把四大赛事的 O 奖论文放在一起读，很快能发现它们共享一套「隐性模板」。这不是巧合——评审维度决定了写作范式：评委平均只有十几分钟看一篇论文，能在短时间内把「做了什么、怎么做的、结果如何、是否可信」讲清楚的文章，天然占据优势。本文从摘要、假设、模型、检验、结论五个部分拆解这套范式。
先说摘要，它是整篇论文中权重最高的几百字。O 奖摘要的共同点是：第一句直接回答「我们解决了什么问题」，中间两三句概括「用了什么方法、得到什么结果」，最后一句点出「结果的稳健性或推广价值」。反面案例是花一半篇幅复述题目背景——评委知道题目是什么，他们想知道的是你做了什么。数字要出现在摘要里：「我们的模型将成本降低了 17%」远胜于「我们的模型显著降低了成本」。
第二个部分是模型假设。新手常犯的错是假设太少或太多：太少则模型漏洞明显，太多则论文显得回避困难。O 奖论文的做法是每个假设都附带一句「合理性说明」——为什么这个简化是可接受的、它的影响会在哪里被检验。一个经典的表达结构是：「假设 X 服从均匀分布，因为……；该假设的影响将在灵敏度分析部分讨论。」假设不是免责声明，而是与评委的一次透明沟通。
模型部分的关键词是「递进」而非「并列」。O 奖论文极少平铺直叙地甩出五个模型，而是展示一条演进路径：先建立基础模型把问题说清楚，再逐步引入现实约束修正它，最后得到一个权衡了精度与可解性的最终模型。这条「模型演进线」本身就是加分项——它展示了思考的过程。相应地，每个模型的动机要先于公式出现：先说「为了处理 X 现象，我们将模型扩展为……」，再给数学。
符号与公式的规范也远比想象中重要。O 奖论文几乎都有完整的符号表（Notation），全篇符号严格一致；公式编号、变量正斜体都有讲究。这不是形式主义——符号混乱的论文，评委读起来每一段都在消耗耐心。
第四部分：检验与灵敏度分析，这是区分奖级的关键地带。很多队伍的论文止步于「算出了结果」，而 O 奖论文会系统性地回答「结果可信吗」：误差分析（与真实数据或文献对照）、灵敏度分析（关键参数上下浮动 10%-20%，观察结论是否翻转）、稳健性检验（换一种模型设定，结论是否一致）。其中灵敏度分析几乎是 O 奖论文的标配章节——它向评委证明：结论不依赖于某个拍脑袋的参数。
结论部分的套路同样清晰：直接回答题目提出的每一个小问，按顺序给出编号过的答案；然后坦诚地写「模型局限」——O 奖论文的作者从不假装自己的模型完美，他们主动指出两三条局限并说明改进方向，这反而传递出学术成熟度。最后可以加一段模型的推广价值，把结论拉回到更大的图景。
还有两个容易被忽视的细节。其一，图表：O 奖论文的图表几乎都是「自解释」的——不看正文也能明白图在说什么，标题完整、坐标轴带单位、多子图有 (a)(b)(c) 编号。其二，参考文献：数量不必多，但格式规范，且正文中有实际引用——引用 COMAP 官方资料或领域文献，会给论文增加学术分量。
写作顺序上，多数获奖队伍的流程是「先写骨架、边做边填、摘要最后」：第一天就把论文的大纲与各节标题定下来，之后每完成一块工作就填一块，最后集中打磨摘要。把摘要留到最后一刻才动笔的队伍，往往交出的是一篇「赶工的摘要+完整的正文」，而评审的顺序恰恰相反。
读论文时如何验证这些套路？建议做一个小实验：在本站论文库里挑三篇同一年份、同一题号的 O 奖论文，只看它们的摘要与章节标题，你会发现三篇的结构重合度可能超过八成。理解了这个「公约数」，你就理解了评委在看什么；在此之上做出自己的亮点，才是从「合格」走向「Outstanding」的路径。
