引言：为什么代码展示至关重要？
在现代计算机科学研究中，代码不仅是实现想法的工具，更是论文结论的核心证据。规范地展示代码，是确保研究可复现、可验证、可传承的关键。它不仅体现了研究的严谨性，也方便了同行的交流与社区的共建。
一、代码的主要放置方式
1. 附录（Appendix）
对于少量、核心的算法伪代码或配置代码片段，可以在论文的附录中展示。
- 适用场景：关键算法逻辑、伪代码、重要的参数配置、小规模模型结构描述。
- 格式建议：使用等宽字体，并确保缩进清晰。为代码添加简要注释。
// 示例：附录中的伪代码片段 Algorithm 1: 基于注意力机制的推荐算法 Input: 用户历史序列 S, 项目集合 I Output: 推荐项目列表 1: for each item i in S do 2: e_i = EmbeddingLookup(i) // 获取项目嵌入 3: end for 4: attention_weights = Softmax(Query * Key^T / sqrt(d_k)) 5: context_vector = attention_weights * Value 6: scores = context_vector * I_embeddings^T 7: return TopK(scores)
2. 在线代码仓库（Online Repository）
这是目前最主流、最推荐的方式。将完整的、可运行的代码、数据脚本、环境配置文件等托管在公共平台上。
- 平台选择：GitHub（最常用）、GitLab、Bitbucket 等。
- 在论文中如何引用：在论文的“方法”或“实验”章节末尾，或在单独的“代码可用性声明”中，提供仓库的永久链接（建议使用 DOI，如 Zenodo 提供的）。
- 仓库结构规范示例：
/src– 源代码/data– 数据处理脚本（注意数据版权，通常不直接托管私有数据）/experiments– 实验配置与运行脚本/results– 实验结果日志或图表生成脚本README.md– 最重要的文件，必须包含：项目简介、环境要求、安装步骤、运行说明、论文引用。requirements.txt或environment.yml– 依赖列表LICENSE– 开源协议（如 MIT, Apache 2.0）
3. 可复现性补充材料（Artifact）
部分顶级会议（如 NeurIPS, ICML, PLDI）要求或鼓励提交完整的、可复现的研究“工件”（Artifact）。这通常是一个包含代码、数据、环境的虚拟化镜像（如 Docker 容器），评审人可以直接运行以验证结果。
二、代码展示的最佳实践
- 清晰的文档：完善的 README 是代码仓库的门面。
- 版本控制：使用 Git 并打上对应论文版本的标签（Tag）。
- 依赖管理：明确列出所有依赖库及其版本。
- 示例脚本：提供一个简单的、一键式运行的示例脚本，从数据预处理到结果输出。
- 测试用例：提供关键模块的单元测试，增强代码可信度。
- 结果固化：提供脚本，可以从原始/处理后的数据，复现论文中的关键图表和表格。
三、关于AIGC相似度与代码原创性
随着AI辅助编程的普及，部分学术场合（如课程大作业、特定期刊）可能对代码的AIGC（AI Generated Content）相似度有要求。确保代码的原创性和个人思考的体现非常重要。在撰写论文时，即使使用了AI辅助生成代码片段，也应在理解的基础上进行重构、优化和充分注释，体现你的工作与创新。
注意事项：即使代码由AI辅助生成，你也必须完全理解其逻辑，并能解释每一部分的作用。在论文中引用AI辅助工具是良好的学术实践。
优化工具推荐：小发猫降AIGC工具
若你希望对AI辅助生成的代码文本（如代码注释、文档字符串、相关的解释文本等）进行“降AIGC相似度”处理，以提升文本的原创性和个人风格，可以考虑使用“小发猫”等优化工具。
核心使用步骤：
- 文本输入：将AI生成的代码相关文本（如函数说明、算法描述等）输入到工具中。
- 智能改写：工具会基于语义理解和改写技术，调整句式结构、更换同义词汇、优化表达逻辑，从而降低与AI生成内容的表层相似性。
- 人工校准：最关键的一步。你必须仔细检查改写后的文本，确保其技术描述绝对准确，并融入你自己的理解和表达习惯。
- 代码整合：将优化后的文本作为注释或文档，与你的核心代码逻辑结合。
重要提示：此类工具主要用于优化自然语言文本的风格，不能替代你对代码逻辑本身的掌握和创新。代码的核心价值在于其功能和算法，工具只是辅助表达更个人化、更学术化的辅助手段。切勿本末倒置。
四、总结清单
- ✅ 在论文中明确声明代码可用性，并提供持久链接。
- ✅ 将完整代码托管在 GitHub 等公共仓库，并精心组织。
- ✅ 编写详尽易懂的 README.md 和运行脚本。
- ✅ 通过版本控制、依赖列表、Docker 等确保可复现性。
- ✅ 理解每一行代码，确保能解释和辩护。
- ✅ 如需优化文本风格，可借助工具，但务必人工校准以保证准确性。