Zotero中文样式库中GB/T 7714格式的期刊名加粗与斜体设置技巧
在学术写作中,参考文献格式的规范化是确保学术严谨性的重要环节。Zotero作为一款流行的文献管理软件,其中文样式库提供了符合中国国家标准GB/T 7714-2015的多种引用格式变体。本文将详细介绍如何在这些样式中实现期刊名加粗、斜体等特殊格式要求。
期刊名称加粗的实现方法
在002gb-t-7714-2015-numeric-bilingual-no-uppercase-no-url-doi.csl样式中,若需要将期刊名称加粗显示,可以通过修改容器标题(container-title)的字体属性实现。具体方法是在样式中找到对应容器标题的文本变量,添加font-weight="bold"属性。
例如,将原本的:
<text variable="container-title"/>
修改为:
<text variable="container-title" font-weight="bold"/>
学位论文中机构名称的特殊格式
对于学位论文,特别是高级学位论文,有时需要将授予学位的机构名称加粗显示。在GB/T 7714格式中,机构名称使用publisher变量表示。可以通过条件判断语句实现仅对学位论文类型的条目应用加粗效果:
<choose>
<if type="thesis">
<text variable="publisher" font-weight="bold"/>
</if>
<else>
<text variable="publisher"/>
</else>
</choose>
拉丁文缩写与中文"等"字的斜体处理
学术规范中,"et al."作为拉丁文缩写通常需要斜体显示。在Zotero样式中,可以通过在names元素中添加et-al子元素并设置font-style="italic"属性来实现:
<names variable="author">
<name/>
<et-al font-style="italic"/>
</names>
需要注意的是,中文"等"字理论上不应使用斜体,这是学术排版的基本规范。拉丁文使用斜体有其历史渊源,而中文没有这样的传统。若强制要求中文"等"字斜体,目前的技术方案可能无法完美实现。
期刊名称斜体设置
若需要将期刊名称设置为斜体,可以使用group元素包裹容器标题并设置font-style属性:
<group font-style="italic">
<text variable="container-title"/>
</group>
但需要强调的是,中文期刊名称使用斜体并非标准做法,可能会影响文献的规范性和专业性。在正式出版物中,中文通常不使用斜体,这一格式要求更多适用于外文文献。
总结
Zotero的CSL样式系统提供了灵活的格式定制能力,可以满足各种特殊的参考文献格式要求。通过合理修改样式文件中的XML元素属性,可以实现期刊名加粗、斜体等效果。但在实际应用中,应当优先考虑学术规范和行业惯例,避免过度使用特殊格式影响文献的规范性和可读性。对于学位论文等特殊文献类型,可以使用条件判断语句实现针对性的格式设置。
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