Zotero中文样式库中广东工业大学论文参考文献格式解析
在学术写作过程中,参考文献格式的规范化是确保论文质量的重要环节。本文针对广东工业大学研究生学位论文撰写规范中参考文献格式的特殊要求,结合Zotero中文样式库的应用实践,为广工大研究生提供技术指导。
格式规范要点
广东工业大学2023年9月修订的研究生学位论文撰写规范明确指出,参考文献格式应遵循GB/T 7714-2015国家标准,但在实际应用中存在一些特殊要求:
- 字体要求:中文字体为宋体,西文字体为Times New Roman
- 字号与排版:小四号,两端对齐,悬挂缩进2.5字符
- 行距设置:1.5倍行距,段前段后0行
- 文献类型标志:明确要求使用[C]表示会议论文集
会议论文格式的特殊处理
在实际使用Zotero管理参考文献时,会议论文格式的处理需要特别注意:
-
标准格式要求会议论文应表示为:"[序号] 析出文献主要责任人.析出文献题名[C].论文集主要责任者.论文集题名.出版地:出版者,出版年:析出文献起止页码."
-
在Zotero中文样式库中,002号样式已针对广工大的要求进行了适配,能够正确处理中英文混排情况下的标点符号差异。
-
对于英文会议论文,系统会自动处理作者姓名的大小写转换,确保符合"姓全大写,名首字母大写"的规范。
使用建议
-
样式选择:在Zotero中应选择"China National Standard GB/T 7714-2015 (numeric, 中文)"样式,并确保使用最新版本。
-
格式微调:虽然Zotero可以自动生成基本格式,但用户仍需在Word中手动设置以下参数:
- 字体:中文字体为宋体,西文字体为Times New Roman
- 段落:悬挂缩进2.5字符
- 行距:1.5倍行距
-
特殊文献类型:对于专利、标准等特殊文献类型,建议生成后人工核对,确保与学校提供的示例格式完全一致。
常见问题解决方案
-
中英文标点差异:系统会自动处理中文文献使用全角标点、英文文献使用半角标点的问题。
-
会议论文双斜杠:最新样式已修正会议论文中可能出现的双斜杠问题,替换为符合规范的标点。
-
文献排序:系统支持按引用顺序自动编号,确保与正文中的引用标记一致。
通过合理配置Zotero参考文献管理工具,结合对学校格式规范的深入理解,广工大研究生可以显著提高论文写作效率,确保参考文献格式的准确性和一致性。建议用户在正式提交前,仍应仔细核对最终生成的文献列表与学校提供的示例是否完全吻合。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00