《娜璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座，并分享给大家，希望您喜欢。由于作者的英文水平和学术能力不高，需要不断提升，所以还请大家批评指正，非常欢迎大家给我留言评论，学术路上期待与您前行，加油。
前一篇带来李沐老师对论文写作和科学研究的分享，介绍如何讲一个故事，能让读者信我讲的东西（讲好论文的卖点），怎么样提出我的论点和论据来支撑我要讲的故事。这篇文章将详细讲解怎么样支撑你的论点，包括怎么准备我们的理由和论据，承认、回应以及保证。本书包括两个核心问题，一是So What研究动机在哪；二是Why should I believe that?证明你故事的论点和论据，使人信服。基础性文章，希望对您有所帮助。一方面自己英文太差，只能通过最土的办法慢慢提升，另一方在面是自己的个人学习笔记，并分享出来希望大家批评和指正。这些大佬是真的值得我们去学习，献上小弟的膝盖~fighting！
参考李沐老师github和原视频地址，感谢、感恩和推荐大家阅读：
- https://github.com/mli/paper-reading/
- https://www.bilibili.com/video/BV1SB4y1a75c
- “爱喝水的崩奔”老师的笔记：https://www.bilibili.com/h5/note-app/view?cvid=17695445
文章目录
- 前文回顾
- 第9章 Assembling Reasons and Evidence
- 1.Using reasons to plan your argument
- 2.Distinguishing evidence from reasons
- 3.Distinguishing evidence from reports of it
- 4.Evaluating your evidence
- 第10章 Acknowledgments and Responses
- 1.Questioning your argument as your readers
- 2.Deciding what to acknowledge
- 3.Framing your responses as subordinate arguments
- 4.The vocabulary of acknowledgment and response
- 第11章 Warrants
- 总结及个人感受
前文赏析：
- [论文阅读] (01)拿什么来拯救我的拖延症？初学者如何提升编程兴趣及LATEX入门详解
- [论文阅读] (02)SP2019-Neural Cleanse: Identifying and Mitigating Backdoor Attacks in DNN
- [论文阅读] (03)清华张超老师 – GreyOne: Discover Vulnerabilities with Data Flow Sensitive Fuzzing
- [论文阅读] (04)人工智能真的安全吗？浙大团队外滩大会分享AI对抗样本技术
- [论文阅读] (05)NLP知识总结及NLP论文撰写之道——Pvop老师
- [论文阅读] (06)万字详解什么是生成对抗网络GAN？经典论文及案例普及
- [论文阅读] (07)RAID2020 Cyber Threat Intelligence Modeling Based on Heterogeneous GCN
- [论文阅读] (08)NDSS2020 UNICORN: Runtime Provenance-Based Detector for Advanced Persistent Threats
- [论文阅读] (09)S&P2019 HOLMES Real-time APT Detection through Correlation of Suspicious Information Flow
- [论文阅读] (10)基于溯源图的APT攻击检测安全顶会总结
- [论文阅读] (11)ACE算法和暗通道先验图像去雾算法（Rizzi | 何恺明老师）
- [论文阅读] (12)英文论文引言introduction如何撰写及精句摘抄——以入侵检测系统(IDS)为例
- [论文阅读] (13)英文论文模型设计（Model Design）如何撰写及精句摘抄——以入侵检测系统(IDS)为例
- [论文阅读] (14)英文论文实验评估（Evaluation）如何撰写及精句摘抄（上）——以入侵检测系统(IDS)为例
- [论文阅读] (15)英文SCI论文审稿意见及应对策略学习笔记总结
- [论文阅读] (16)Powershell恶意代码检测论文总结及抽象语法树（AST）提取
- [论文阅读] (17)CCS2019 针对PowerShell脚本的轻量级去混淆和语义感知攻击检测
- [论文阅读] (18)英文论文Model Design和Overview如何撰写及精句摘抄——以系统AI安全顶会为例
- [论文阅读] (19)英文论文Evaluation（实验数据集、指标和环境）如何描述及精句摘抄——以系统AI安全顶会为例
- [论文阅读] (20)USENIXSec21 DeepReflect：通过二进制重构发现恶意功能（恶意代码ROI分析经典）
- [论文阅读] (21)S&P21 Survivalism: Systematic Analysis of Windows Malware Living-Off-The-Land (经典离地攻击)
- [论文阅读] (22)图神经网络及认知推理总结和普及-清华唐杰老师
- [论文阅读] (23)恶意代码作者溯源(去匿名化)经典论文阅读：二进制和源代码对比
- [论文阅读] (24)向量表征：从Word2vec和Doc2vec到Deepwalk和Graph2vec，再到Asm2vec和Log2vec（一）
- [论文阅读] (25)向量表征经典之DeepWalk：从Word2vec到DeepWalk，再到Asm2vec和Log2vec（二）
- [论文阅读] (26)基于Excel可视化分析的论文实验图表绘制总结——以电影市场为例
- [论文阅读] (27)AAAI20 Order Matters: 二进制代码相似性检测（腾讯科恩实验室）
- [论文阅读] (28)李沐老师视频学习——1.研究的艺术·跟读者建立联系
- [论文阅读] (29)李沐老师视频学习——2.研究的艺术·明白问题的重要性
- [论文阅读] (30)李沐老师视频学习——3.研究的艺术·讲好故事和论点
- [论文阅读] (31)李沐老师视频学习——4.研究的艺术·理由、论据和担保
前文回顾
回去前两部分内容：
- 写文章的时候要跟读者建立联系，因为我们写的文章最后是要给读者来读的
- 在选题的时候要选择有价值的题，读者认为这个问题是值得解决的
现在假设你的研究已经正常的展开，已经做了一半或者甚至是一大半的时候，这时候就要开始想说怎么样来讲故事，写论文了。也就是说，我选的题已经保证了读者会来读我的文章，他有兴趣来看，但最终要干的任务是要让读者信我写的东西，包括我对一个问题提出了一个新的看法，要让大家认同这个看法。或者说提出了一个新的方法，使得大家相信这个新的方法确实能解决某一个问题。
- 这篇文章的核心是讲一个故事，能让读者信我讲的东西（讲好论文的卖点），怎么样提出我的论点和论据来支撑我要讲的故事，在第四部分会讲怎么样把这个故事写下来。
如果整本书要抽出两个核心问题，其实就是这两个问题：
- So What（研究动机在哪，我们现在做的东西So What，别人care不care，Motivating Your Question）
- Why should I believe that” />第9章 Assembling Reasons and Evidence
本章将讲解怎么准备我们的理由和一些论据。
- 支撑一个论点的两种东西：原因（reason）、论据（evidence）
- 怎么样去区别这两个以及怎么样去用理由来组织你的这个论述
- 怎么样去评价你的这些论据的一个好坏
读者是怎么样去看理由和论证：
- 读者首先会去看我们论述的核心：论点和它的一些支撑的论据
- 对于支撑来说，读者会先去看我们提过的那一些理由，然后去看一下它是不是有道理；如果理由靠谱的话，读者会去看它的整个逻辑（多条理由），然后把它排好序，读者会顺着这个思路往下看，看看这个逻辑是不是过得去。
- 如果这些理由看上去还不错的话，那么接下来会去看论据，论据是整个论述的一个基石，论据理应是不容质疑的，但是如果读者不相信你论据的话，那么他也就不会相信我们的理由，从而不相信你的论点。
核心是说：我们有一个论点，然后通过理由能够架在我们的论据上面。我们的论据是要站得住脚的，理由是能够撑住你的论点，如果中间任何一个部分没有做好的话，那么导致我们的论点是支撑不起来，从而导致大家不会信你。
简单总结，如果要去收集整个论述，首先应该给读者提供一些合理的理由；然后这些理由需要在一个清晰且有逻辑的顺序之下；最后所有这些理由必须要是基于论据的，而且读者是可以接受这些论据的。因此，整章会讲怎么样去安排你这些合理的理由及顺序。
1.Using reasons to plan your argument
本节讲解怎么样用理由来计划整个论述。需要注意两点：
- 得找到一些合适且说得过去的理由
- 要对这些理由排序
然而，整本书并没有讲怎么找理由和排序。因为整本书比较通用，如果你能具体缩放到某一个小领域，也许作者能举出大量的例子，而且要讲逻辑的篇幅比较长。所以，作者假设大家能想到一些理由且能够进行有效排序的。
作者给出的通用方法：
- 一开始的是对我们论点的介绍，然后引出我们的论点，最后是结论（对我们论点的肯定或者是对论点的升华）。
- 从引出论点就第一句话跳到结尾的最后一句话的话，中间需要提过很多的理由，每个理由可以直接支撑论点，也可以支撑上一个理由。如果是树状结构的理由，需要把它变成序列，可以用深度优先搜索或宽度优先搜索实现。对每一个理由，我们要提供论据来支撑这个理由。
接着，在构思的时候要怎么办：
- 在每一个方块里面，写上论点、写上理由、写上论据，然后你不用去管具体是怎么写，不要写得特别完整的一句话，只是把一些要点写在这个地方。
- 如果把它写出来之后，可以对着它来去仔细的去看论点是不是有漏洞，然后从读者的角度来想说，是不是有什么虚的地方是可以被攻击的；或者说可以把整个这个故事给同学给老师看一看，让大家也用挑剔的目光来看一看，这个东西是不是充分，想清楚背后的故事（骨架）并用上图的形式写下来，所有的东西都摆在桌面上，更加容易看清论文，而不是说你就在脑海中有一个想法，写下来的时候会发现一些漏洞。
在写作的时候，如果那个同学写的质量没那么好，我们通常会要求同学们把整个故事的骨架写下来，这样子的话可以叫有经验的同学过来一起来看。因为对整个这样子骨架去看、去发表评论的时候，远远的好于最后看到已经成稿的文章了，因为成稿的文章，可能会关心这个句子怎么写，这个句子有没联通，你得在写作上下功夫。在这个地方，主要还是关心整个故事的逻辑，这个东西一定要想清楚的，故事的逻辑是不可能通过后面的写作来弥补的，所以大家可以花多点时间在怎么样构思故事上。
2.Distinguishing evidence from reasons
怎么样去区分论据和理由。
这个东西你可能会觉得不是很明显，因为你写作的时候知道理由和论据。但问题在于，不是你决定什么是理由、什么是论据，而是读者来决定。读者在读你的话的时候去判断，这个是你的理由，这个是你的论据，所以存在一种可能——一句话你可能认为是你的论据，但是读者读下来可能觉得它好像没有落到一个很坚硬的基石上，觉得像是一个飘在空中的理由，所以你需要把你整个论据写得非常脚踏实地。
- 举例：理由、参考文献
3.Distinguishing evidence from reports of it
对一个证据通常我们不是真正的把这个证据拿出来，而是用的是这个证据的一个报道。因为我们写的是文章，不可能证据真的放在你文章里面，所以你的文章只是对一个证据的描述。因此，需要确定对证据描述的本身是可以值得信赖的。
可能会出现的问题：
- 证据比如说数据可能是来自于别人的工作，在别人的工作里面，他用他的证据也是用来支撑自己的一个论点。所以，在别人工作里面，这些数字已经把它换了个形式，能够更好得支撑他的一个需求。所以在搬过来的时候要知道，前面的工作其实已经为了他的一个需求做过一次改动了，所以他也不真正的是一个很原始的一个面貌。
- 把数据搬过来的时候，同样要把整个数据变成一个更适合支撑论点的形式。比如在画图的时候，你可能画他不同的方面，以及用不同的画法能展现出他的区别。
因此，在这个地方是要比较小心的，不能给读者一个对证据做过一些主观上改动的印象。而是说，要给读者整个证据是一个比较客观的描述印象。
同样的道理，你在读文章的时候，你看到别人已经用了前面工作的一些数字，你也同样会去思考说这些数字是否真实，或者如果你读过前面文章的话，你再读的时候就要去看它引用的这些数字是不是够准确。当然具体的方法我们在后面会给大家讲解。
综上，在文章中间所用的证据其实只是对一个证据的描述，所以要确保两件事情：
- 第一：证据的本身是能站得住脚的
- 第二：对证据的描述是客观的
4.Evaluating your evidence
怎么评估论据的好坏。作者给了一个日常生活的例子来说明。
- too small
一个好的证据必须是准确的、精确的、足够的、有代表性的和权威的。
- accurate、precise、sufficient、representative、authoritative
(1) Report Evidence Accurately
必须要很准确地来报告证据，作为证据来讲一般来自于两种可能性：- 自己收集而来（比如说做实验采集到了证据）
- 来自于前面人的一个工作
此外，不管是哪一种都要很准确地报告你的数据怎么来的。对第一种来讲，要说整个实验是怎么做的，流程是什么样子，然后这数据是怎么样采集的，这需要我们能够准确的描述这个流程，而且大家是认可我们的这个方法的；如果论据是来自于别人方法的话，那么把证据从别人的报告搬到我们这里来的时候，要足够准确，至少是ctrl C + ctrl V过来的，不要把一些数字搞错了。
你可能会觉得这不是很显然的事情吗？其实很多时候没那么简单，比如：前段时间我们（李老师）投出去一篇文章，投过去之后，审稿人的意见是说你比较了方法A，你说方法A的精度是某一个，但是我记得方法A在原始论文中的精度要比这个高很多，你是不是故事把A的精度放低了。但实际上也并不是，只是说我们在做实验的时候，把实验的设置改了，使得它变得更难，因此所有人的精度都在往下掉。虽然文章里面有写这个参数是什么，但是并没有特别指出来，我们跟前面的参数是不一致的，所以导致大家都会下降。读者可能会觉得和原文不一致，整个实验都不可信。
——所以这个地方我们需要非常小心，怎么样客观地把别人的证据搬过来。(2) Be Appropriately Precise
我们要有合理的精度。前面是讲你在整个搬证据的过程中，在报告它的时候要比较准确，对证据本身要足够的精确。所谓的精确，就是不要使用这种很模棱两可的词，而要使用一些比较精确的语言。
- 所谓的模棱两可的词就包括 some、most、many、almost、often、usually、frequently、generally，这都是一些比较模糊的词，我们要尽量得避免它。
实际使用上在写论文的过程中，不仅仅是对论据本身，李老师觉得大家都尽量不要使用这些词，要么把这些词删掉，要么把它替换成更准确的单词。比如说some或many、several单词，你在英语里面如果想用它的话，通常你是要用名词的复数形式，你用了名词复数形式，其实意味着已经比一个多了，在你没有更好的量化情况下，可以删掉这些some。
但是更准确的是，到底是10个、100个还是多少个，比如说frequently你说到底有多常见，generally到底有多generally，所以最好你能准确说出来。当然也要有合适的精度。(3) Provide Sufficient, Representative Evidence
证据要是充分和代表性的。
(4) Consider the Weight of Authority
证据的权威性。 数据来源最好是发表在跟你论文同档次或更高档次的地方，或者这些文章的作者比你更加权威。- 你的证据从哪里来的。你引用文章的质量也多少能反映你自己文章的质量，假设你要去投最好的会议，你最好引用的（特别是你的证据）不要比你发表差很多的会议的文章，因为你的读者可能会不那么信。
- 作者举例：你最好不要用Wikipedia上的数据，因为Wikipedia是大家都可以写的一个百科，在大体上是正确的，但它没有经过同行审议，所以很难保证它每个点都正确。
本章总结
- 对于论点怎么样用理由和论据来支撑；
- 理由通常有多个而且是要合理的，而且需要用合适的顺序把它组织起来；
- 证据是要需要强有力的而且是读者要认可的，包括你的报告是准确的；
- 然后这数据的精度是合适的，全面的有代表性的以及是权威的。
第10章 Acknowledgments and Responses
承认和回应。 你可以用我们之前讲过的理由和论据，但是不管你加多少理由和论据，读者在读的时候总会有一些别的想法，毕竟我们论文的读者必须是带有批判性的眼光来看待你的论文，不然他们去哪里找研究问题呢？所以，对于这种情况我们怎么办？写论文更多是跟读者一起合作去探索某一个问题，为了使交互的体验更好，需要去回应读者心中的那些不同看法。
总之，在写文章的时候要去预测、承认、回应这些读者在读你文章过程中间产生出来的一些问题、反对意见和一些另外的解决方法。
You can do it throughout your argument as well by anticipating, acknowledging, and responding to questions, objections, and alternatives that your readers are likely to raise along the way.
该部分的难点是说，我们的写作是一个假想的对话，我们并不知道读者在真的看到我们这么写的时候的反馈，所以在这个情况下，我们需要去想象读者的情况和我们要怎么样回应。
在本章节作者会告诉我们，可以从两个方法来想象读者可能会怎么样提供一些不一样的看法，然后也告诉大家怎么样去承认和回复这样子的看法。读者通常有两种方法去挑战我们说的东西：
- 内在的完备性（intrinsic soundness）。也就是说他们会挑战论点是不是讲得很清楚，然后理由是不是相关的，以及说论据的质量是怎么样的。
- 外部的完备性（extrinsic soundness）。包括是不是有一个别的方法来重新来讲我们的问题，或者是说，是否有一些我们自己没有注意到论据，还有是说是不是有别人的工作也写过相似的一些话题，但是他们提供了不一样的意见，我们并没有引用他们。
1.Questioning your argument as your readers
首先，作者说这是一个很难的事情。比如你已经花了很多时间去想象你的各种理由，各种证据的好坏，如果读者还是有一些不一样的问题的话，那肯定是你没有想到的；如果你已经花了很长时间的话，那再花更多时间可能也不一定能想到。因此：
方法1：我们要去找别人来看你的论文或方案。当你把所有的理由、论据列出来之后，找别人帮忙看看。因为别人看的话，反正他也不知道你怎么想的，所以他没有先验的偏见，也许他可以提供一些不一样的看法。所以在做研究的时候，时不时找人（不管是同学、师兄师姐、师弟师妹或者是导师或者是同事）能够让他们来帮忙看一看现在有的东西也是非常有用的。
方法2：问自己不断完善。但有时候你找不到怎么办，作者给大家提供了一些问题可以去问自己，就当自己是读者，从这些方向去看，看看是不是能够找出什么漏洞出来，问题如下。
– (1) 它为什么是一个问题。 因为有时候一个问题可能不是真正存在的，只是你构造或想象出来的。
– (2) 你的问题是不是已经很好地定义了。 对一个问题的清楚定义，其实已经解决了很大一个部分。
– (3) 看看你的解决方案。 你的解决方案是实用的还是概念上的，如果解决方式是实用的话，你必须要提供一个更好的更实用的方法；如果你解决方式是概念上的，就不应该要仅仅指出这个东西存在，要提供一个不一样的看法。
– (4) 你的声明是不是太强了。 你所有的东西是不是能支撑那么强的声明，能不能想出一些反例或者局限性出来。
– (5) 为什么我们的方法要比别人的好。 通过什么的论据来证明比别人好，或为什么这些概念上的一个新的看法比别人要好。
上面是关于你的解决方案，也就是你的论点。接下来看看我们的这些原因和论据。
- 能不能提供一些别的种类的论据。比如有很多数字但可能希望一些关于真实案例的情况，或者说只有一些真实的案例但是并没有统计上的一些数字。
- 所有的论据可以去看它的一个质量（是否准确、精度是不是高、是不是有代表性、是不是权威的）
- 最难的是说需要更多的证据。技术文章投稿后，基本上十有八九你的评审人都会问：你能不能做更多的实验，能不能在这个数据集上试试，能不能在那个问题上试试，然后能不能比比这个、比比那个，他们都是要更多的证据。这也是最难的，因为每次收集证据，都是一个非常费力的事情。很多时候你只能回复说，我们真的是没有钱做不起这个实验。
我们可以用这些问题来客观的去看你现在有的所有的东西，从而发现你的论述中间薄弱的一些地方。
2.Deciding what to acknowledge
在找到论述里面的薄弱点之后，接下来要去决定我们应该把哪一些拿出来写。
- 如果你承认了太多不一样的观点的话，会导致你的文章很长，别人会觉得说你说了那么多有的没的，那么你的自己的方案在哪里；如果你承认太少，别人会觉得说你可能想地不够深入，你的置信度就没那么高，所以我们需要有一个合适的一个平衡点。
如何找到平衡，你可以按照以下优先级来选：
- 第一：论述中可能的一些弱点而且这些指控（charge）是合理的、能够反驳的
- 第二：如果你的答案是用的某一个方法，但是在整个领域里面可能还有一些别的方法的话，也可以去说别的方法是什么样子（通常出现在相关工作那一章节里面）
- 第三：提供多个解决方案，给出自己的看法，剩下的由读者选择（比如基金）
- 第四：从读者可能会知道的另外证据出发
- 第五：必须解决的一些重要的反例
所以，你可以把这些想要承认的东西划分到五类之一，然后按照优先级往下排。最后作者提了一点有意思的东西，就是说承认这些不一样的看法，可能会使得你的读者开心，但当且仅当我们没有用一个很轻蔑的态度。
- 伤害性不强，侮辱性极大 O(∩_∩)O
- “这么解决没什么意义”、“有脑的人都不会去这么想”（禁止这种描述）
此外，有时候你会发现你的论述里面其实是有漏洞的，而且你可能没有时间去改正，怎么办？
- 你可以说我假装不知道这件事情，但是这个事情很有可能是藏不住的，因为你的读者就算不比你聪明，也不会比你傻到哪里去。他如果也花相当长的时间来看你的文章，仔细想的话，他可能也会发现你这些漏洞。而且愿意花时间来看你文章的人，很有可能是你的粉丝，但是一旦发现你的漏洞并且你又没有把它说出来的话，那么很有可能就粉转黑了。
- 李老师之前写文章也碰到过这样的情况，在截稿前发现一个很大的问题，我们想说a造成了b，但实际上后来发现一个反例c，无法能够解释清楚这个原因。我们解决办法是提到了c的存在，然后说它确实造成的原因我们不是那么清楚，我们把这个东西留给了之后的工作。
PS：李老师举的实例对我们论文撰写及命中非常有帮助，因此进行颜色标注。
可能会遇到一些问题是无法回答的：
- 大家要纠正一个思想是说：我们的文章解决了某一个问题的所有，在绝大部分的情况下，我们的研究工作只是回答了一个小问题的一部分，所以肯定会漏想了一些别的部分，以及说跟这个问题更大的一些问题的东西，可能是无法回答的。
- 有时候承认自己无法回答别的问题也很正常了，大家也是这么理解的。但反过来，如果你想假装自己什么都知道，一旦被大家发现你不知道的话，你给别人留下的印象更不好。对于无知来讲，知道自己无知的无知和不知道自己无知的无知，后者当然更加无知一点，所以宁可自己做前者。
3.Framing your responses as subordinate arguments
将你的回答作为次要论点，怎么样把这个东西给写下来。
- 可以把回应当做一个主论点
- 然后用前面介绍过的理由和论据来支撑它
4.The vocabulary of acknowledgment and response
讲解各种词汇，作者用很多标准的例句告诉大家怎么样去承认与去回应一个事情。举例如下：
e.g: 把反对意见的语气更轻描淡写一些，或者你用一个非间接一点的词汇，“这个看上去好像是这样子的”，然后用一个间接词汇引出这样的意见。
对于回应也有几个模板：
- 模板1：其实你觉得别人讲错了，但你也不好说你是错的。因此你说：我也不是很理解为什么X能够声明怎么样，或者我也搞不清楚别人为什么这么做。在英语写作里面，我没有搞懂你的意思，其实这样的语气意味着你写错了的意思。
- 模板2：你说别人的方法没有解决更大的一些问题。
- 模板3：你更强硬地反驳说这里面有什么问题，这个东西忽略了什么，或者在什么地方是不实际的。
- 模板4：用词比较委婉，虽然他的证据是很重要的，但是我们必须看到更多的证据，或者别人能够多少解释下这个问题，但是这个解释过于复杂，或者这个原则在一些地方成立，但不是在所有地方都成立。
接着给出一些小提示。三种常见的不一样的意见：
- 声称a引起了b，但别人可能会觉得还有CDEF。比如声称我的实验结果比别人的好，是因为我们提出的方法更有效，但是别人可能会觉得你做实验的设置发生了变化，别人的设置不应该这样。
- 如果把一个论点弄得比较大的时候，出现反例的概率就更大了。
- 我不同意你对X的一个定义，这个是很容易出现在一些比较新的问题上面。比如现在机器学习里面，大家在讨论公平性、可解释性的时候，其实大家定义的不那么清楚，也就是说你到底什么是公平的，什么是可解释的，所以你在做研究的时候，你说这样子是公平的，大家说我不同意公平这么定义。
本章核心：
- 我们不管怎么样去支撑我们的论点、用原因、用论据，读者总会有一些不同的想法，我们要能够预测出读者的不同想法，把它写下来，把它承认出来然后回复他，远远的好过了我们没有找出来。即读者在审我们论文的时候，问你这个问题或者在心中问了以后，觉得没有被回答，根本无视掉我们文章要好很多。
第11章 Warrants
本章讲解推理的保证。这是一个通用的原则，能够把你的原因和你的论点连起来，尤其是当原因和论点隔得比较远的时候。
作者给了5点意见看担保，以及准则或公理是不是合适的。
(1) Is that warrant reasonable” />总结及个人感受
写到这里，李老师讲完了第三部分。该部分核心：
- 关于怎么样去讲一个故事，故事也就是对你这个研究问题的一个回答
- 我们的追求的终极目标是让读者信我们讲的故事，在这个故事里面有五个元素：
– (1) 论点，也就是我们对研究问题的一个答案
– (2) 我们需要用很多原因来支撑我们的论点
– (3) 然后所有这些原因都应该架在读者能够信的这些论据上面的
– (4) 当原因和论点隔得比较远的时候，需要提供一些这样子的担保，来把整个逻辑说的更通一些
– (5) 不管我们提供多少原因去证明我们的论点，在读者读的时候总会有一些别的一些想法，这时候我们如果能够提前预测出来读者的想法，然后承认他们并回复他们的话能够使得整个故事更加可信
个人感觉这个视频的核心要点：在写作的时候，可以先把故事的骨架写出来，论点是什么，理由和论据又分别是什么，把故事的逻辑先梳理清楚。故事的逻辑是不可能通过写作来弥补的，构思的时候就要想清楚。怎么样去支撑你的论点，核心就是你有一个论点，通过理由能够架在论据上面。论据要能站得住脚，理由要能撑住论点。同时还要考虑读者会有什么疑问，写的时候回应这些潜在的问题。最后，要保证论点和理由之间需要有充分的论述。
——BY B站读者：爱学习の竹子再次感谢李沐老师的分享，推荐大家多看看李沐老师的视频和分享，值得大家学习，学无止境，受教受教。
- https://www.bilibili.com/video/BV11S4y1v7S2
真诚地感谢大家还记得一位名叫“Eastmount”的博客分享者。繁华尽处家人伴，一壶老酒醉春堤。新的征程，新的生活，新的开始。不忘来时脚下的路，不忘求学的初心。感恩奋进，继续加油！这篇文章就写到这里，希望对您有所帮助。由于作者英语实在太差，论文的水平也很低，写得不好的地方还请海涵和批评。同时，也欢迎大家讨论，且看且珍惜。
作者论文分享github地址：
- https://github.com/eastmountyxz/AI-Security-Paper
- https://github.com/eastmountyxz/AI-Sec-Paper-Sharing
(By:Eastmount 2023-06-11 周日夜于武汉 http://blog.csdn.net/eastmount/ )