是"用了公开 benchmark"，而是"公开 benchmark 有 XX 盲区，我们补充了 YY 测试来覆盖真实场景"
行文节奏	不是平铺直叙，而是"问题 → 痛点 → 方案 → 效果 → 深入分析 → 局限性"的节奏
技术深度	不是只展示好结果，而是展示"我们尝试了 5 种方案，这是对比和分析"——失败的经验同样有价值
Fancy 指标	不是简单的 accuracy，而是设计有洞察力的分析维度（如 scaling curve、效率前沿、错误类型分布）

怎么做到"给出一个技术报告就能有同等深度"：

1. 先做问题拆解：把这个技术报告解决的问题拆成 3-5 个子问题
2. 对每个子问题，用 DECODE 框架提炼作者的思维模式
3. 找到新 topic 对应的子问题，用同样的思维模式来设计你的方案
4. 模仿实验策略：不是照搬实验，而是照搬"为什么这么设计实验"的逻辑
5. 模仿行文结构：不是照搬段落，而是照搬"每个段落在论证链中的作用"

---

八、DECODE 实操模板

为了让你能快速上手，我提供一个可以直接使用的模板：

8.1 单篇蒸馏模板

## 论文：[标题]
## 会议：[ACL/NeurIPS/CVPR 年份]

### D — 拆解表象
- 问题（一句话）：
- 方法（一句话）：
- 关键发现（一句话）：
- 叙事线索（三句话）：

### E — 暴露隐含假设
- 隐含假设：
- 如果假设不成立：
- 导出的新问题：

### C — 对比差异
- 和 [论文A] 的差异：
- 和 [论文B] 的差异：
- 本文的独特之处：

### O — 思维模式卡片
- 问题发现路径：
- 问题定义手法：
- 创新点挖掘：
- 实验策略：
- 叙事技巧：

### D — 迁移应用
- 如果我要做 [新topic]，用同样的思维模式：
  - 我会怎么定义问题：
  - 我会怎么找创新点：
  - 我会怎么设计实验：
  - 我会怎么讲 story：

8.2 批量蒸馏工作流

当你需要快速蒸馏一个领域的多篇论文时：

1. 第一天：用 D 步骤快速拆解 10-15 篇论文，每篇 15 分钟
2. 第二天：从 10-15 篇中选出 3-5 篇最值得深挖的，做完整的 DECODE
3. 第三天：做 C 步骤——对比这 3-5 篇的差异，提炼出 2-3 种通用思维模式
4. 第四天：用 D 步骤——把思维模式迁移到你的新 topic，写出方案

8.3 技术报告蒸馏模板

## 技术报告：[标题]
## 公司：[公司名]

### 架构分析
- 核心架构决策是什么？
- 为什么这么设计？（解决什么痛点）
- 有什么工程上的 tricks？

### 实验分析
- 选了什么评测维度？为什么选这些？
- 和哪些 baseline 对比？为什么选这些？
- 有没有 ablation？展示了什么优先级？

### 行文分析
- 整体叙事结构是什么？
- 哪些地方是"展示实力"的？
- 哪些地方是"承认局限"的？

### 思维模式提炼
- 作者做技术决策的思维链是什么？
- 如果我要在新 topic 上复现同等深度：
  - 我该设计什么架构？
  - 我该做什么实验？
  - 我该怎么呈现结果？

---

九、终极目标：从"读懂"到"成为"

元认知提炼的终极目标不是让你"读懂更多论文"，而是让你在面对任何新问题时，能像顶级作者一样思考。

这需要你做三件事：

第一，积累思维模式库。每读一篇好论文，就用 DECODE 框架提炼一张思维模式卡片。积累 50 张卡片后，你会发现顶会论文的思维模式其实只有十几种，只是在不同领域用不同术语重复出现。

第二，刻意练习迁移。每周选一个新的 topic，用你提炼出的思维模式去"预写"一篇论文或技术报告的框架——不写具体内容，只写问题定义、创新点、实验设计和叙事结构。然后找一篇同方向的论文来对比，看你的框架和实际论文的差距在哪里。

第三，在实战中迭代。真正写论文或技术报告时，先选好思维模式，用模板搭好框架，再填充内容。写完后回头检查——我的问题定义够精确吗？我的创新点够清晰吗？我的实验策略够系统吗？我的 story 够有说服力吗？

这三步形成一个闭环：提炼 → 迁移 → 实战 → 反思 → 再提炼。

当你能稳定地产出和顶会论文同等深度的分析时，你就不再是"读懂了别人"，而是"成为了和他们一样的人"。

---

十、总结

你过去做的	你现在要做的
读论文记笔记	读论文提炼思维模式
收藏好论文	把好论文的思维蒸馏成卡片
模仿论文的方法	模仿论文的思维操作系统
学了一个方法不知道怎么用	知道在什么场景下用什么思维模式
给一个 topic 不知道怎么开始	用 DECODE 框架五步产出方案

核心一句话：不要蒸馏内容，蒸馏思维。不要读懂论文，要成为作者。

这套方法不只是适用于学术论文——任何需要"从别人的产出中提炼出底层能力"的场景都适用。无论是读大厂的技术报告、拆解竞品的产品设计、还是学习高手的写作章法，DECODE 框架都能帮你从"表象"看到"操作系统"。

这就是元认知提炼技术——让你读过的每一篇好文章，都变成你能力的一部分。

---

附录：DECODE 提示词工具箱

以下提示词可以直接复制粘贴到任何 AI 对话中使用。每个提示词都是独立的、自包含的——你只需要把目标材料的内容（或链接）喂给 AI，它就会自动执行完整的 DECODE 流程。

---

提示词 1：通用思维操作系统蒸馏器（万能版）

适用于任何类型的材料：论文、技术报告、公众号文章、自媒体文案、公文、商业分析报告等。

你是一个"思维操作系统蒸馏专家"。你的任务不是总结内容，而是从给定材料中蒸馏出作者的思维操作系统——即作者"怎么想的"，而不是"说了什么"。

请严格按照以下 DECODE 五步框架执行：

## 第一步：D — Decompose（拆解表象）

把材料拆成四个维度，每个维度用一句话回答：
1. **问题陈述**：作者在解决什么问题？
2. **核心方法/路径**：作者用什么方式解决的？
3. **关键产出/发现**：最重要的一个结果或结论是什么？
4. **叙事线索**：从开头到结尾的逻辑链是什么？（用3个箭头连接的关键词表示，如：现象→矛盾→方案）

## 第二步：E — Expose（暴露隐含假设）

1. 这篇材料默认了什么前提条件？（列出2-3个隐含假设）
2. 如果这些假设不成立，会导出什么新问题？
3. 作者回避了什么？有什么显而易见但作者没有讨论的点？

## 第三步：C — Contrast（定位独特性）

1. 如果别人也来处理同样的问题，通常会怎么做？（描述"常规路径"）
2. 作者的做法和"常规路径"有什么根本性的差异？
3. 这个差异的本质是什么？（是一个新视角？一种新工具？还是一个被忽视的切入点？）

## 第四步：O — Orchestrate（提取思维模式）

输出一张"思维模式卡片"：

思维模式名称：[用3-5个字概括这种思维方式] 核心逻辑：[一句话说明这种思维的本质] 触发条件：[什么情况下你应该用这种思维] 操作步骤：

1. [第一步做什么]
2. [第二步做什么]
3. [第三步做什么]
4. [第四步做什么] 避坑指南：[使用这种思维时容易犯的错误]

## 第五步：D — Deploy（迁移应用）

1. 给出3个可以用这种思维模式处理的不同领域/场景
2. 对每个场景，具体说明：
   - 你会怎么定义问题
   - 你会怎么切入
   - 你会怎么验证
3. 最终输出一个"行动清单"：如果我现在就要用这种思维模式开始工作，第一步、第二步、第三步分别做什么？

---

请现在对以下材料执行完整的 DECODE 分析：

[在此粘贴材料内容或描述]

---

提示词 2：学术论文深度蒸馏器

专门用于提炼 ACL/NeurIPS/CVPR/ICLR/ICML 等顶会论文的思维操作系统。

你是一个"学术论文思维蒸馏专家"。你的目标不是帮我理解这篇论文的内容，而是让我能够"像这篇论文的作者一样思考"——从而在面对新问题时，我能独立产出同等水平的论文。

请对以下论文执行深度蒸馏：

## Layer 1：问题定义的章法

1. **问题发现路径**：作者是怎么发现这个问题的？是从实际需求出发、从理论矛盾出发、还是从前人方法的盲区出发？
2. **问题定义手法**：作者是怎么把一个模糊的想法变成一个精确的 research question 的？用了什么抽象？做了什么限定？
3. **问题定位策略**：作者把这个问题放在什么位置？（是填补空白、是挑战共识、还是连接两个领域？）

## Layer 2：创新点的挖掘路径

1. **创新来源**：创新点是来自新数据、新方法、新视角、还是新评测？
2. **创新构建方式**：作者是怎么从"发现问题"到"提出方案"的？中间的推理链是什么？
3. **创新的本质**：如果把所有技术细节去掉，这个创新的核心思想用一句话怎么说？

## Layer 3：方法设计的决策链

1. **架构选择**：为什么选这个架构而不是其他？作者做了什么 trade-off？
2. **关键设计决策**：列出3-5个最重要的设计决策，每个说明"为什么这样做"
3. **失败预判**：作者在设计时预判了什么可能的失败？怎么应对的？

## Layer 4：实验策略的论证逻辑

1. **实验设计逻辑**：每个实验分别回答什么问题？实验之间是什么关系（递进？并行？互补？）
2. **Baseline 选择策略**：为什么选这些 baseline？它们分别代表什么流派？
3. **Ablation 的优先级**：ablation 实验的顺序暴露了作者认为什么最重要？
4. **数据集选择逻辑**：为什么选这些数据集？它们分别测试什么能力？

## Layer 5：叙事结构的说服工程

1. **Title 分析**：标题传递了什么信息？是结论、是方法、还是问题？
2. **Abstract 结构**：摘要的每一句话分别起什么作用？（背景→问题→方法→结果→意义）
3. **Introduction 的钩子**：第一段怎么吸引读者？最后一段怎么给出贡献？
4. **Figure 1 的设计**：核心图为什么这样画？它在一秒内传达了什么？
5. **行文节奏**：哪里快、哪里慢？哪里给数据、哪里讲故事？

## 输出：思维操作系统说明书

最终输出一份"思维操作系统说明书"，格式如下：

=== 作者的思维操作系统 ===

[操作系统名称]：[3-5字概括]

▎问题发现引擎

• 触发条件：[什么信号让作者注意到这个问题]
• 搜索策略：[作者用什么方式搜索问题空间]
• 验证方式：[作者怎么确认这个问题值得做]

▎问题定义编译器

• 输入：[模糊的想法/观察]
• 处理流程：[怎么把模糊变成精确]
• 输出：[一个可操作的 research question]

▎创新点生成器

• 核心算法：[作者的创新挖掘方式]
• 输入材料：[基于什么信息产生创新]
• 质量检验：[怎么判断创新点够不够好]

▎实验设计框架

• 论证结构：[实验之间的逻辑关系]
• 防御策略：[怎么应对可能的质疑]
• 亮点工程：[怎么让结果看起来 impressive]

▎叙事引擎

• 开场策略：[怎么在30秒内抓住读者]
• 节奏控制：[哪里详哪里略]
• 收尾方式：[怎么让读者记住这篇论文]

=== 迁移指令 ===

如果我要在 [我的topic] 上运用这套思维操作系统：

1. 我应该怎么发现和定义问题：
2. 我应该怎么找创新点：
3. 我应该怎么设计实验：
4. 我应该怎么写 story：
5. 我的论文标题应该是什么风格的：

---

请对以下论文执行完整的深度蒸馏：

[在此粘贴论文标题和摘要，或提供论文链接]

---

提示词 3：技术报告思维蒸馏器

专门用于提炼大厂技术报告（如 OpenAI、Google、Meta、字节等技术博客）的思维操作系统。

你是一个"技术报告思维蒸馏专家"。你的目标是让我能够从一份技术报告中提炼出作者的工程决策思维、实验设计策略和行文说服技巧，从而在面对新需求时，我能独立产出同等深度和 fancy 程度的技术报告。

请对以下技术报告执行深度蒸馏：

## 维度一：架构决策思维

1. **问题拆解方式**：作者把大问题拆成了哪几个子问题？拆解逻辑是什么？
2. **架构选择推理链**：每个核心架构决策的"为什么"是什么？
   - 为什么选这个 base model？
   - 为什么做这个修改？
   - 为什么加这个组件？
3. **工程 tricks 的层次**：哪些是核心创新？哪些是工程调优？怎么区分的？
4. **技术深度展示策略**：作者在哪里展示了技术深度？怎么做到的？

## 维度二：实验设计策略

1. **评测维度设计**：作者选了什么评测维度？为什么是这些维度？缺少了什么？
2. **Baseline 选择逻辑**：和谁比？为什么？每个 baseline 代表什么水平？
3. **Ablation 的叙事**：ablation 展示了什么优先级？先拿掉什么？后拿掉什么？
4. **数据/评测集策略**：用了公开数据还是自建数据？自建的话，怎么建的？为什么这么建？
5. **Fancy 指标设计**：除了基础指标，作者用了什么"高级"分析维度？这些维度揭示了什么洞察？

## 维度三：行文说服工程

1. **整体叙事弧线**：报告的结构是什么？（画出结构图）
2. **亮点前置策略**：最重要的结果放在哪里？为什么放在那里？
3. **对比呈现技巧**：怎么展示"我们比别人好"？表格、图、文字分别怎么用的？
4. **局限性处理**：承认了什么局限？怎么承认的？（是真诚承认还是"凡尔赛"？）
5. **视觉效果策略**：哪些图表最有冲击力？为什么？

## 维度四：基建与工具思维

1. **基建设计**：作者做了什么工具/基建？怎么做到"很难但很必要"的？
2. **工具的 fancy 程度**：怎么让一个工具看起来既有技术深度又很实用？
3. **可复现性策略**：作者怎么处理可复现性？开源了什么？没开源什么？

## 输出：技术报告思维操作系统

=== 技术报告思维操作系统 ===

▎问题拆解引擎

• 标准拆解模板：[作者是怎么把需求变成技术方案的]
• 子问题优先级排序：[先做什么后做什么]

▎架构设计决策树

• 决策节点1：[什么条件下选方案A vs 方案B]
• 决策节点2：[...]
• 决策节点3：[...]

▎实验设计配方

• 必做实验清单：[不管什么topic都应该做的实验]
• 加分实验清单：[做了会让报告更impressive的实验]
• Fancy指标库：[可以复用的高级分析维度]

▎行文模板

• 开头段：[怎么写]
• 方法段：[怎么写]
• 实验段：[怎么写]
• 讨论段：[怎么写]
• 结尾段：[怎么写]

▎基建设计指南

• 什么级别的基建值得做
• 怎么让基建看起来fancy且有深度
• 怎么评估基建的投入产出比

=== 迁移指令 ===

如果我要写一份关于 [我的topic] 的技术报告：

1. 我应该怎么拆解问题：
2. 我应该设计什么架构：
3. 我应该做什么实验（列出具体清单）：
4. 我应该怎么画 Figure 1：
5. 我的技术报告标题应该是什么：
6. 我的基建/工具应该做什么：

---

请对以下技术报告执行完整的深度蒸馏：

[在此粘贴技术报告内容或链接]

---

提示词 4：批量材料思维蒸馏器

适用于从多份材料中提炼共通的思维操作系统。可以同时喂入多篇论文、多个技术报告、或多种类型的材料。

你是一个"批量思维蒸馏专家"。我会给你多份材料，你的任务是从中提炼出共通的思维操作系统——让我能够"变成这些作者"来思考和行动。

## 第一步：逐个快速拆解

对每份材料，用以下格式快速拆解（每份不超过100字）：

材料 [编号]：[标题]

• 问题：[一句话]
• 方法：[一句话]
• 关键产出：[一句话]
• 思维特点：[和常规做法最大的不同是什么]

## 第二步：交叉对比

1. 这些材料定义问题的方式有什么共通的模式？
2. 这些材料找创新点的方式有什么共通的模式？
3. 这些材料做实验/验证的方式有什么共通的模式？
4. 这些材料讲故事的策略有什么共通的模式？

## 第三步：提炼统一思维操作系统

从所有材料中提炼出一个统一的思维操作系统：

=== 统一思维操作系统 ===

系统名称：[概括] 适用范围：[什么类型的问题/场景]

▎问题发现引擎 共通模式：[这些作者发现问题的共同方式] 具体操作：[步骤1 → 步骤2 → 步骤3]

▎问题定义编译器 共通模式：[这些作者定义问题的共同方式] 具体操作：[步骤1 → 步骤2 → 步骤3]

▎创新挖掘算法 共通模式：[这些作者找创新点的共同方式] 具体操作：[步骤1 → 步骤2 → 步骤3]

▎验证/实验框架 共通模式：[这些作者验证想法的共同方式] 具体操作：[步骤1 → 步骤2 → 步骤3]

▎叙事/说服引擎 共通模式：[这些作者讲故事的共同方式] 具体操作：[步骤1 → 步骤2 → 步骤3]

## 第四步：生成行动指令

给我一份可以直接执行的行动清单：

1. **如果我要在 [新topic] 上用这套操作系统写论文/技术报告/文案：**
   - 第一步：[具体做什么]
   - 第二步：[具体做什么]
   - 第三步：[具体做什么]
   - 第四步：[具体做什么]
   - 第五步：[具体做什么]

2. **关键决策点：**
   - 在 [什么节点] 应该做 [什么决策]
   - 在 [什么节点] 应该做 [什么决策]

3. **质量检查清单：**
   - [ ] 检查项1
   - [ ] 检查项2
   - [ ] 检查项3
   - [ ] 检查项4
   - [ ] 检查项5

---

请对以下材料执行批量蒸馏：

[在此粘贴材料1]

---

[在此粘贴材料2]

---

[在此粘贴材料3]

---

提示词 5：写作风格+思维蒸馏器（自媒体/公文/文案）

适用于提炼任何写作材料的"行文操作系统"——不只是思维模式，还包括写作风格、节奏、用词习惯、结构套路。

你是一个"写作思维+风格蒸馏专家"。我会给你一份写作材料（可能是自媒体文章、公文、商业文案、公众号文章等），你的任务是提炼出作者的"写作操作系统"，让我能够用同样的风格和思维写出新内容。

## 第一层：思维模式提炼

1. **作者的核心思考框架是什么？** （是用什么逻辑在组织内容的？）
2. **作者怎么吸引注意力？** （开头用什么技巧？标题怎么设计的？）
3. **作者怎么维持注意力？** （中间怎么保持节奏？用什么方式过渡？）
4. **作者怎么收尾？** （结尾的作用是什么？号召行动？情感共鸣？留悬念？）

## 第二层：写作风格提炼

1. **语气/调性**：正式/随意/专业/亲和/犀利/温和？具体怎么实现的？
2. **用词特征**：有什么高频词或特殊用词？句式有什么特点？（长句还是短句？排比还是散句？）
3. **段落结构**：每段多长？段内逻辑是什么？（总分？递进？转折？）
4. **视觉节奏**：怎么用加粗、列表、引用、分割线等排版元素？
5. **情感曲线**：整篇文章的情绪走势是什么？（平稳？起伏？先抑后扬？）

## 第三层：结构模板提炼

把这篇文章的结构提炼成一个可复用的模板：

标题风格：[怎么起标题] 开头（第1-2段）：[什么功能，怎么写] 过渡段：[怎么从开头过渡到正文] 正文部分1：[什么功能，怎么写] 正文部分2：[什么功能，怎么写] 正文部分3：[什么功能，怎么写] 收尾段：[什么功能，怎么写] CTA/结尾：[什么功能，怎么写]

## 第四层：输出写作操作系统

=== 写作操作系统 ===

▎选题引擎

• 选题标准：[什么话题值得写]
• 切入角度：[从什么角度切入]

▎标题设计

• 标题公式：[标题的结构规律]
• 示例：[给出3个可以用同样公式生成的新标题]

▎开头模板

• 开头策略：[用什么方式开头]
• 具体写法：[描述具体的开头结构]

▎正文展开

• 展开策略：[用什么逻辑展开]
• 段落模板：[每段的标准结构]

▎收尾策略

• 收尾方式：[用什么方式收尾]
• CTA设计：[怎么引导读者行动]

▎风格参数

• 语气：[具体描述]
• 句式偏好：[具体描述]
• 用词偏好：[具体描述]
• 排版偏好：[具体描述]

=== 迁移产出 ===

用这套写作操作系统，帮我为以下新主题写一份同等风格的内容：

主题：[在此填入你的主题] 要求：[在此填入字数、格式等要求]

---

请对以下材料执行完整的写作操作系统蒸馏：

[在此粘贴材料内容]

---

提示词 6：即时实战——"变成他，开始行动"

这是最直接的提示词。给它材料，它会直接让你"变成作者"，并给出在新 topic 上的完整行动方案。

我会给你一份材料。请你完成以下任务：

## 任务一：提炼思维操作系统

从这份材料中提炼出作者的思维操作系统——不是总结内容，而是回答"作者是怎么想的"。输出格式：

思维操作系统：[名称]

1. 作者怎么发现问题的：[...]
2. 作者怎么定义问题的：[...]
3. 作者怎么找创新点的：[...]
4. 作者怎么验证想法的：[...]
5. 作者怎么讲故事的：[...]
6. 作者做技术/执行决策的思维链：[...]

## 任务二：生成模仿指令

假设我现在要用这套思维操作系统来处理一个新 topic。我需要你：

1. **列出行动项清单**（具体的、可执行的步骤）：
   - [ ] 行动项1：[具体做什么，用什么工具，预期产出什么]
   - [ ] 行动项2：[...]
   - [ ] 行动项3：[...]
   - [ ] 行动项4：[...]
   - [ ] 行动项5：[...]

2. **给出结果模板**（我按照这个模板产出，就能达到原作者的深度和广度）：

标题：[应该是什么风格] 第一部分：[应该写什么，怎么写] 第二部分：[应该写什么，怎么写] 第三部分：[应该写什么，怎么写] 第四部分：[应该写什么，怎么写] 第五部分：[应该写什么，怎么写]

3. **给出关键决策点**（在做这个项目的过程中，我需要在哪些节点做什么决策）：
- 决策点1：[什么时候，选什么，为什么]
- 决策点2：[...]
- 决策点3：[...]

## 任务三：模拟对话

假设我就是原作者，请用第一人称帮我想象：
- "我看到 [某个现象/需求] 的时候，第一反应是..."
- "我选择这个方向是因为..."
- "我遇到最大的困难是...，我通过...解决了"
- "如果让我重来一次，我会..."

---

我的新 topic 是：[在此描述你的新 topic/需求]

请蒸馏的材料是：

[在此粘贴材料内容]

---

提示词 7：实验设计思维蒸馏器

专门用于提炼论文/技术报告中的实验设计逻辑——怎么想到 benchmark、怎么把不可量化变可量化、怎么设计对照组。

你是一个"实验设计思维蒸馏专家"。我会给你一篇论文或技术报告，你的任务是提炼出作者的实验设计思维操作系统——让我能够在新项目上独立设计同等水平的实验。

请对以下材料执行深度蒸馏：

## 第一层：核心主张的量化拆解

1. **核心主张**：作者的核心 claim 是什么？（一句话）
2. **量化转换**：这个 claim 中的"更好/更强/更有效"是怎么被转成具体数字的？
   - 原始表述：[作者原话]
   - 量化表述：[用什么指标，在什么数据上，和谁比]
3. **指标选择逻辑**：为什么选这个指标而不是别的？这个指标的"盲区"是什么？

## 第二层：Benchmark 设计思维

1. **Benchmark 来源**：用了现有 benchmark 还是自己造的？
2. **如果用了现有 benchmark**：
   - 为什么选这些 benchmark？它们分别测什么能力？
   - 这些 benchmark 的盲区是什么？作者怎么弥补的？
3. **如果自己造了 benchmark**：
   - 怎么发现现有 benchmark 不够用的？
   - 数据怎么构造的？（人工/采集/合成）
   - 怎么验证新 benchmark 本身的质量的？
4. **难度梯度设计**：有没有从简单到困难的层次？怎么设计的？
5. **评测协议**：怎么定义"答对了"？完全匹配？部分匹配？人工评判？

## 第三层：实验论证结构

把每个实验画成论证图：

实验1：

• 回答的问题：[...]
• 核心发现：[...]
• 在论证链中的作用：[基础有效性 / SOTA对比 / 消融 / 泛化 / 分析]

实验2：

• 回答的问题：[...]
• 核心发现：[...]
• 在论证链中的作用：[...]

...（列出所有实验）

然后回答：
1. 实验之间是什么关系？（递进/并行/防御）
2. 如果删掉某个实验，论证链哪里会断裂？
3. 作者预判了什么质疑？用哪个实验来防御的？

## 第四层：Baseline 选择逻辑

对每个 baseline，回答：
1. 这个 baseline 代表什么方法/流派？
2. 为什么必须和它比？（不比会怎样？）
3. 对比条件公平吗？（同数据量、同计算量、同设置？）
4. 有没有故意不比的？为什么不比？

## 第五层：Ablation 思维

1. Ablation 的顺序是什么？先拿掉什么？
2. 这个顺序暴露了作者认为什么组件最重要？
3. 每个 ablation 实验分别回答什么问题？
4. 有没有"负向ablation"（拿掉某个组件反而变好了）？作者怎么解释的？

## 输出：实验设计思维操作系统

=== 实验设计思维操作系统 ===

▎主张量化引擎 标准流程：[怎么把"我觉得X"变成"数据显示X"] 量化公式：[主张 → 指标 → 数据集 → baseline → 预期数字] 反例检查：[怎么证明不是"碰巧"而是"真的有效"]

▎Benchmark 设计配方 发现盲区的方法：[...] 数据构造策略：[...] 质量验证方法：[...] 难度梯度设计：[...]

▎实验论证框架 必做实验清单：[不管什么topic都应该做的实验] 加分实验清单：[做了会让论文更impressive的实验] 防御实验清单：[预判质疑后需要做的实验]

▎Baseline 选择策略 必须比的baseline：[代表什么流派] 加分比的baseline：[展示什么优势] 不需要比的：[为什么不需要]

▎Ablation 设计策略 组件优先级排序方法：[...] 每个ablation的论证目标：[...]

=== 迁移指令 ===

如果我要在 [我的topic] 上设计实验：

1. 我的核心主张是：[...]
2. 我的主张量化后是：[用X指标，在Y数据集上，和Z比，高W个百分点]
3. 我需要的 benchmark 是：[现有A + 自建B，因为...]
4. 我的实验论证图是：[实验1→实验2→实验3→...]
5. 我的 baseline 清单是：[...]
6. 我的 ablation 计划是：[先拿掉X，再拿掉Y，最后拿掉Z]

---

请对以下材料执行完整的实验设计蒸馏：

[在此粘贴论文/技术报告内容]

---

使用指南

你想做什么	用哪个提示词	输入	产出
快速提炼任何材料的思维模式	提示词 1（万能版）	任意材料	思维模式卡片 + 迁移建议
深度提炼学术论文	提示词 2（论文版）	论文标题+摘要	完整思维操作系统说明书
深度提炼技术报告	提示词 3（技术报告版）	技术报告内容	技术报告思维OS + 实验配方
从多份材料提炼共性	提示词 4（批量版）	多份材料	统一思维OS + 行动清单
提炼写作风格和行文套路	提示词 5（写作版）	任意写作材料	写作操作系统 + 风格模板
直接开始行动	提示词 6（实战版）	材料 + 你的新topic	行动项 + 结果模板 + 决策点
提炼实验设计和 benchmark 思维	提示词 7（实验版）	论文/技术报告	实验设计OS + Benchmark配方
扩展概念词汇库、生成对立面	提示词 8（概念对立面）	任意概念/陈述	隐藏假设 + 对立面 + 深度问题
跨学科嫁接、产生新视角	提示词 9（跨学科嫁接）	问题/现象	3-5个学科概念 + 深度问题
自动挖掘隐藏假设	提示词 10（假设挖掘器）	论述/摘要/结论	3-5个隐藏假设 + 深度研究问题

提示词 8-10 已嵌入在「二.五」章节正文中，可直接从正文中复制使用。 提示词 11-12（Idea 生成器 / Idea 验证器）已嵌入在「二.六」章节正文中，可直接从正文中复制使用。