ArXiv 论文精读翻译

Base directory for this skill: {SKILL_DIR}

将 ArXiv 论文逐段翻译成中文，生成双版本 Markdown（IMA + 腾讯文档），并上传到两个平台。

三条铁律

1. 完整翻译不精简 — 逐段翻译每个 paragraph，不遗漏任何论证细节。大模型倾向于"帮你归纳"，但用户要的是精读级翻译。
2. 译注显式标记 — 大模型解读必须用 > **[译注]**：... 引用块，绝不混入原文翻译。
3. 简称首次标全称，后续直接用 — 首次出现标注全称并核对原文，后续不再展开。避免错误展开（如 TA=Target Attention 被误写为 Transformer Aggregator）。

标准 6 步流程

Step 1: 获取原文

web_fetch https://arxiv.org/html/<id>v<n>

• 只 fetch 一次，节省 token
• 同步下载图片：curl -sL -o x{n}.png https://arxiv.org/html/<paper_id>/x{n}.png
• 下载后检查文件大小，相同大小的异常文件（404 垃圾响应）删除

Step 2: 翻译生成

• 逐段翻译，不做精简
• 首行元信息：原标题、arxiv 链接、年月、机构、翻译辅助大模型名称
• 简称首次出现标全称（核对原文），后续用简称
• 译注用 > **[译注]**：... 格式
• 结构化排版：多级标题 + 列表 + 加粗 + 表格 + 引用块
• 公式保留 LaTeX；\bm 全部替换为 \boldsymbol
• 图表按原文顺序插入所在章节标题之后、小节正文之前
• 参考文献完整列出

表格处理策略：

• 简单表格 → Markdown 表格重写（可搜索/编辑）
• 复杂表格（合并单元格/特殊排版）→ PyMuPDF 从 PDF 截取

Step 3: 自动化校验

翻译完成后，运行校验脚本：

python3 {SKILL_DIR}/scripts/validate_translation.py <markdown_file>

校验项：

| 检查项 | 标准 | |--------|------| | 章节完整性 | 包含：摘要/引言/相关工作/方法/实验/结论/参考文献 | | LaTeX 兼容性 | \bm 出现次数 = 0 | | 译注标记 | 数量 > 0，格式为 > **[译注]** | | 参考文献 | 条数列出供人工核对 | | 图片链接 | 外链格式正确 |

Step 4: 生成两版 Markdown

• IMA 版：图片用 arxiv 外链 URL / base64 data URI
• 腾讯文档版：用脚本从 IMA 版自动替换图片链接为 image_id

图片上传流程：

1. curl -sL -o x{n}.png https://arxiv.org/html/<paper_id>/x{n}.png 下载
2. 腾讯文档：mcporter call tencent-docs upload_image → 拿 image_id
3. IMA：直接用 arxiv 外链 URL

详见 references/platform-compat.md

Step 5: 上传 IMA 知识库

# create_media → COS 上传 → add_knowledge（media_type=7 = Markdown）
# 如遇 code=220030（限流），sleep 15s 重试，cos_key 仍有效

Step 6: 上传腾讯文档

TITLE="【YYYY.MM｜组织】XXX 中文翻译"  # 必须 ≤36 字符
jq -n --arg title "$TITLE" --rawfile mdx "$FILE" --arg cf "markdown" \
  '{title:$title, mdx:$mdx, content_format:$cf}' > /tmp/args.json
mcporter call tencent-docs create_smartcanvas_by_mdx --args "$(cat /tmp/args.json)"

mcporter 传大参数不支持 --args-file，必须用 --args "$(cat file.json)"。

命名规范（强制）

| 平台 | 格式 | 约束 | |------|------|------| | 腾讯文档标题 | 【YYYY.MM｜组织】XXX 中文翻译 | ≤36 字符（按字符数，非字节） | | IMA 文件名 | 【YYYY.MM｜组织】XXX 中文翻译.md | 同名加 .md |

• 两平台必须完全一致，不加 v2/图文版 等后缀
• 示例：【2026.02｜ByteDance】MixFormer 中文翻译

翻译后 Checklist

完成翻译后逐项确认：

• [ ] grep -c '\\bm' = 0
• [ ] 简称首次出现已标全称且正确
• [ ] 译注均用 > **[译注]**：... 格式
• [ ] 图表位置与原文章节顺序一致
• [ ] 参考文献条数与原文一致
• [ ] IMA 版和腾讯文档版图片格式各自正确
• [ ] 两平台文件名/标题完全一致
• [ ] 首行包含论文元信息（标题/链接/年月/机构/大模型名称）

效率优化

• 只 web_fetch 一次原文（节省 token）
• 直接生成最终版，不生成中间草稿（减少 50%+ 工具调用）
• 图片下载 + 上传并行执行
• 用脚本自动从 IMA 版生成腾讯文档版
• 自动化校验脚本在上传前拦截格式问题

参考文档

• 踩坑经验 + 平台兼容性：references/platform-compat.md — LaTeX 兼容、图片跨平台、API 限流等详细说明
• 迭代历史：references/iteration-history.md — MixFormer v1→v3 的完整教训记录