引用与参考文献

本页说明知识库统一的引用规范：正文用数字编号 [n]（上标跳转），文末「参考文献」按 GB/T 7714—2015 格式列表。

1. 统一写法：数字编号 + GB/T 7714（全库规范）

• 正文引用：[n]，编号按首次出现顺序排列；同一文献重复引用沿用同一编号；
• 文末列表：## 参考文献，每条按 GB/T 7714—2015 格式书写，并附 arXiv / 官方链接；
• 自动渲染：本仓库 sup-refs 插件在构建时把正文 [n] 自动转为上标， 并支持点击跳转到文末对应条目（条目自动加锚点）。 写作时只需按规范写纯文本 [n]，无需手写 HTML。

GB/T 7714—2015 条目格式要点（英文文献）：

• 作者：姓 名缩写 全大写，如 YANG S, KAUTZ J；超过 3 人列前 3 位后加 et al.（中文文献用「等」）；
• 文献类型标识：题名后用方括号标注—— [J] 期刊、[J/OL] 带链接的期刊/预印本、[C] 会议论文（[C]//会议名）、 [EB/OL] 网页/电子资源（带发布与访问日期）、[M] 专著；
• 题名：只首词与专名首字母大写（sentence case）；
• 预印本：题名[J/OL]. arXiv preprint arXiv:xxxx.xxxxx, 年份. 链接；
• 网页：作者. 题名[EB/OL]. (发布日期)[访问日期]. 链接.；
• 末尾以 . 结束。

Transformer 提出了自注意力机制 [1]，BERT 见 [2]。

## 参考文献

[1] VASWANI A, SHAZEER N, PARMAR N, et al. Attention is all you need[C]//Advances in Neural Information Processing Systems (NeurIPS). 2017. https://arxiv.org/abs/1706.03762
[2] DEVLIN J, CHANG M W, LEE K, et al. BERT: pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of NAACL-HLT. 2019. https://arxiv.org/abs/1810.04805

方式 B：BibTeX + Pandoc（导出用，不用于站内显示）

所有来源的元数据集中写在 references.bib（BibTeX key 规则见 写作规范）。站内页面不写 [@key] —— 那是 Pandoc 语法， 只在导出时由 npm run cite:ieee 等脚本渲染成参考文献列表：

npm run cite:ieee      # 生成 outputs/citations.ieee.html

方式 C：直接 Markdown 链接

最简单，但不会进入统一参考文献列表；规范页面请优先用数字编号：

[MDN Fetch 文档](https://developer.mozilla.org/)

2. BibTeX 条目写法

references.bib 支持论文、会议、网页、书籍等类型：

@article{key2024paper,
  title   = {...},
  author  = {Last, First and Other, Author},
  journal = {...},
  year    = {2024},
  url     = {https://...}
}

• @article 期刊论文
• @inproceedings 会议论文
• @misc / @online 网页（用 url + urldate 记录访问日期）
• @book 书籍

3. 生成规范引用样式（APA / IEEE / Chicago）

若需要非 GB/T 7714 样式或自动排序，用仓库里的 Pandoc 脚本导出：

npm run cite:ieee      # 输出 [1] 数字编号
npm run cite:apa       # 输出 (Author, 2024)
npm run cite:chicago   # 芝加哥注释体

脚本使用 pandoc --citeproc --bibliography=references.bib --csl=<样式>， 输出 HTML 或 PDF，样式由标准 CSL 文件控制。

4. 参考文献列表示例

各页面文末的「参考文献」按 GB/T 7714 手工维护（编号与正文对应）：

[1] VASWANI A, SHAZEER N, PARMAR N, et al. Attention is all you need[C]//Advances in Neural Information Processing Systems (NeurIPS). 2017. https://arxiv.org/abs/1706.03762

[2] DEVLIN J, CHANG M W, LEE K, et al. BERT: pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of NAACL-HLT. 2019. https://arxiv.org/abs/1810.04805

[3] HonKit Contributors. HonKit[EB/OL]. [2026-09-14]. https://github.com/honkit/honkit.

© 2026 Yang Huan · yanghuan9812@qq.com