1. 这个速递栏目到底在解决什么问题做AI方向研究或者工程落地的人都有一个共同的痛点信息过载。arXiv每天新增的论文数量在三百到五百篇之间顶会开完的那几周更是集中爆发。你不可能每篇都点开看但你又怕漏掉真正重要的那几篇。我身边不少同行包括我自己都经历过“过了两周才发现某篇关键工作”的懊恼。“人工智能学术速递”这个栏目本质上就是一个人工半自动的论文筛选与摘要系统。它每天从公开的学术预印本平台上抓取最新提交的论文按照预设的方向标签做初筛再由人工快速过一遍摘要挑出值得关注的那几篇配上简短的解读和链接形成一份可以直接扫读的清单。2.23这一期就是其中某一天的正常产出。它解决的核心问题有三个第一降低信息获取的时间成本把“大海捞针”变成“直接看筛好的”第二提供跨方向的视野做视觉的人可能顺便看到NLP那边的新动态第三保留一个可回溯的记录过一段时间回头看能快速定位到某个时间段的热点方向。适合看这个栏目的人包括刚进组的研究生、需要跟踪前沿但时间有限的工程师、准备选题的高年级本科生以及任何对AI进展保持好奇但不想被信息淹没的人。它不替代精读论文但能帮你决定“哪几篇值得精读”。2. 一期速递的完整生产流程拆解2.1 数据抓取与去重速递的起点是数据源。常见的做法是订阅几个主要的预印本平台的RSS或者用其公开API拉取当日新增。以arXiv为例它的API支持按分类cs.CV、cs.CL、cs.LG等和时间范围查询返回XML格式的结果。实际写脚本的时候我会用Python的feedparser或者直接requests加xml解析把标题、作者、摘要、提交时间、论文编号这些字段抽出来存到一个本地数据库里。去重这一步很多人会忽略但其实很关键。同一篇论文可能因为版本更新v1到v2被重复抓取也可能因为跨分类提交出现在多个列表里。我的做法是用论文编号不含版本号作为唯一键如果已经存在就跳过只更新版本信息。这样能避免同一篇论文在速递里出现两次。import feedparser import sqlite3 from datetime import datetime, timedelta def fetch_arxiv(categorycs.CV, days_back1): base http://export.arxiv.org/api/query? query fsearch_querycat:{category}sortBysubmittedDatesortOrderdescendingmax_results200 feed feedparser.parse(base query) cutoff datetime.now() - timedelta(daysdays_back) results [] for entry in feed.entries: published datetime.strptime(entry.published[:10], %Y-%m-%d) if published cutoff: results.append({ id: entry.id.split(/)[-1].split(v)[0], title: entry.title.replace(\n, ), summary: entry.summary.replace(\n, ), published: entry.published, link: entry.link }) return results这段代码是简化版实际用的时候要加异常处理和请求间隔不然容易被限流。我一般设置每次请求间隔三秒一天跑一次足够。2.2 方向标签与初筛规则抓下来的论文如果直接全看那和没筛一样。所以需要一套标签体系。我的做法是维护一个关键词到方向的映射表比如“diffusion model”“score-based”归到生成模型“object detection”“segmentation”归到视觉感知“transformer”“attention”这种通用词则根据上下文判断。初筛规则可以很简单标题或摘要命中某个方向的关键词超过一定阈值就归入该方向。但纯关键词匹配会有误判比如一篇讲“attention”的论文可能是认知科学方向的。所以我会再加一层如果论文的主分类primary category和关键词方向一致权重加倍不一致则降权。这样能把准确率提到可接受的水平。注意不要追求100%的自动分类准确率速递的定位是辅助筛选不是替代判断。留10%到20%的“其他”类目让读者自己扫一眼反而能发现意外之喜。2.3 人工摘要与解读的写法自动筛选之后我会快速过一遍每篇的摘要挑出值得展开的。判断标准很主观但大致有几条方法有新意、实验规模大、来自活跃团队、或者和近期热点直接相关。挑出来之后写一段两三句话的解读说清楚它做了什么、为什么值得看、和已有工作的区别在哪。写解读的时候我有个习惯不用“本文提出了一种…”这种句式而是直接说“这篇把X和Y结合起来了在Z任务上比之前的方法好了多少”。这样读起来更像人在说话而不是机器在复述摘要。另外如果论文有开源代码一定把链接附上这是读者最关心的信息之一。3. 2.23这一期的内容组织与呈现3.1 栏目结构设计一期速递通常分成几个固定板块今日亮点、方向速览、值得精读、工具与资源。今日亮点放一到两篇我认为最重要的给一段稍长的解读方向速览按标签分组每篇一句话概括值得精读是那些需要花时间细看的附上我的阅读笔记要点工具与资源则是数据集、代码库、教程之类的非论文内容。这种结构的好处是层次分明读者可以根据自己的时间决定看到哪一层。只有五分钟就扫一眼亮点和速览有半小时就看看精读部分。2.23这一期我印象比较深的是生成模型方向有几篇关于采样加速的工作视觉那边有关于开放词汇分割的新方法NLP方向则是一批关于长上下文处理的。3.2 摘要写作的具体技巧写一句话概括的时候最容易犯的错是照抄摘要的第一句。摘要的第一句往往是背景铺垫信息密度低。我的做法是直接跳到方法和结果部分用“做了什么怎么做的效果如何”的三段式来压缩。比如不要写“近年来扩散模型在图像生成领域取得了显著进展”而是写“用一致性蒸馏把扩散模型的采样步数从50步压到4步FID只掉了0.3”。另外数字要具体。说“效果更好”不如说“在ImageNet 256上FID从2.1降到1.8”。说“速度更快”不如说“推理时间从1.2秒降到0.3秒”。读者扫一眼就能判断这个改进对自己有没有意义。3.3 链接与引用规范每篇论文必须附上原文链接这是底线。如果有代码、项目主页、演示视频也一并附上。我习惯把链接放在标题后面用方括号标注类型比如[论文]、[代码]、[项目页]。这样读者一眼就知道点进去能看到什么。引用格式我倾向于简洁作者名年份简短标题。不写完整的期刊格式因为速递的读者不需要这个。如果同一篇论文之前出现过会标注“更新”并说明改了什么比如“v2增加了在更大数据集上的实验”。4. 实际操作中遇到的坑与应对方案4.1 抓取失败与数据缺失最常见的问题是API限流或者临时不可用。我的应对策略是加本地缓存每次抓取的结果存一份JSON到本地如果当天抓取失败就用缓存里的数据并在速递开头注明“数据可能不完整”。另外设置重试机制失败后等三十秒再试最多试三次。还有一个坑是时区问题。预印本平台的提交时间用的是UTC而我看的是本地时间。如果不做转换可能会把昨天的论文当成今天的。我的做法是统一转成UTC8再判断日期这样和我的作息一致。4.2 分类误判与漏筛关键词匹配最大的问题是漏筛。一篇论文可能用了不同的术语来描述同一个东西比如“扩散模型”和“去噪概率模型”其实是一回事但关键词表里只写了前者就会漏掉。解决办法是定期更新关键词表把同义词、缩写、变体都加进去。我一般每两周回顾一次漏筛的论文把新出现的术语补进去。另一个问题是跨方向论文的归属。一篇论文可能同时涉及视觉和语言放哪个方向都行。我的做法是看它的主要贡献在哪边如果实在分不清就放“交叉方向”标签下。不要强行归类读者不会因为分类不完美而责怪你但会因为漏掉重要论文而失望。4.3 解读的主观性与偏差写解读难免带入个人判断这既是优点也是风险。优点是读者能获得一个“人”的视角知道什么值得看风险是可能过度推崇某些工作而忽略另一些。我的应对方法是在解读里明确区分“事实”和“观点”。事实部分只陈述论文做了什么、结果如何观点部分用“我认为”“个人觉得”来标注。这样读者能清楚地知道哪些是客观信息哪些是我的主观判断。另外我会定期回顾自己之前的解读看看有没有明显偏颇的地方。比如有一段时间我特别关注效率优化的工作对理论分析类的论文关注不够后来就有意识地平衡一下。4.4 常见问题速查表问题现象可能原因排查方法解决措施抓取结果为空API变更或限流手动访问API地址看返回更换接口或增加请求间隔同一论文重复出现版本更新或跨分类检查论文编号是否相同用编号去重保留最新版本分类明显错误关键词表过时查看论文实际内容更新关键词表增加同义词解读被质疑不准确摘要理解偏差对照原文方法部分修正解读标注更正说明读者反馈漏掉重要论文初筛规则太严回顾当日全部论文标题放宽阈值增加“其他”类目提示这张表是我自己遇到问题时快速定位用的你可以根据自己的数据源和流程调整。关键是要有一个可查的记录不然同样的问题会反复出现。5. 让速递更有价值的几个进阶做法5.1 趋势追踪与月度回顾单看一天的速递是碎片化的但如果把一个月的数据攒起来就能看出一些趋势。比如某个方向连续多天有论文出现说明它正在升温某个方法被多篇论文引用或对比说明它成了基线。我每个月会做一次回顾把当月的高频关键词、高频作者、高频数据集列出来形成一份月度观察。这个回顾不需要很复杂用简单的词频统计就能做。把每篇论文的标题和摘要拼在一起去掉停用词统计词频排在前面的就是热点。再结合人工判断就能写出一份有参考价值的月度总结。5.2 读者反馈的收集与利用速递发出去之后读者的反馈是最宝贵的改进依据。我会在文末留一个简单的反馈入口让读者告诉我哪篇论文他们觉得有用、哪篇被高估了、还希望看到什么方向。这些反馈直接指导我调整关键词表和筛选规则。比如有读者说希望多看到一些关于模型可解释性的工作我就在关键词表里加了“interpretability”“explainability”“attention visualization”这些词后续的速递里这类论文的出现频率就上去了。读者的需求是多样化的靠一个人拍脑袋想不全但收集反馈能帮你覆盖到更多。5.3 与社区工具的配合使用速递不是孤立的它可以和已有的社区工具配合。比如有些平台提供论文的引用关系图你可以用它来判断一篇论文的影响力有些平台有论文的讨论区你可以看看同行在关注什么。把这些信息融入速递的解读里能让内容更有深度。我自己的做法是对于值得精读的论文去它的讨论区扫一眼看看有没有人指出实验缺陷或者提出替代解释。如果有就在解读里加一句“注意有讨论指出…”。这样读者不仅知道论文说了什么还知道社区对它的看法。5.4 自动化与人工的平衡点全自动的速递没有灵魂全人工的速递做不长久。我的经验是抓取、去重、初筛、格式化这些环节尽量自动化把时间省下来花在解读和判断上。自动化部分用脚本跑每天定时执行人工部分集中在早上花半小时到四十分钟完成。这个平衡点因人而异。如果你时间充裕可以多花点时间在解读上如果时间紧就把自动化程度提高人工只做最关键的筛选。关键是保持可持续性不要因为某天太忙就断更断了就很难捡起来。6. 从零开始搭建自己的速递栏目6.1 最小可行方案如果你也想做一个类似的速递不需要一开始就追求完美。最小可行的方案是选一个你最关心的方向每天抓取该方向的新论文人工挑三到五篇写一句话概括发在一个固定的地方。工具用最简单的就行Python脚本加一个Markdown文件甚至手动复制粘贴都可以。关键是先跑起来形成习惯。我见过太多人把时间花在搭建复杂的系统上结果系统还没搭好热情就消退了。先用最笨的办法做起来遇到问题再逐步优化这样更容易坚持。6.2 逐步迭代的路径跑通最小方案之后可以按这个顺序逐步迭代第一步加自动去重和格式化减少手工操作第二步加关键词初筛缩小人工筛选的范围第三步加多方向覆盖从单一方向扩展到三到五个方向第四步加月度回顾和趋势分析第五步加读者反馈机制。每一步都建立在前一步稳定运行的基础上不要跳步。我自己的速递栏目跑了大概三个月才加到多方向覆盖又过了两个月才做月度回顾。慢一点没关系稳一点更重要。6.3 长期维护的心态做速递这件事最大的挑战不是技术是心态。每天都要花时间短期内看不到明显的回报很容易放弃。我的建议是把它当成一个学习工具而不是一个产品。你在做的过程中会被迫读很多论文的摘要这本身就是一种积累。哪怕只有你一个读者这个投入也是值得的。另外不要追求每期都完美。有时候论文质量普遍不高那就少写几篇标注“今日平淡”也没关系。读者能理解你自己也不用有压力。长期来看稳定输出比偶尔爆发更有价值。7. 一些实操中的小技巧和注意事项7.1 提高筛选效率的快捷键与工具如果你用浏览器看论文列表学会用快捷键能省不少时间。比如Ctrl点击在新标签页打开CtrlW关闭当前标签CtrlTab切换标签。我习惯一次性打开二三十个标签然后快速扫读不重要的直接关掉重要的留下来细看。另外用RSS阅读器订阅几个关键来源比每天手动访问网站要高效得多。阅读器会自动聚合更新你只需要扫一眼标题感兴趣的再点开。我用的阅读器支持全文搜索和标签分类找之前的论文很方便。7.2 摘要阅读的取舍标准读摘要的时候我一般看三个地方第一句看它解决什么问题中间看它怎么做的最后看结果。如果第一句说的问题我不关心直接跳过如果方法部分有我不熟悉的术语标记一下待查如果结果只在一个小数据集上验证降权处理。还有一个经验看作者单位。来自活跃团队的论文通常质量更有保障但也不要迷信小团队偶尔也会有惊艳的工作。我的做法是给每个团队维护一个内部评分根据历史论文的质量动态调整但只作为参考不作为唯一标准。7.3 避免信息茧房做速递时间长了容易陷入自己的舒适区只关注熟悉的方向和作者。这对读者不利因为他们的需求是多样的。我的应对方法是每周至少花一天时间看一个自己不熟悉的方向强迫自己跳出舒适区。哪怕看不懂细节至少知道那边在发生什么。另外定期检查自己的关键词表看看有没有长期没有更新的条目。如果一个关键词连续一个月没有命中任何论文要么是这个方向冷了要么是术语变了。前者可以保留观察后者需要更新。7.4 与同行交流的价值一个人做速递视野总是有限的。和同行交流能帮你发现盲区。我加入了一个小范围的讨论组里面的人方向各异每天有人分享自己看到的论文。这些分享不一定都适合放进速递但能帮我判断哪些方向在升温、哪些方法在被淘汰。交流的另一个好处是能获得反馈。你写的解读同行一眼就能看出哪里不准确。这种反馈比读者的反馈更专业也更有针对性。当然交流的前提是你也愿意分享自己的发现单向索取是维持不下去的。7.5 数据备份与迁移最后说一个容易被忽略的点数据备份。你的论文数据库、关键词表、历史速递文件这些都是积累下来的资产。如果只存在本地硬盘坏了就全没了。我的做法是每周自动备份到云端同时保留一份本地副本。迁移的时候整个文件夹打包带走在新机器上改一下路径就能继续跑。另外代码要写注释配置文件要写说明。过三个月回头看你很可能忘了某个参数是干什么的。花五分钟写清楚能省后面半小时的困惑。这个习惯在 solo 做项目的时候尤其重要因为没有人会提醒你。