摘自David Salsburg的《品尝茶的女士》：
尽管读者可能不会相信，但文学风格在数学研究中起着重要作用。一些数学作家似乎无法撰写易于理解的文章。其他人似乎因产生许多符号表示法而感到不快，这些符号表示法是如此的详细，以至于总的想法在皮卡尤尼语中迷失了。
但是，有些作者有能力以如此简单而有力的方式展示复杂的思想，以至于他们的论述似乎显而易见。只有回顾所学到的知识，读者才能意识到结果的强大力量。这样的作者是杰里·内曼（Jerzy Neyman）。很高兴阅读他的论文。这些想法自然而然地发展了，表述似乎很简单，结论似乎很自然，以至于您很难理解为什么没有人早就得出这些结果。
这些统计或机器学习方面写得很好的论文还有哪些其他具体示例？
想法是列出“这是应该怎么写”的论文清单。
请尝试提供：
完整的书目引用，例如：
卡尔·拉斯穆森（Carl E. Rasmussen），“ 无限高斯混合模型 ”，《神经信息处理系统》，第12卷，第1期。12（2000）
如果有链接，请尽可能将其链接到可公开访问的存储库（例如，http : //arxiv.org/）。
简短，非正式，易于理解的评论，涉及该论文的内容以及为什么它是写得最好的论文的一个示例。
4
这是一个很好的问题，拥有该列表可能会很有用！
—
kjetil b halvorsen
@kjetilbhalvorsen是的，的确如此，但是对于Stack Exchange网站而言，此类问题通常不在讨论之列。
—
恢复莫妮卡-G.辛普森
我同意w / @ kjetilbhalvorsen。将这个Q放在网站上可能会很好。不过，也许可以将它做成CW －严格阅读指南并不是真正的主题。
—
gung-恢复莫妮卡
@alberto这些值得讨论的OT帖子中的一个（甚至一些）没有关闭，并没有理由在此处保留所有此类问题。我对获得的答复和本站点的下一个用户一样感兴趣，但是像这样的问题在Stack Exchange系统的意义上不会产生答案。
—
恢复莫妮卡-G.辛普森
我是CW，但我同意@Gavin：尽管在遥远的过去，我们容忍了这些“大名单”问题，但它们不适合SE模型。他们往往会产生不受支持的观点，并最终失去许多联系。使这样的线程适合SE网站的一种方法是要求进行客观分析（带有支持示例！）。因此，如果您愿意以（更具建设性的）方式提出您的问题，我将是赞成重新开放该问题的人之一，而且甚至不需要这种格式的CW。
—
whuber