修改的本質是「寫了，再重寫（write it, then rewrite it）」。本章以全書第 21 章「How to Write an Abstract」為主軸，示範如何把一份倉促寫成的摘要逐步改寫到展現 VSN-C、有細節、有貢獻——這個過程適用於任何寫作的修改。

為什麼摘要值得反覆改寫#

摘要是「論文的縮影」，同時服務兩個目的：

• 自利目的：你希望整篇大故事被讀
• 公益目的：你不想讓無關讀者浪費時間翻找後才發現論文不適合他們

因此摘要應該包含 VSN-C 的所有元素：

• Vision（願景）
• Steps（步驟）——若可由 Contributions 推得，可省略
• News（新聞）——必須有，否則就沒有寫這篇的理由
• Contributions（貢獻）

用 VSN-C 檢查清單#

寫完摘要後，逐項檢查是否齊備：

• 我有沒有清楚說出 Vision？
• 我有沒有列出 Steps 或讓 Contributions 把它們暗示出來？
• 我有沒有 News——一些剛剛發生、值得宣告的事？
• 我有沒有明確說出 Contributions？

如果這些元素你都答不出來，這份摘要就還沒準備好——也意味著整篇文章可能也還沒準備好。

細節能賣（Details Sell）#

讀者就像餐廳客人——需要細節才能決定是否要點。

一道菜寫成「Salmon with vegetables」沒人想點。

寫成這樣就有畫面有食慾：

Saumon à la Crème de Poireaux et Champignons：大西洋鮭魚菲力，鋪上韭蔥絲與香菇，淋上鹹香的蒜與紅蔥奶油醬。

把細節塞進摘要，用具體的數字回答這些問題：

• 證明有多長？有幾個引理？
• 重新接線了多少隻雪貂腦？花了多久長出視覺細胞？
• 學習程式餵了多少訓練資料？學多快？精準度多少？
• 程式讀什麼故事？哪些故事？事先有什麼背景知識？多少？

反例（沒細節）#

NIMA 系統建立在腦功能近期進展上，結合多代理人解決文獻中的經典挑戰問題。本論文描述整體架構、解釋如何微調參數，並提出後續研究建議。

這段毫無細節：NIMA 是什麼縮寫？什麼進展？多近期？多少代理人？哪些經典問題？什麼文獻？什麼參數？多少建議？讀者一個問題都沒答案。

正例（細節充沛）#

Krizhevsky 等人 2012 深度卷積神經網路的摘要：

我們訓練一個大型深度卷積神經網路，將 ImageNet LSVRC-2010 競賽的 120 萬張高解析度影像分類到 1000 類。在測試資料上，我們的 top-1 與 top-5 錯誤率分別是 37.5% 與 17.0%，遠優於先前最佳成績。這個網路有 6000 萬個參數、65 萬個神經元，包含五層卷積層（部分接 max-pooling）、三層全連接層，最後接 1000-way softmax。為加速訓練我們用 non-saturating neurons 與高效 GPU 卷積實作。為減少全連接層的過擬合，我們使用最近開發的「dropout」正規化方法，效果非常好。在 ILSVRC-2012 競賽中，我們的變體贏得 top-5 錯誤率 15.3%，相對於第二名的 26.2%。

從這份摘要，讀者精確知道達成了什麼以及系統規模——縮寫如 GPU、ILSVRC 是該領域讀者能合理預期理解的，所以可以接受。

寫了，再重寫：Rao 案例#

作者學生饒（Sajit Rao）為了趕論文期限，倉促寫出博士論文摘要。原始版本問題重重：

原始摘要的問題：

• 看不出 VSN-C
• 「This thesis explains⋯⋯」——讓論文當主詞，不是作者
• 「we discuss」——皇家「we」搶眼
• 沒有任何細節說明「現在能做、之前做不到」的事
• 摘要提到「人形機器人」，正文卻沒有

改寫步驟逐一示範#

第 1 步：拿掉「論文當主詞」的句式，把 we 改成 I

This thesis  →  In this thesis, I explain⋯⋯
We discuss   →  I discuss how programs based on the model can⋯⋯

第 2 步：刪掉錯誤承諾（人形機器人），讓因果敘述更肯定

把「If we are to use this insight to build a humanoid robot」整句刪掉，改寫為更直接的因果。

第 3 步：刪掉舊段後留下空缺，補上 Vision

If we are to develop a computational account of human intelligence,
we have to develop an understanding of the problem-solving
capability of the human visual system, because that system solves an
amazing range of problems in the course of everyday activities.

新句中的 we 不是皇家 we，而是「研究人類智能計算理論的社群」——用法合理。

第 4 步：加入引人入勝的例子

Without conscious effort, our visual system finds a place on the table
to put down a cup, selects the shortest checkout queue in a grocery
store, and looks for moving vehicles before we cross a road.

第 5 步：明確列出 Steps（同時也是 Contributions）

I have taken one step toward understanding⋯⋯ by developing a theory
of the visual attention subsystem. I have taken another step by writing,
demonstrating, and experimenting with programs that extract a wide
variety of spatial relations on demand and that learn patterns of
attention shift from experience.

第 6 步：用具體細節強化 Contributions

The extraction program finds a pointing relation between a pointing
person and a large red cube⋯⋯

第 7 步：說明學習程式真正學到了什麼

The learning program learns the pattern of visual activity evoked
whenever a ball falls off a table⋯⋯

「沒做過這種事」——這就是 News。

第 8 步：致敬基礎——讓熟悉 Ullman 的讀者一眼看到延伸關係

⋯⋯and I explain that these learned patterns constitute visual routines,
a kind of sequential visual program proposed by Shimon Ullman.

第 9 步：精剪到一段、不到 120 字（縮減約 56%）

最終版本：

If we are to develop a computational account of human intelligence,
we have to develop an understanding of the problem-solving
capability of the human visual system. I have taken two steps toward
that understanding: I developed a theory of visual attention, and I
wrote, demonstrated, and experimented with programs based on that
theory. A spatial-relation extraction program finds a pointing relation
between a pointing person and a large red cube using primitives that
shift attention, find features, and determine feature orientation. A
learning program learns about falling by noting the pattern of visual
attention activity evoked whenever a ball falls off a table. Such
patterns constitute instances of Ullman's visual routines.

唯一遺憾：相對於 Krizhevsky 等人的摘要，Rao 沒提供評估數字（失敗率、適用情境）。即使他的目標是「首次展示能力」而非「打敗他人」，仍應加入「程式何時失效、失效情境」。

從空白頁開始：用碎玻璃提綱#

如果你不是改寫已有版本，而是從零開始呢？

碎玻璃提綱（broken-glass outline） 就是好起點：

• 頂層輻條告訴你摘要要聚焦什麼
• 底層輻條自然提示應該放入哪些細節

本章重點#

摘要是論文最重要的部分，因為它高度影響其餘是否被讀：

• 寫了，再重寫，找新眼睛、找不熟你工作的人批評
• 用 VSN-C 檢查清單確保 Vision、Steps、News、Contributions 齊備
• 加入細節讓貢獻有形，特別是「炫耀效能數字」的好地方
• 碎玻璃提綱已經完成的話，摘要寫作就有了好開頭
• 避免讓論文當主詞、避免皇家 we、避免空泛承諾