Zotero-Chinese项目中的Transactions of Nonferrous Metals Society of China参考文献样式开发
项目背景
Zotero-Chinese项目致力于开发符合国内学术规范的参考文献样式,特别是围绕GB/T 7714标准的相关CSL(引文样式语言)文件。最近,该项目为《Transactions of Nonferrous Metals Society of China》(中国有色金属学报英文版)开发了专门的参考文献样式。
样式特点
该期刊的参考文献格式有几个显著特点:
-
引用标注方式:采用方括号数字标注,如"[1]",且要求作者姓名全大写并与引用编号一起出现在正文中,例如"LIU et al [1] reported that..."。
-
文献列表格式:
- 期刊文章:作者全大写,姓在前名在后,用连字符连接名字部分
- 包含期刊名称缩写和卷期页码信息
- 末尾用"(Journal)"标注文献类型
-
多类型文献支持:除期刊文章外,还包括专著、专利和会议论文集等类型文献的引用格式。
技术实现挑战
在开发该样式时遇到的主要技术挑战是:
-
姓名处理:CSL无法自动区分中文作者的拼音姓名和西方作者的姓名。期刊要求中文作者姓名全大写且不缩写,而西方作者姓名通常需要缩写。目前的解决方案是统一采用缩写格式,用户可根据需要手动调整。
-
文献类型标注:需要在每条参考文献末尾添加如"(Journal)"的类型标注,这需要针对不同文献类型进行条件判断。
-
大写转换:需要将作者姓名全部转换为大写字母,同时保持其他部分(如期刊名称)的大小写规范。
使用建议
对于主要引用中文作者文献的用户,建议修改CSL文件中的姓名处理部分,将initialize-with属性前的initialize设置为"false",这样可以保持中文作者姓名的完整性而不进行缩写。
项目意义
该样式的开发完善了Zotero在国内学术期刊领域的支持能力,特别是有色金属和材料科学领域的研究人员现在可以更方便地使用Zotero管理参考文献并自动生成符合期刊要求的引用格式。这也是Zotero-Chinese项目推动学术工具本地化的重要一步。
未来改进方向
未来可以考虑的改进包括:
- 开发更智能的姓名识别机制,自动区分中西方作者姓名
- 增加对更多特殊文献类型的支持
- 优化输出格式使其更贴近期刊的排版要求
该样式的开发展示了开源社区如何响应特定学术领域的格式化需求,也体现了Zotero引文管理系统的灵活性和可扩展性。
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