Zotero中文样式库中财经研究CSL的符号与格式优化
在学术写作中,参考文献格式的准确性至关重要。近期,Zotero中文样式库中的《财经研究》期刊样式(CSL)文件经历了一系列重要的格式调整,这些修改主要涉及文中引用的符号规范和参考文献列表的排版格式。
文中引用符号的本地化调整
根据用户反馈和期刊实际发表文章的格式要求,样式库维护者对文中引用的符号进行了以下关键修改:
-
多篇同作者文献年份分隔符:当引用同一位作者的多篇文献时,年份之间的分隔符由原来的英文逗号加空格改为中文全角逗号且不加空格。例如从"(张三, 2020, 2021)"修改为"(张三,2020,2021)"。
-
作者姓名后逗号格式:作者姓名与年份之间的逗号也统一调整为中文全角逗号,确保格式一致性。
-
符号本地化原则:针对中文期刊的特殊要求,维护者批量修改了多个中文期刊样式中引用的符号格式,包括括号、逗号、分号等,都统一为中文全角符号且不加空格。
参考文献列表格式优化
另一个重要的修改是关于参考文献列表的排版格式:
-
制表符移除:原样式在文献序号后使用了制表符进行对齐,根据最新期刊发表文章的格式要求,移除了这一制表符设置。
-
悬挂缩进设置:调整为与第一行对齐的悬挂缩进格式,使参考文献列表的排版更符合期刊要求。
技术实现考量
在实现这些修改时,样式维护者面临一些技术考量:
-
中英文混排问题:对于包含"et al."等拉丁缩写的引用,使用全角符号可能导致基线对齐问题,需要权衡格式规范与视觉效果。
-
批量修改与个别调整:虽然对多个中文期刊样式进行了批量修改,但对于要求英文引注使用半角逗号的特殊情况,仍需单独处理。
-
用户自定义需求:不同期刊对格式要求可能随时间变化,样式文件需要及时更新以匹配最新要求。
这些修改体现了Zotero中文样式库对细节的关注和对中文期刊格式规范的尊重,为研究者提供了更准确、更便捷的参考文献管理工具。用户只需重新下载更新后的样式文件即可应用这些改进。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00