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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00