含算法特征的案件，说明书要把算法钉在具体技术领域上：至少一对输入输出与技术数据对应，并写明算法特征与技术特征如何相互作用、共同产生有益效果。通用的「取数据—训模型—出结果」加 x、y 变量，公开与客体两道关都过不了。
适用时机撰写含算法、商业规则或方法特征的案件时
法律与审查依据
说明书中应当写明技术特征和与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征如何共同作用并且产生有益效果。
审查指南第二部分第九章 6.3.1
包含算法特征时，应当将抽象的算法与具体的技术领域结合，至少一个输入参数及其相关输出结果的定义应当与技术领域中的具体数据对应关联起来。
审查指南第二部分第九章 6.3.1
引用为现行《专利法实施细则》与《专利审查指南》原文；规则库对每条引文做过回底本核验。
为什么这样规定
依据是《专利法》第 26 条第 3 款与审查指南第二部分第九章 6.3.1。指南原文有两句是直接标尺：说明书中应当写明技术特征和与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征如何共同作用并且产生有益效果；包含算法特征时，应当将抽象的算法与具体的技术领域结合，至少一个输入参数及其相关输出结果的定义应当与技术领域中的具体数据对应关联起来。这两句分别管「两类特征的关系」与「算法的技术落点」，缺一不可。
这条规则的制度逻辑要讲清楚：算法本身是智力活动的规则，不因为写进说明书就自动成为技术方案；它要进入专利保护，必须与处理具体技术数据、解决具体技术问题的技术特征形成功能上的相互支持。指南 6.3.1 的意义在于给申请人一条明确的通道，只要完成这个绑定，算法特征就作为技术方案的组成部分参与客体判断与效果认定，而不是被整体排除在方案之外。说明书就是完成绑定的场所，绑定没有写出来，审查员无从确认，只能按未绑定处理。
「功能上相互支持、存在相互作用」不是修辞，它有可操作的判断点：算法处理的对象是技术特征产生的数据；算法的输出被技术环节使用；改变算法参数会改变技术过程的执行结果。三者居其一才算相互作用。只把算法写一章、技术特征写一章，两章互不引用，属于并列堆砌，审查员会认为技术特征只是给算法套了一个外壳。
「与具体技术领域结合」最终落在输入输出上：至少一个输入参数及其相关输出结果的定义要与技术领域中的具体数据对应关联。写「输入向量 x，输出 y」不符合要求；写「输入为所述图像帧中第 k 个候选区域的梯度方向直方图，输出为该候选区域属于行人的置信度」才完成了对应。涉及模型训练的方案，训练数据从哪个技术环节采集、标注如何获得，也要交代，因为训练数据的技术属性本身就是算法与技术领域结合的证据。
写错的代价同样分三个场景。审查阶段，绑定缺失会被指出公开不充分，或被认定方案实质是智力活动的规则和方法而不属于授权客体；效果段只从商业角度描述，提高转化率、降低人力成本、提升用户粘性，而缺少技术效果链条时，有益效果的认定同样立不住，创造性答辩也随之失力。无效程序中，说明书与技术贡献之间的断层会成为攻击点。维权阶段，权利要求中算法特征的技术含义只能回溯说明书，说明书没写的，解释时就没有依据。
用户体验条款有专门的正确用法。指南允许把用户体验的提升写入效果，但必须同时说明该提升是如何由技术特征与算法特征或商业规则特征共同带来的，例如由哪项技术处理配合哪段算法决策改善了什么技术指标。只写「用户体验好」而不给技术成因，等于没写；这句话是对申请人有利的规定，滥用反而浪费。与 DR-DOM-001 的关系是递进：001 管程序的形态公开（流程图与步骤），002 管算法的技术属性；与 DR-DOM-003 的关系是内外衔接：说明书完成绑定，权利要求才能记载含算法特征的技术方案。
怎么写才合规
给算法找技术落点
写之前先回答两个问题：算法处理的是什么技术数据，图像、生理信号、振动波形、电网电流还是物流轨迹；输出交给哪个技术环节，驱动执行机构、调整控制参数还是触发异常报警。把这两个答案写进主题名称、技术问题、独立权利要求特征与效果段，全文保持一致，不允许任何一处回到抽象表述。
输入输出技术化
至少一对输入输出要与具体技术数据对应：写出数据的物理来源、采集方式、格式与维度，输出的物理含义与下游用途。变量名直接用技术含义命名，如直流侧电流序列、温度分布矩阵，不用 x、y、f、g 这类通用符号；确需数学符号的，在首次出现处绑定到技术对象上。
专段写相互作用
在实施方式中专门安排一段，按数据流把两类特征串起来：技术特征 A 产生什么数据，算法特征 B 在该数据上执行什么处理，输出 C 被技术特征 D 如何使用，带来什么技术指标变化。这一段是审查员确认相互作用的直接依据，比散落在各处的零星提及有效得多。
效果沿技术链写
有益效果从技术特征推导：哪个处理降低了什么噪声、哪段算法把什么误差从多少降到多少，落到可测量的技术指标上。商业收益可以写，放在技术效果之后作为补充，不单独成段；判断标准是每句效果都能指认产生它的技术特征或算法步骤。
训练类交代数据
涉及模型训练的，写清训练样本从哪个技术环节采集、标注如何获得、样本规模与类别分布如何。只写「利用历史数据训练模型」不满足要求；训练数据的技术来源既是公开内容，也是算法与技术领域结合的证明材料。
自查三问
定稿前自问三个问题：把方案换到另一技术领域，输入输出和效果是否原样成立？若成立，说明绑定不足。删掉全部技术特征后，方案是否只剩数学运算？效果段是否每句都有技术名词支撑？三问任一不过，回到相应章节修改后再交。
示例：反例与改法
所述方法包括：步骤一，获取数据；步骤二，将数据输入训练好的神经网络模型；步骤三，输出预测结果。
问题三个步骤没有任何具体技术含义：数据是什么、模型处理什么对象、预测结果用于什么技术环节均未记载，属于典型的「获取数据—训练模型—输出结果」式空壳；公开不充分与客体缺陷同时存在，是含算法案件被驳回的第一大形态。
改法改为：步骤 S1，获取所述逆变器运行时以 1kHz 采样的直流侧电流序列；步骤 S2，对所述电流序列提取频谱特征向量；步骤 S3，将所述特征向量输入经训练的支持向量机，判断是否发生电弧故障；步骤 S4，判定为电弧故障时切断输出回路并驱动报警单元。
计算输入 x 与权重 w 的内积，经激活函数 f 得到 y，重复迭代直至收敛。
问题输入输出都是通用数学变量，与任何技术领域都不对应，未满足「至少一个输入参数及其相关输出结果的定义应当与技术领域中的具体数据对应关联起来」的要求；读者也无法确定该运算在本方案中处理的对象与用途。
改法把变量替换为技术对象：以所述温度传感器阵列各测点的实时温度值为输入向量，与标定权重 w 做内积后经 sigmoid 函数映射，输出热异常概率 p；p 大于 0.8 时触发风冷降速指令至所述冷却风机控制器。
采用上述方案，能够显著提高推荐准确率，提升用户粘性，为企业带来更大的商业价值。
问题效果只从商业与运营角度描述，没有任何技术指标；说明书中的有益效果需要技术特征支撑，纯商业效果无法证明技术贡献，含算法案件的客体与创造性判断都会因此受挫，答辩时也没有可用的技术论据。
改法补技术链条：采用所述特征筛选步骤后，输入特征维度由 512 降至 64，单帧推理耗时由 85ms 降至 22ms，使所述车载终端在 10fps 帧率下完成实时检测且功耗下降 18%；在此基础上，广告点击率提升 12%。
说明书第三章写卷积神经网络的结构与训练流程，第四章写图像采集装置的光学结构，两章之间没有一处相互引用。
问题算法特征与技术特征各自独立描述、无相互作用说明，不满足「功能上彼此相互支持、存在相互作用关系」的记载要求；审查员会认为算法与硬件是两件互不相干的事，硬件特征不构成对算法的技术支持。
改法增加衔接段落：所述光学结构采集的图像经所述去噪步骤处理后输入所述卷积神经网络；网络输出的缺陷类别与位置用于驱动所述分拣机构，将判定为缺陷的工件移出传送带。并按数据流顺序重排两章内容，使算法与硬件在行文中交替出现。
边界与例外
- 用户体验提升可以写入，但须同时说明该提升是如何由技术特征与算法/商业规则特征共同带来的
常见误区
- 通篇「获取数据—训练模型—输出结果」，无任何具体技术含义。
- 输入输出用 x、y、f 等通用符号，未与技术数据关联。
- 算法章节与技术特征章节各自独立，全文互不引用。
- 效果段只讲商业收益、转化率、用户体验，无技术指标。
- 训练数据的来源与标注方式一句带过或完全不写。
- 把「提升用户体验」当技术效果写，却不给技术成因。
- 主题名称带技术词，正文算法却可原样搬到任何技术领域。
提交前检查清单
- 算法的至少一对输入输出是否与技术领域中的具体数据对应？
- 实施方式中是否有一段按数据流写明算法与技术特征的相互作用？
- 算法处理的数据是否来自前序技术特征，输出是否被后续技术环节使用？
- 有益效果是否沿技术链条落到可测量指标，商业收益是否仅作补充？
- 训练类方案是否写清训练数据的来源、标注方式与规模？
- 用户体验类提升是否说明了由技术特征与算法特征共同带来？
- 把方案换到另一技术领域，输入输出和效果是否就不再成立？
- 每一个技术效果是否都能指认产生它的技术特征与算法步骤？
相关规则
本页为撰写方法说明，不构成法律意见。具体案件的撰写与答复请咨询专利代理师。