代码能跑了，课程论文复现报告还要写清什么？

论文代码能够运行，是复现工作的一部分。课程报告还要说明：你尝试验证原论文的哪一项结果，实际采用了什么条件，得到的结果是否可以与原文比较，以及差异意味着什么。

先把原论文的结论、作者提供的材料和你自己的实施记录分开，再组织报告。不要把原作者的方法介绍和实验成绩写成自己已经完成的工作。

先选定本次要复现的结果

一篇论文可能包含多个数据集、模型配置和实验问题，课程任务未必覆盖全部。明确选择哪一个表格、图或主张，并记录它依赖的评价指标与条件。

可用一张对照表组织材料：

硬件或运行资源有限时，可以缩小任务范围，但应同步缩小结论。只运行了示例数据，就不能宣称已经复现整篇论文。

代码理解工具帮忙定位，运行记录证明实际做过什么

已有适合使用的公共仓库时，DeepWiki可以辅助查看结构、说明与源码链接。沿代码查找数据入口、配置和指标实现，有助于理解结果怎样产生；它生成的说明不等于实验已经执行。

报告中的结果应来自自己的记录。配置改动、失败尝试和实际采用的处理，选择与结论相关的部分说明，不必把全部终端输出塞入正文，但应保留可回查位置。

数字不同并不自动说明原论文错误。先判断数据、设置与指标是否一致，再分析差异。反过来，一两个数字接近，也不证明所有主要结论都得到支持。ACM的材料评审说明将研究材料与结果验证区分，并强调结果差异是否影响主要主张；课程报告可借鉴这种区分，具体要求仍以课程为准。

结论按实际覆盖范围写，表达随后处理

报告可以明确区分：本次结果与原结论一致的部分、存在差异且仍待解释的部分，以及未覆盖的内容。原因分析有证据就写依据，没有证据就保留假设，不必为了完整而给每项偏差确定一个原因。

这些内容确认后，方法说明和差异分析若有模板感或降低AI痕迹需求，可以使用PaperMomo的文本工作台，先处理选定段落并查看预计积分。其他处理范围见功能说明。

采用结果时核对模型名、参数、指标、正负方向和“原文／本次”的归属。改稿不能把部分复现写成全面复现，也不能把运行成功写成结论得到验证。