1. 从一份每日论文汇总说起我为什么要做这件事每天早上刷 arXiv 的 cs.AI 板块已经成了我这两年雷打不动的习惯。原因很简单这个板块是整个人工智能领域最新鲜的“情报集散地”——今天刚挂上去的预印本可能三个月后就是某个顶会的 oral也可能半年后就成了某款产品的技术底座。但问题也随之而来cs.AI 每天的更新量实在太大多的时候一天上百篇标题扫一遍都要十几分钟更别说挑出真正值得精读的那几篇了。所以我从去年开始给自己搭了一套“每日论文汇总”的流程把 2026 年 9 月 28 日这一天的 cs.AI 更新做了一次系统性梳理。这篇博文就是这次梳理的完整复盘——不是简单罗列标题而是讲清楚我是怎么筛选、怎么归类、怎么快速判断一篇论文值不值得深读的。核心关键词围绕arxiv、cs.AI、人工智能、论文、LLM这几个方向展开适合每天需要跟踪前沿动态的研究生、算法工程师以及想保持技术敏感度的从业者参考。你可能会问现在不是有各种论文推荐工具吗确实有但工具的问题是它不懂你的研究方向。我做 LLM 应用和智能体系统比较多所以对“LLM 智能体”“容错控制”“多模态融合”这类主题特别敏感而工具推给我的往往是它认为热门的不一定是我需要的。自己动手做汇总最大的价值在于筛选逻辑是私有的、可迭代的——今天发现漏掉了某个方向明天就能把关键词补进去。下面我把整套方法拆开讲从整体设计思路到具体操作再到踩过的坑尽量还原一个真实的工作流。2. 整体设计与思路拆解一份论文汇总该长什么样2.1 先想清楚汇总不是搬运是二次加工很多人做论文汇总第一反应是把 arXiv 的 RSS 拉下来标题加摘要直接贴出去。我早期也这么干过结果就是——没人看包括我自己。因为 raw 数据没有信息增量读者扫一眼标题就走了跟直接上 arXiv 没区别。真正有价值的汇总核心在于二次加工。我的做法是给每篇入选论文打三个标签方向归属、创新点一句话、与我研究的相关度。方向归属解决“这是干什么的”创新点解决“它新在哪”相关度解决“我要不要读”。这三个标签加起来读者三秒钟就能判断这篇论文跟自己的关系。以 9 月 28 日这批论文为例我大致分成了几个簇LLM 智能体与自主决策、多模态与空间理解、模型评测与对齐、训练与推理效率、以及一些偏应用的方向。这个分类不是拍脑袋定的而是根据当天论文的实际分布动态调整的——如果某天智能体相关的论文特别多我就会把它单独拎出来做一个子类。2.2 筛选漏斗从上百篇到十几篇我的筛选漏斗分三层逐层收紧第一层是标题过滤。cs.AI 的标题通常包含明确的任务词比如 “Agent”“Reasoning”“Alignment”“Benchmark”“Efficient” 等。我会先按这些词做一轮粗筛把明显不相关的比如纯理论证明、纯综述先放一边。这一层大概能砍掉一半。第二层是摘要速读。对剩下的论文我只看摘要的前三句和最后一句。前三句通常交代问题和动机最后一句往往是贡献总结。如果这两部分都没打动我直接跳过。这一层再砍掉一半左右。第三层是方法速览。对最终入选的论文我会快速翻一下方法部分的图和公式判断它的技术路线是不是我熟悉的、能不能复现。这一层是决定“精读还是收藏”的关键。这套漏斗跑下来9 月 28 日这天我从大约 90 篇更新里最终选出了 14 篇进入汇总其中 5 篇标记为“精读”9 篇标记为“收藏待读”。2.3 为什么坚持人工而不是全自动有朋友建议我用 LLM 直接做摘要和分类省事。我试过效果不稳定。LLM 做摘要容易“幻觉”把论文没说的东西编进去做分类又太依赖 prompt换个措辞结果就变了。更重要的是人工筛选的过程本身就是学习过程——你在判断一篇论文值不值得读的时候其实已经在脑子里建立这个领域的知识地图了。所以我的定位是LLM 做辅助人做决策。具体来说我用 LLM 帮我做初筛的标题分类和关键词提取但最终的入选和标签一定是我自己定的。这样既提了效率又保证了质量。3. 核心细节解析与实操要点怎么读、怎么记、怎么归类3.1 标题里的信息量比你想的大arXiv 的标题是高度浓缩的一个好的标题往往包含了任务、方法、甚至数据集。我总结了几种常见的标题模式看多了就能快速判断论文类型“X for Y” 型比如 “Efficient Reasoning for LLM Agents”说明是把某个方法用到某个场景重点看 X 和 Y 的匹配度。“Towards X” 型通常是愿景类论文贡献偏概念实用性要打问号。“X: A Benchmark/Dataset” 型直接告诉你这是资源类论文看规模和评测维度就行。“Rethinking X” 型一般是挑战既有范式的值得重点关注但也容易标题党。9 月 28 日这天我注意到好几篇标题里带 “Spatial” 和 “Agent” 的论文结合最近的热词 “spatial llm” 和 “识的 llm 智能体自主容错控制”能明显感觉到这两个方向在升温。这种从标题分布看趋势的能力是长期跟踪才能练出来的。3.2 摘要速读的三个锚点摘要速读不是逐字读而是找锚点。我的三个锚点是问题陈述通常在开头一两句看它解决的是什么痛点。方法核心通常在中间看它用了什么关键技术是不是我熟悉的。实验结果通常在结尾看它在什么 benchmark 上、比 baseline 好多少。如果一篇论文的摘要里实验部分只写了 “extensive experiments demonstrate the effectiveness”没有具体数字和数据集我一般会降低优先级——不是说它一定差而是信息量不足以让我判断。3.3 标签体系让汇总可检索、可复用我给每篇论文打的标签分三类方向标签如LLM-Agent、Multimodal、Alignment、Efficiency。方法标签如RLHF、RAG、CoT、Distillation。状态标签如精读、收藏、待复现。这套标签的好处是过一段时间我想找“所有跟智能体容错相关的论文”直接搜标签就行不用翻聊天记录。而且标签是累积的越用越顺手。提示标签不要超过三层否则维护成本会超过收益。我一开始设计了五层标签结果两周就放弃了。3.4 工具选型够用就好别折腾我用的工具很朴素Zotero Obsidian 一个自己写的 Python 脚本。Zotero 管文献元数据Obsidian 写笔记和标签Python 脚本负责从 arXiv API 拉取当天更新并做初步分类。为什么不直接用现成的论文管理工具因为我的需求很特殊——我需要每日汇总这个动作而不是长期文献管理。现成工具大多是为后者设计的用起来反而别扭。自己写脚本虽然土但完全贴合我的流程。脚本的核心逻辑很简单调用 arXiv API按cs.AI分类和日期过滤拿到标题、摘要、作者、链接然后用关键词做一轮粗分类输出成 Markdown。剩下的筛选和打标签我在 Obsidian 里手动完成。4. 实操过程与核心环节实现9 月 28 日这批论文我是怎么处理的4.1 数据拉取arXiv API 的正确用法arXiv 提供了官方的 API用 Python 调用很方便。核心参数是search_query和sortBy。我的查询语句大致是这样import urllib.request import urllib.parse import feedparser base_url http://export.arxiv.org/api/query? query cat:cs.AI params { search_query: query, start: 0, max_results: 200, sortBy: submittedDate, sortOrder: descending } url base_url urllib.parse.urlencode(params) response urllib.request.urlopen(url) feed feedparser.parse(response.read())这里有几个坑要注意max_results 不要设太大我一般设 200够覆盖当天更新。设太大容易超时。sortBy 用 submittedDate这样拿到的是按提交时间排序的方便按天切分。注意时区arXiv 的提交时间是美国东部时间跟北京时间有 12-13 小时时差。我一般早上拉取拿到的是前一天美东时间的更新。拉下来的数据里每篇论文有title、summary、authors、link、published等字段。我会先把summary里的换行符清理掉方便后续处理。4.2 初筛脚本关键词加权打分拿到数据后我用一个简单的加权打分做初筛。逻辑是给不同关键词赋不同权重标题里出现的权重高摘要里出现的权重低最后按总分排序。keywords { agent: 3, llm: 3, reasoning: 2, multimodal: 2, alignment: 2, efficient: 1, benchmark: 1, spatial: 2, robust: 2, fault: 2, tolerance: 2 } def score_paper(paper): score 0 title paper[title].lower() summary paper[summary].lower() for kw, weight in keywords.items(): if kw in title: score weight * 2 if kw in summary: score weight return score这个打分不是为了自动决策而是为了排序。我把所有论文按分数从高到低排然后从高往低看看到分数明显下降的拐点就停。9 月 28 日这天前 20 篇的分数都在 15 分以上第 21 篇开始掉到 10 分以下拐点很明显。注意关键词表要定期更新。我每个月会回顾一次把新出现的热词加进去把过时的删掉。比如 “spatial llm” 这个词就是最近才加进去的。4.3 人工精筛14 篇入选论文的归类实录经过脚本初筛和人工速读9 月 28 日这天我最终选了 14 篇。下面按方向归类每篇给出一句话点评和我的判断。LLM 智能体与自主决策方向4 篇这个方向是当天最热的跟热词 “识的 llm 智能体自主容错控制” 高度吻合。其中一篇讲智能体在工具调用失败时的自我恢复机制方法上用了类似 “反思-重试” 的循环但加入了失败模式分类比单纯的 retry 更精细。另一篇关注多智能体协作中的通信效率提出了一种稀疏通信协议在保持任务成功率的同时把 token 消耗降了约 40%。我的判断这个方向值得精读尤其是容错和通信效率这两块跟实际落地强相关。多模态与空间理解方向3 篇“spatial llm” 这个热词在这天有直接体现。一篇论文提出了空间关系推理的评测基准覆盖了 3D 场景理解、相对位置判断等任务。另一篇把视觉语言模型用到机器人导航重点解决 “看到但看不懂空间关系” 的问题。我的判断评测基准那篇值得收藏做多模态的可以拿来测自己的模型导航那篇偏应用看具体场景。模型评测与对齐方向3 篇这个方向跟 “llm as judge” 热词相关。一篇论文系统分析了 LLM 作为评判者时的偏见问题发现位置偏见和长度偏见依然显著。另一篇提出了一个多维度对齐评测框架把有用性、无害性、诚实性拆开单独测。我的判断偏见分析那篇值得精读因为 “llm as judge” 现在用得太多了偏见问题不解决评测结果就不可信。训练与推理效率方向2 篇一篇讲量化训练中的精度损失补偿另一篇讲推理时的动态计算分配。后者思路比较新根据输入难度动态决定用多少层简单问题少算、难问题多算。我的判断动态计算那篇值得收藏思路可以借鉴到自己的推理优化里。应用方向2 篇一篇是教育场景的 LLM 辅助批改一篇是代码生成中的单元测试自动生成跟热词 “基于 llm 的单元测试” 对上了。这两篇偏工程方法上没有太大创新但实操细节可以参考。4.4 笔记模板每篇论文记什么我对精读论文用统一的笔记模板包含以下字段字段说明标题原文标题方向方向标签问题它解决什么问题方法核心技术路线实验数据集和主要结果启发对我研究的启发疑问没看懂或存疑的地方状态精读/收藏/待复现这个模板的好处是强制我思考“启发”和“疑问”。很多人读论文只记“它做了什么”不记“对我有什么用”结果读完就忘。加上这两栏之后笔记的复用价值高很多。5. 常见问题与排查技巧实录这些年踩过的坑5.1 论文太多看不过来怎么办这是最常见的问题。我的解法是接受“看不完”这个事实然后把目标从“看完”改成“不漏掉关键的”。具体做法用脚本做初筛把范围从上百篇缩到二三十篇。对这二三十篇做速读选出十几篇。十几篇里再分精读和收藏精读控制在 5 篇以内。这样每天的实际阅读量是可控的而且不会因为贪多而焦虑。5.2 怎么判断一篇论文值不值得精读我的判断标准有三条满足两条就精读问题是我关心的比如智能体容错、多模态空间推理。方法有可借鉴之处哪怕结果一般思路能用到我的工作里。实验扎实有具体数据集、有 baseline 对比、有消融。如果三条都不满足哪怕标题再吸引人我也只收藏不精读。5.3 摘要读不懂怎么办有些论文摘要写得很绕读三遍不知道它在说什么。我的做法是直接跳到方法和实验部分看图。图往往比文字更直观看完图再回头看摘要通常就懂了。如果图也看不懂那说明这篇论文跟我的知识储备差距太大先放一放等基础补上来再回来看。5.4 常见问题速查表问题排查思路解决方法脚本拉取失败检查网络和 API 参数换时间段重试确认 query 语法关键词筛不准检查关键词表是否过时每月更新一次关键词笔记记了不看检查笔记是否有“启发”栏强制填写启发和疑问分类混乱检查标签是否超过三层精简到三层以内精读效率低检查是否逐字读用三锚点法速读5.5 几个独家避坑技巧技巧一不要在同一天读太多同方向的论文。我试过一天读五篇智能体相关的结果读到后面脑子已经麻木了区分不出哪篇是哪篇。后来改成同方向最多读两篇效果明显好很多。技巧二把“待复现”的论文单独放一个列表。有些论文你读完觉得很好想复现但当时没时间。如果不单独记下来过两周就忘了。我专门建了一个 “待复现” 列表每周挑一篇出来动手。技巧三定期回顾收藏夹。收藏不等于读过。我每个月会翻一次收藏夹把已经过时的删掉把仍然相关的升级为精读。这样收藏夹不会变成“垃圾堆”。技巧四用 LLM 辅助但不依赖。我让 LLM 帮我做标题分类和关键词提取但最终的判断一定是我自己做的。LLM 的分类结果我会当作参考不会直接采用。6. 从这批论文看趋势几个值得关注的方向6.1 智能体容错正在从概念走向工程9 月 28 日这天智能体相关的论文里有相当一部分在讨论失败恢复和容错。这跟热词 “识的 llm 智能体自主容错控制构建可靠 ai 系统的工程实践” 完全对得上。我的判断是这个方向正在从“能不能做”转向“做得稳不稳”接下来会有更多工程导向的论文出现。对做智能体落地的同学来说这意味着容错机制的设计会成为核心竞争力。单纯会调 API 不够了得懂怎么让智能体在工具失败、上下文超限、推理出错时还能继续工作。6.2 空间理解是多模态的下一个战场“spatial llm” 这个热词不是空穴来风。当天好几篇论文都在做空间关系推理从评测基准到具体应用都有。这说明多模态研究正在从“识别物体”往“理解关系”走。识别是感知层理解是认知层后者的难度高一个量级。如果你在做多模态建议关注这个方向。空间理解做不好机器人在真实环境里就没法可靠行动。6.3 评测的可信度问题越来越突出“llm as judge” 用得太多了但当天那篇偏见分析的论文提醒我们LLM 评判者本身是有偏的。位置偏见、长度偏见、格式偏见这些都会影响评测结果。我的看法是短期内 LLM 评判还不能完全替代人工评判尤其是在关键决策场景。更稳妥的做法是 LLM 评判加人工抽检两者结合。6.4 效率优化从训练转向推理当天的效率类论文里训练侧的优化明显少于推理侧。这跟行业趋势一致——模型训练的成本已经被摊薄了推理成本才是大头。动态计算分配、量化推理、缓存复用这些方向接下来会持续热。7. 我个人的几个实操习惯最后分享几个我坚持了很久的习惯都是踩过坑之后留下来的。第一每天早上固定 30 分钟做汇总。时间太长会疲劳太短又看不完。30 分钟刚好够我跑脚本、速读、打标签。超过 30 分钟还没看完的直接留到第二天不硬撑。第二每周做一次回顾。把这一周的汇总翻一遍看看有没有漏掉的重要论文有没有标签打错的。回顾的时候经常能发现一些当时没注意到的关联。第三每月更新一次关键词表。领域变化快关键词表不更新就会漏掉新方向。我一般月底花半小时把这周看到的新词加进去把过时的删掉。第四不追求“读完所有论文”。这是最重要的一条。论文是读不完的追求读完只会让自己焦虑。把目标定在“不漏掉关键的”心态会好很多效率反而更高。这套流程我跑了快一年最大的感受是汇总的价值不在于你读了多少而在于你建立了自己的筛选和判断体系。工具会变热点会变但判断一篇论文值不值得读的能力是长期受用的。