Zotero中文参考文献样式项目新增首都医科大学学位论文引用格式
中国学术写作中参考文献格式的标准化一直是一个重要课题。Zotero作为一款流行的参考文献管理软件,其中文参考文献样式项目致力于为中文用户提供符合国家标准和各高校要求的引用格式。近日,该项目新增了首都医科大学研究生学位论文的参考文献引用样式。
首都医科大学作为国内顶尖的医学院校,其学位论文写作规范具有典型的医学学科特色。新添加的引用样式主要基于该校2023年4月26日发布的研究生学位论文撰写规范,特别针对医学领域文献引用的特点进行了优化。
该样式的主要技术特点包括:
-
作者显示规则:完整显示所有作者姓名,不采用"等"或"et al"的缩写形式,这在医学研究中尤为重要,因为医学论文通常涉及多位作者的合作研究。
-
英文姓名格式:对于英文文献作者,采用姓氏全拼在前、名字缩写在后的格式,且缩写字母后不加点和空格,如"Zhang XY"而非"Zhang X. Y."。
-
期刊名称处理:英文期刊名称使用标准缩写形式,这符合医学文献引用的国际惯例。
-
文献类型标识:不显示文献类型标识符,简化了参考文献列表的呈现。
-
数字对象标识符:不显示DOI等数字标识符,使参考文献更加简洁。
在样式开发过程中,项目组参考了华中科技大学理工科样式作为基础模板,但针对医学文献的特点进行了多项调整。特别是在作者姓名显示规则和期刊缩写处理方面,严格遵循了首都医科大学的规范要求。
该样式的实现充分考虑了医学研究文献的特点,特别是对于多作者合作论文和英文期刊引用的处理,能够很好地满足医学学位论文写作的需求。项目组通过多次测试和调整,确保了样式输出的准确性和一致性。
对于Zotero用户来说,这一新增样式将大大简化首都医科大学研究生撰写学位论文时的参考文献格式处理工作,提高学术写作效率。同时,该样式的开发也为其他医学院校的参考文献样式定制提供了有价值的参考。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C027
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