Zotero中文样式库新增Chinese Science Bulletin参考文献格式
Zotero中文样式库近期新增了对Chinese Science Bulletin(中国科学通报)期刊的参考文献格式支持。这一更新为科研工作者在撰写学术论文时提供了更便捷的参考文献管理方案。
Chinese Science Bulletin作为中国重要的综合性学术期刊,其参考文献格式具有以下特点:
-
作者姓名格式:采用姓氏全拼在前、名字首字母在后的格式,中间用空格分隔。这种格式既保留了中文姓氏的完整性,又符合国际通行的姓名缩写惯例。
-
多作者处理:当文献作者超过3人时,系统会自动采用"et al"的缩写形式,这与多数国际期刊的引用规范一致。
-
标题格式处理:系统会自动将文章标题转换为首字母大写格式,其余部分保持小写,确保格式的统一性。
-
期刊名称缩写:严格遵循ISO标准对期刊名称进行缩写处理,如"Chinese Science Bulletin"缩写为"Chin Sci Bull"。
-
书籍标题格式:对于书籍和论文集标题,系统会自动将4个字母以上的实词和功能词首字母大写,符合学术出版规范。
-
论文集信息完整:引用论文集时,系统会完整呈现编辑姓名、出版社、出版地以及起止页码等关键信息。
-
未发表材料限制:系统遵循期刊要求,默认不将未发表材料或无卷期号的论文纳入参考文献,除非这些文献具有DOI编号。
-
网络资源限制:与多数严谨学术期刊一致,该样式不支持将网站和主页作为参考文献引用。
这一新增样式经过严格测试,能够准确满足Chinese Science Bulletin期刊的投稿要求。科研人员现在可以直接在Zotero中选用这一样式,无需手动调整格式细节,大大提高了文献管理和论文写作的效率。
Zotero中文样式库持续关注中国学术期刊的发展需求,未来还将根据用户反馈和期刊要求,不断完善和更新各类参考文献格式,为中文科研工作者提供更全面的支持。
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