SJTUThesis模板中论文发表列表编号重置问题解析
2025-06-20 08:34:00作者:丁柯新Fawn
问题背景
在学术论文写作中,特别是学位论文撰写过程中,经常需要列出作者已发表的学术成果。上海交通大学学位论文模板SJTUThesis提供了bibliolist环境来方便作者整理和展示这些成果。然而,在实际使用过程中,用户发现了一个编号连续性的问题:默认情况下,不同章节中的发表列表会保持连续编号,而部分用户希望每个章节的列表能够独立从1开始编号。
技术分析
默认行为机制
SJTUThesis模板默认采用全局计数器SJTU@bib来管理bibliolist环境中的项目编号。这种设计使得在不同章节中使用bibliolist时,编号会自动延续,保持整个文档中的唯一性和连续性。
用户需求场景
在实际应用中,特别是某些学院的格式要求下,用户可能需要:
- 将"期刊论文"和"会议论文"分开编号
- 让"专利"和"科研项目"各自独立编号
- 符合特定评审专家对格式的偏好
解决方案
临时解决方案
在等待官方更新期间,用户可以通过在bibliolist环境开头添加重置计数器命令来实现独立编号:
\begin{bibliolist}{00}
\setcounter{SJTU@bib}{0} % 重置计数器
\item 第一项成果
\item 第二项成果
\end{bibliolist}
官方修复方案
开发团队已经意识到这一需求,并在底层代码中实现了相应功能:
- 修改了
bibliolist环境的计数器管理逻辑 - 确保每个
bibliolist环境可以独立编号 - 该修复已合并到主分支,将在下一版本中发布
相关格式问题延伸
在讨论过程中,还提到了其他格式相关问题:
页眉单双页设置
SJTUThesis模板通过文档类选项控制页眉显示方式:
- 默认双页模式:
\documentclass{sjtuthesis} - 单页模式(适合电子版):
\documentclass[oneside]{sjtuthesis}
学院特定要求
不同学院对论文格式可能有特殊要求,建议用户:
- 提前了解本学院的最新格式规范
- 与导师确认具体格式细节
- 关注模板的更新日志
最佳实践建议
- 对于需要独立编号的场景,使用
\setcounter{SJTU@bib}{0}临时方案 - 关注模板更新,及时升级到包含此修复的版本
- 复杂格式需求建议查阅模板文档或咨询技术支持
- 提交论文前务必进行多轮格式检查
通过理解这些技术细节,用户可以更灵活地使用SJTUThesis模板,满足不同场景下的格式要求,确保学位论文符合规范。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137