每天早上七点，我做的第一件事不是回消息，而是打开ArXiv的计算机视觉板块。这个习惯坚持了快一年，也就是这个日更项目最原始的起点。今天（2026年9月22日）早上扫完当天的CV论文更新，忽然想把整套流程、筛选逻辑、踩过的坑完整写出来。原因其实很简单：经常有人来问我，你每天发的那几条论文总结到底是怎么挑出来的？为什么我打开ArXiv首页，面对几十篇新提交的论文还是觉得无从下手？这篇就算是一次完整的交代。
1. 每天几百篇CV论文，日更这件事最初是怎么想的
1.1 论文量早已不是"一个人能刷完"的级别
先看一个很现实的数字。当前ArXiv的cs.CV分类每天新增的论文量，绝大多数工作日都在150篇以上，高峰时期冲到过300篇。这不是某一个细分方向，是计算机视觉一个分类的量。你再叠加cs.AI、cs.LG、cs.MM这些和CV强相关的分类，一天的新论文可能超过500篇。
这对一个普通研究者意味着什么？意味着如果想把当天所有标题和摘要都过一遍，大概要花掉一个上午。如果你还想精读三五篇，恭喜你，这一天基本不用干别的了。所以"追踪前沿"这件事，在论文量小的时候叫读论文，在论文量大的时候必须叫信息筛选。这也是我决定做每日更新的根本原因——我需要一个机制，替我把"今天该看什么"这个问题固定下来，而不是每天从零开始纠结。
1.2 这个日更项目给自己的三个定位
开始之前，我先把目标写在了纸上，防止做着做着跑偏。三个定位，到现在都没变过：
- 定位是"爱好者的前沿入口"，不是"学术裁判"。我不可能也没有资格评判一篇论文是否足够顶会，我能做的是判断它是否值得你看。
- 定位是"工具型摘要"，不是"复现报告"。每篇更新围绕它解决了什么问题、核心思路是什么、对你的工作有没有参考价值来写，不做大段公式推导。
- 定位是"持续稳定优先"，不是"爆款优先"。日更最怕的不是某天内容不够惊艳，而是断更。宁可每天平平稳稳写三条，也不攒一周憋一篇大的。
这三个定位想清楚之后，后面所有操作都变得简单了：每天的产出变成一个标准动作，而不是一次创作。
1.3 为什么不建议一开始就想做"全网最全"
老实说，刚开始那两周我做了一个错误尝试——想把当天全部重点论文都覆盖到。结果就是每篇都写得蜻蜓点水，深度不够，还把自己累得半死。后面我悟出一个道理：对读者来说，一份"每天只挑五到八篇、每篇观点鲜明"的清单，价值远大于一份"五十篇论文的流水账"。
现在我的默认规则是：每天精读三篇，速读八到十篇。精读的写完整点评，速读的只写"一句话发现+推荐理由"。这个节奏让我能长期坚持，也让读者每天只需要花十分钟就能跟上CV的动态。
2. 从海量提交里筛出值得精读的几篇：我的三层过滤链路
很多人问我筛选论文有没有什么"独门秘笈"。说实话没有，我的方法非常朴素，就是把筛选拆成三个可执行的动作，每层过滤标准都在变，速度和成本逐层提高。
2.1 第一层：标题和摘要里的"信号词"筛选
第一层过滤发生在标题和摘要层面，处理速度要快，一篇均价不超过一分钟。我会关注几类信号词：
- 任务型关键词：比如detection、segmentation、tracking、pose、generation、diffusion、LLM、world model这些。
- 方法型关键词：比如zero-shot、few-shot、efficient、lightweight、real-time、training-free这些，它们往往意味着方法论上有增量。
- 数据集和评测型关键词：benchmark、dataset、survey。这类论文我一般不会漏过，因为数据集和综述对日常研究很有用，尤其是survey，一周内就会被大量引用。
反过来，看到下面这些情况我会直接跳过：标题全是营销词（比如"革命性""SOTA全面碾压"），摘要里没有一个可验证的数字；或者标题看起来明显是小领域内某个名字都没听过的数据集上的增量实验。这类内容不是说没有价值，而是对大多数读者来说，优先级排不到前面。
2.2 第二层：图像预览与作者、机构信号
通过第一层的论文，我会快速拉出论文页面的预览图，重点看方法架构图和实验表格。这里有一个很实用的经验：只看图和表，你就能判断这篇论文的"成色"。
- 架构图混乱、箭头到处都是、图例对不上的，大概率写作态度也不行，复现更是灾难。
- 实验表格只有一个数据集、两三个对比方法的，除非任务是全新场景，否则增量贡献通常有限。
- 作者和机构信号我一般放在最后看。不是为了看名气，而是为了建立连续认知：同一组连续投出的几篇工作，往往能串成一个完整的研究脉络，值得追踪。相反，一个新团队第一篇工作确实需要更多时间观察。
2.3 第三层：用语义相似检索把"陌生但相关"的论文捞回来
只看标题和摘要有一个大问题：你会被自己的视野限制住。只看关键词很容易变成"只搜你认识的东西"。这两年我逐渐养成一个习惯，每周会专门留出时间，把我最近精读的五六篇论文作为种子，放到Semantic Scholar的API里做语义相似度检索，把那些"相关但你没见过"的论文捞出来。
这个做法很反直觉，因为一般人的筛选流程是"从新论文里找熟悉的"，而我反过来"从熟悉的向外扩展"。比如持续关注某个方向的系列工作，通过API拉回来几篇引用关系里的上游工作，经常会有意外收获。我管这叫"放饵钓鱼"，它是我保持视野不窄的重要机制。
3. 保证365天不断更的工作流：凌晨抓取、白天精读、晚上成稿
日更这件事，内容质量是下限，稳定是上限。为了让自己不断更，我把一天的时间切成了三个固定切片。
3.1 每天的时间切片和任务边界
我的时间安排大概是这样：
- 凌晨自动抓取：脚本在凌晨2:30跑一次ArXiv API，把当天cs.CV和相邻分类的更新拉下来存进数据库，并打上分类标签。
- 早上选定目标：七点半到八点之间，我用半小时把昨晚抓到的论文过一遍第一层和第二层筛选，挑出当天要精读的篇目。
- 白天碎片时间精读：午休和通勤时间用来读论文，做笔记。真正写稿集中在晚上八点到十点，两小时出稿。
这个安排的核心目的是把"筛选"和"深度阅读"从时间上拆开。如果用同一个时间段做这两件事，你会在"刷标题"和"啃公式"之间反复横跳，效率极低。拆开之后，早上只做挑选，晚上只做写作，大脑状态是连贯的。
3.2 抓取与去重：用API而不是手动刷新
这里想详细说下抓取这一步，因为它最容易被忽略，又最容易出bug。
ArXiv官方提供了一个公开API，格式大致是：
http://export.arxiv.org/api/query?search_query=cat:cs.CV+AND+submittedDate:[20260921000000+TO+20260923000000]&start=0&max_results=200&sortBy=submittedDate我用Python写了一个定时任务，每天自动请求这个接口，解析返回的XML，把新论文的标题、作者、摘要、链接、分类、更新版本信息存到SQLite里。存下来之后做两件事：
- 去重：按论文标题的归一化字符串去重，避免同一个工作被不同版本重复收录。
- 过滤：把Abstract里的关键词先跑一遍，给每篇论文打一个初始优先级标签（高、中、低）。
为什么要强调API而不是手动刷新网页？一方面手动刷新依赖你记得去做，另一方面，API拉回来的数据是结构化的，可以直接进入过滤管线。我踩过一个坑：早期我是七点手动开网页复制标题，结果有几天赖床漏了，后续补更的时候怎么都找不全那天的列表。后来改成脚本自动抓取，这个问题才根治。
3.3 写作模板：让一篇日更新在40分钟内完成
日更最大的敌人是"今天写什么"。我解决这个问题的方法是：给每篇论文准备了一个固定输出模板，三句话结构。
- 第一句：论文解决的具体问题是什么，用一句话说清楚。
- 第二句：方法的核心思路是什么，最多用两点概括。
- 第三句：评价部分——这篇论文适合谁看、和之前哪篇工作衔接得上、可能有哪些局限。
这个模板保证我在深夜写作时不需要动太多脑子，只需要把白天读的笔记翻译成三句话。一篇论文从笔记到成稿大概二十分钟，加上排版和校对，每天写作控制在两小时以内。模板还有个好处：读者习惯了你的格式后，扫一眼就知道信息在哪，反而比花哨的排版更容易形成阅读习惯。
3.4 更新时间为什么固定在早上
可能有人发现了，我为什么总在早上更新而不是晚上。这里有个很实际的观察：论文阅读类的订阅号内容，最适合出现在早上通勤时段的碎片时间里。晚上人们的状态是"学累了想看轻松内容"，而早上是"准备今天的工作，收集素材"，两种状态下对论文摘要的接受度完全不一样。
我把成稿时间定在晚上十一点前完成，早上七点定时发布。坚持了几个月，阅读曲线确实比之前晚上发布平稳很多。
4. 论文笔记里必须留住的五样东西，专治"读过就忘"
筛选只是第一步，真正让人成长的是读懂的环节。做日更这一年，我淘汰过三种笔记方式：纯复制摘要、手抄公式、以及截图收藏。它们都有一个共同的问题：记完就忘。后来我把笔记格式固定成五个模块，才勉强解决了"读过就忘"的顽疾。
4.1 一句话问题（要能往自己项目上靠）
每条笔记的第一行，必须写明"这篇论文在解决什么问题"，而且不能用论文摘要里的原话，要用自己的话重新概括。这个要求看似简单，其实很考验理解力。
我还有个私心规定：这句话必须能接得上"如果我把这个方法搬到我的场景里……"。如果这句话接不上，说明这篇论文和我当前的研究主线没关系，那它只能进"速读清单"，不值得精读。用这个标准筛下来，真正需要精读的论文可能每周只有十篇左右。
4.2 方法骨架：不抄公式，只画三点改动
很多人的笔记喜欢大段抄公式，尤其是数学推导多的生成模型论文。但大量经验证明，抄公式是最容易产生"读过幻觉"的行为——抄的时候感觉全会，关上笔记就全忘。我现在规定笔记里禁止整段抄公式，改成"方法骨架"：
- 这篇论文基于哪个已有方法？
- 它相对已有方法改了哪三点（且只能用三点概括）？
- 这三点改动分别解决了原有方法的什么缺陷？
三点概括这个动作听着简单，做起来极其痛苦，因为大多数论文的改动挤在一起，你需要强迫自己判断哪些是核心贡献、哪些是包装细节。但一旦你能把改动压缩成三点，你对这篇论文的理解就已经超过大多数只读两遍的人了。
4.3 实验的"有效数字"：记结论不记数字
实验部分我的笔记格式是：只记"趋势结论"，不记具体数字。因为具体数字会过时，会被不同数据集上的设定影响，但趋势结论在方向上很少会错。
比如，一篇论文如果报告了在多个数据集上精度提升，正确记法是"A方法在语义分割任务上普遍提升，尤其在边界复杂场景下增益明显，但推理速度有所下降"，而不是记一堆mIoU百分比的表格。数字要用的时候回看原文就行，笔记里留的是"这道题为什么能得分"。
4.4 复现成本与接入点估算
日更做到第三个月，我开始在笔记里增加一项：复现成本和接入点估算。这个模块对工程向的读者有价值，也逼着我在读论文时从"看热闹"转向"看门道"。
复现成本我会大致判断：是否需要大规模训练、是否有开源代码、依赖的硬件门槛多高。接入点估算则是回答三个问题：这个模型的输入输出接口能不能直接替换我现有流程的某一块？中间特征能不能被别的方法复用？训练好的权重能不能做零样本迁移？这些判断不需要很精确，但在笔记里留下一行估算，一个月后回看时，能节省很多重新读图的时间。
4.5 和已有论文的连接：每次必查引用与被引
最后一条笔记模块是连接关系。每篇精读论文，我会在笔记里补充两条信息：它引用了哪些我精读过的工作（往前溯源）；哪些更新近的论文引用了它（往后追踪）。
这个动作看似费时间，实则是建立知识网络的关键。没有了这层连接，你的论文库就是几百个孤岛，每一篇都是过眼云烟。有了这层连接，当你想搞懂某个方向时，顺着网络就能走出来龙去脉。
5. 日更一年后踩过的坑：警惕"读过=掌握"的错觉
想说的最后一些内容是坑。日更给了我不小的收获，也让我暴露出一个很隐蔽的问题：坚持更新一段时间后，我开始产生一种错觉，觉得自己每天都在读最新论文，知识量一定在快速增长。但每隔一两周回看就会发现，真正留在脑子里的东西少得可怜。
5.1 信息输入量不等于知识增量
打个比方，每天读论文摘要就像每天经过一家餐厅门口看到菜单，次数多了会以为自己已经吃过这些菜。实际上，你的身体没有任何变化。知识增量从来不是靠"扫过"来的，而是靠"咀嚼"来的。一篇论文如果你不能在自己笔记里写出一句"它对已有方法最大的批评是什么"，那这篇论文对你就还没产生知识增量。日更让我每天保持信息敏感度，但也给了我一层糖衣，让我差点忽略了深度消化的必要性。
5.2 用"隔周回顾"对抗遗忘
为了对抗这个错觉，后来我每个月固定抽出一天，只做一件事：把过去四周精读过的论文快速过一遍，检查有哪些已经完全不记得了。如果完全不记得，说明那篇当时就不该精读，只该速读。
这个操作非常反直觉，因为大多数人觉得复习是在浪费时间。但日更一年后我的体会是：复习是筛选机制的第二层，它能把营养和噪音彻底分开。我现在把每月回顾当成一项正式任务排进日程，和每日更新同样重要。
5.3 一个意外的收获：论文私库越攒越有用
说个日更带给我最实际的回报。一年下来，我的笔记库积累了超过四百条结构化笔记。随着数量增长，它们开始出现"复利效应"：写新笔记时，我翻老笔记的频率越来越高；做技术方案选型时，我也越来越依赖这个私库来查"之前有没有人做过类似的事"。
这个私库其实就是后来很多人问我在用的论文检索底表。我倒是觉得，工具本身不重要，重要的是坚持积累的动作。哪怕你用最朴素的表格来记，只要格式稳定、持续更新，它的价值会在第六个月之后突然爆发。
最后再分享一个小技巧给也想开始做类似事情的朋友：第一周不要追求形式和工具，先用最简单的文档把当天的三篇论文记录下来。坚持三周之后，你自然会知道自己需要什么工具、什么流程。很多人一上来就安装复杂的管理系统，结果大部分时间都消耗在配置工具上，真正读论文的时间反而没有剩下多少。如果你正在纠结"要不要开始追踪论文"，我的建议是：不要等工具完美，先随手记起来，从今天那篇最打动你的论文开始。
