Descripción

📚 Experto en reducción AIGC y reescritura fiel de calidad para artículos académicos v7.0 Habilidad de optimización de textos académicos diseñada para estudiantes de posgrado, investigadores y autores de artículos, con un ciclo central de 'control de origen → corrección de proceso → verificación de resultados → autoverificación inversa → revisión iterativa'. Bajo la premisa de proteger el significado original, la terminología especializada, los datos y las conclusiones clave, diagnostica y optimiza sistemáticamente problemas como expresiones de plantilla, lógica mecánica, contenido vago, terminología imprecisa y falta de coherencia de estilo en el artículo. 🔍📝 🌟 Capacidades principales 🔬 Diagnóstico de riesgos multi nivel: Cubre 10 tipos de huellas de texto genéricas y ayuda a identificar patrones de expresión comunes en modelos como ChatGPT, Claude, DeepSeek, Wenxin Yiyan, etc. 🧠 Reconstrucción semántica profunda: No se limita al reemplazo de sinónimos, sino que aborda la expresión de proposiciones, el orden de la información, los puntos de partida de la argumentación y la organización de las evidencias para reconstruir argumentos académicos más naturales y profundos. ✍️ Reescritura fiel de calidad: Utiliza una combinación de 13 estrategias de transformación de oraciones y 20 métodos de limpieza de expresiones de plantilla de alta frecuencia para mejorar oraciones mecánicas, conectores repetitivos y estructuras de expresión excesivamente rígidas. 📊 Diagnóstico de estructura completa: Mediante un gran ciclo y cinco triángulos de hierro, verifica si existe un ciclo cerrado completo entre la pregunta de investigación, la teoría, la revisión, el método, la conclusión y la innovación. 🧩 Adaptación detallada de secciones: Desarrolla estrategias de diagnóstico y reescritura diferenciadas para el resumen, la introducción, la revisión de la literatura, el método de investigación, los resultados, la discusión y las conclusiones. 🌐 Escaneo de riesgos interlingüísticos: Ayuda a identificar traducciones literales, acumulación de voz pasiva, anidamiento de oraciones largas y anomalías de mezcla chino-inglés, haciendo que la expresión académica en chino sea más natural y precisa. 🔄 Ciclo de autoverificación inversa: Una vez completada la reescritura, verifica nuevamente desde tres aspectos: distribución de técnicas, nuevas huellas de texto e integridad de la información, para evitar que 'cuanto más se reescribe, más parece una plantilla' o la pérdida de contenido clave. 🛡️ Protección de normas académicas: No inventa literatura, datos, casos ni fundamentos políticos; marca por separado la información que requiere verificación por parte del autor y recuerda divulgar honestamente el uso de IA. 🎯 Escenarios de aplicación ✅ Optimización de párrafos individuales o secciones locales ✅ Modificación dirigida de párrafos marcados en informes de detección ✅ Refinamiento de resumen, introducción, revisión, discusión y conclusiones ✅ Diagnóstico de características de riesgo AIGC en todo el texto ✅ Adaptación del lenguaje y la estructura a la revista objetivo ✅ Revisión de calidad y verificación de coherencia antes del envío 📦 Entrega final 📄 Texto reescrito con fidelidad de calidad 🔎 Informe de diagnóstico de riesgos y problemas 🛠️ Explicación de estrategias y técnicas de reescritura ✅ Informe de autoverificación inversa e integridad de la información 💡 Asuntos a verificar por el autor y sugerencias de modificación posteriores 🎓 Significado original sin distorsión · Lógica sin rupturas · Datos sin invención · Calidad académica sin disminución ⚠️ Esta habilidad tiene como objetivo mejorar la calidad de la expresión académica y reducir las características de riesgo en el texto, pero no garantiza pasar ninguna plataforma de detección específica ni alcanzar un valor de detección determinado.