AI 结果段爱写「显著提升、效果良好」的无数字结论，讨论段爱写万能解释。改法：结果句必带统计量或比例，讨论必须处理与假设/文献不一致的结果，并明确结论的适用条件。
适用场景：结果与讨论被标疑似、导师批「没数据、没讨论」
结果 讨论 改写示例 构造示例
操作步骤
- 每个结论句后跟数字：均值差、百分比、p 值、效应方向，至少一种。
- 不一致结果单独成段解释，不藏起来：可能原因按数据、样本、情境排序。
- 讨论结尾写边界：换人群/换地区/换时间，结论可能如何变。
改写前（构造示例）
改写前（构造示例）
（构造示例）实验结果表明，该方法的性能得到了显著提升，各项指标均优于传统方法，充分验证了该方法的有效性和优越性。这一结果与现有研究结论基本一致，进一步丰富了相关领域的理论体系。
改写后（构造示例）
改写后（构造示例）
（构造改写）新方法在测试集上的准确率是 87.3%，比基线高 4.1 个百分点，但提升几乎全来自长文本组（+7.8 个百分点）；短文本组只高 0.6 个百分点，t 检验不显著（p=0.31）。这与文献里「全面提升」的说法对不上——更可能的解释是，该方法的好处本质上来自上下文变长后的注意力分配，而不是结构本身。
给全量与分组两层数字、一个不显著结果、一个与文献相左的自我解释，结果段立刻从「宣传稿」变「研究报告」。GPTZero 分数：未实测/待用 LIN 的 GPTZero 账号实测。
注意事项
- ⚠️ 只报显著结果、删不显著结果：既拉高 AI 味，也是学术规范问题。
- ⚠️ 数字前后不一致（摘要/正文/表格对不上）：改稿时逐处核对。