各种类型的Figures 大模型都能精确解读：不仅包括开头段落的实验意图，中间段落的详细数据分析，还是结尾部分的总结性陈述，都非常精准。写论文都免不了要分析图表，有的是描述性的，比如“人群特征”，有的柱状图、线图等统计软件出图，是分析性的。应一位学员的提问 “娜姐，能不能用AI帮我们解读表格或图片，帮我们撰写研究方法或结果的对应部分？我是娜姐 @迪娜学姐 ，一个SCI医学期刊编辑，探索用AI工具提

讨论部分难写在，不仅要“叙”-概括自己的结果，更重要的是“议”-把自己的结果和已知文献结论进行对比，体现你对文献的归纳总结、对实验结果的分析解释以及对研究领域理解的广度和深度。但是，相比之前的1.0版本，有了AI的初稿，可以帮我们节省6-70%的工作量。总的来说，除了第二步需要自己根据AI给出的初稿进一步加工，让讨论部分更深入全面，第一步和第三步现在的大模型在升级版提示词提示下，完成的更好了。AI

比如，写明您是一名申请美国心脏协会的博士后研究员，并希望获得关于您的文本与目标的对齐程度的反馈，可以帮助LLM提供更好和更恰当的评论和调整。生成性人工智能工具并不限于文本和单词。像人工智能一样，你可以在和它的互动中提升自己的写作，监督自己的“强化学习”。最终，你的资助申请必须反映你作为研究人员的身份——使用你自己的语言来描述，你的科学想法、你的初步数据和你独特的方法。实际上，所有公开可用的 AI

在进行数据分析的时候，通常有一个场景：我有一批数据，但是不知道该怎么分析，才能找到写论文的突破口和角度。因为目前的o1版本还不能上传附件，你可以将数据直接粘贴在对话框进行上传，同时告诉ChatGPT这一批数据都是这个格式，总计1万条。o1在回复的时候首先思考了28秒，以下是它的思考过程（它是真的在模拟人类大脑系统2的慢思考！这不，ChatGPT的最先进模型o1-preview和o1-mini版本最

这款工具之前娜姐介绍过，它支持结构化总结网页内容，还可以对总结的网页内容继续提问，并内置了很多常用语提示词。因为，每次还要专门切换到它的网址上传文档，而且，不能中文总结，总是没有那么直观。作为海量文献世界的效率神器，这两款插件还是很不错的，赶紧用起来吧。ChatGPT刚出来的时候，几款速读PDF的AI工具ChatDoc、ChatPDF也跟着火了起来，可见大家对于速读文献、总结文档需求很高。而且，这

根据官方介绍，ChatGPT o1和o1 pro用的底层模型是相同的，只是200美金每月的o1 pro在回答问题时调用了更多算力。可以看出，在提示词的push下，o1开足算力进行了深度思考，回复的质量和深度大大提升：每一个解释，不仅有案例展示，还有原因推测。在加强版提示词的push下，o1的回答更有学术研究风格，有对理论、名词的定义和解释，而传统o1更像是浅显的科普文。提出现有解释和假设--一致的

在娜姐的《AI辅助课题标书的撰写》课程里，有一节是让AI充当评审专家，对标书初稿进行预评审，提出问题和改进意见，方便我们查漏补缺，进一步全面打磨和提升标书质量。总结一下，o3-mini好像是OpenAI在DeepSeek的冲击下，上线的一个模型：一方面对于DeepSeek的深度思考算法很认可，一方面对于DeepSeek的开源白菜价很焦虑。现在o3-mini声称是o1的升级版，我们也来测试对比一下，

识别与警惕： 研究的文本分析发现，那些强制引用的审稿人，在提出要求时更喜欢用 “need”（需要）和“please”（请） 这样的词，看似客气，实则传达的是“你必须引用”的潜台词。原来喜欢用“might”、“suggest”的是温柔好说话的审稿人，喜欢说“need”、“please”的是更强硬做派的。eLife 最近的一篇研究，通过对四大期刊、超过37000份审稿意见的分析，用数据实锤了学术圈里一

但是输出效果不稳定，同一篇文章，有时候能查出来很多问题，有时候几乎全忽略。一般来说，发勘误/更正，没够上撤稿的严重程度，都是文章的一些小错误造成的。论文到Proof阶段，作者都已经收到接收函了，文章也被反复修改过多次，作者自己很难再发现问题。3 作者姓名、单位等标识信息：说大不大，但一旦弄错，在毕业、职级晋升等时候，就不能算工作量证明。总之，最后是换了一个思路，巧妙都解决了。2 Figures图片

大模型有一个节省token的倾向，GPT-5 thinking最长是20w上下文，但是在输出的时候它并不会按照最长的限度来输出，而是倾向于偷懒；AI虽然有世界知识，但是它有的是预训练的旧知识，某一个领域的最新进展它是不知道的。需要经过主题分析，判断哪些领域过热，哪些领域是新兴领域有机会，进而得到有潜力的选题。好的选题点不仅新颖性强，可操作性高，既能引起编辑和审稿人的喜爱，整个过程实现起来也不难，可