每天早上打开邮箱，arXiv 的订阅摘要已经躺在那里。标题按分类排好，作者名字熟悉得能认出是哪几个组在动，摘要里混着术语和实验结果。别人刷新闻，我刷的是 arXiv——这个习惯我坚持了快五年，期间把每天刷 arXiv 的时间从一小时压缩到十五分钟，还顺手做成了一套自己的“每日论文分析报告”方法。这篇东西就写给同样被论文淹没的人，不管你是研究生、博后，还是在企业里做技术预研，都应该有一套属于自己的 arXiv 跟进方式，而不是每天被动地被几个大号的信息流带着走。
这篇文章不会给你列某一天的具体论文清单，而是把“如何打造你自己的 arXiv 每日分析流程”这件事拆开讲透：怎么订订阅、怎么写关键词、怎么快速判断一篇论文值不值得精读、怎么用脚本把重复劳动自动化。里面所有方法都是我实测跑过的，包括踩过的坑和后来改掉的习惯。我尽量少讲虚的，多给可以直接抄走的东西。
1. 为什么要给 arXiv 做“每日分析”
1.1 信息过载不是借口，是日常
arXiv 目前的日更量早就不只是“几百篇”这个量级了。计算机科学下面的 cs.CL、cs.CV、cs.AI 几个热门分类，单日新增经常各自破百篇，加上 cs.LG 这种大户，一天下来光扫标题就得花掉不少时间。物理、数学那些老牌板块同样稳得很。也就是说，哪怕你只看自己所在的一两个分类，一周下来也有大几百篇论文躺在系统里。
绝大多数人面对这种量级，通常会走两个极端：要么彻底不管，全靠实验室组会和别人转帖来获取信息；要么强迫症发作，每天的 list 一篇不落从头翻到尾。前者的风险是信息滞后，经常是论文 posted 两三周之后你才从别人的评述里知道；后者的代价是时间黑洞，翻了两个小时，真正和你相关的就那么三五篇。我经历过这两个阶段，最后才摸索出“先过滤、后精读”的中间路线。
所谓“每日论文分析”，本质上不是要把每篇论文都读懂，而是把 arXiv 看成一条情报管道，每天给自己产出几行“值得关注什么、为什么值得关注”的判断。这件事做到位了，连带着读论文、写综述、想 idea 的效率都会变快。
1.2 每日分析到底分析什么
我自己的做法是每天早上花 10 到 15 分钟，做三件事：扫一眼订阅推送里的标题，筛选出 5 到 8 篇看起来相关的；快速过一遍这些论文的摘要和关键图表；给每篇论文打一个“关注等级”，写一行备注，说明为什么 follow 或者为什么不 follow。
听起来很简单，但难在：你怎么知道“看起来相关”的标准是什么？这需要你先把自己手头的课题、最近卡住的问题、可能用得上的技术点写下来，哪怕只有几句话也行。没有这个“问题清单”，做任何分析都是瞎筛。比如你在做小样本场景下的模型微调，那凡是涉及 instruction tuning、少样本学习、参数高效微调的论文，优先级天然就要高；凡是讲大规模预训练算力调优的，就算标题再漂亮，和你当下的问题关联也不大，泛读甚至不看都行。
把“每日分析”当成一个自我对话的过程，反而更容易坚持下来。因为你不是在完成“读完所有论文”这种不可能的任务，你只是每天给自己几分钟，回答一个问题：“今天这一堆新东西里，有没有哪个值得我调整计划？”
1.3 这套流程适合谁
这套方法没有门槛限制。刚入门的研究生可以靠它建立领域感，避免被术语洪流冲晕；资深研究者可以用它保持对邻近方向的敏感度，防止自己的视野锁死在一条线上；工业界的算法工程师可以用它做技术雷达，提前发现可能变成主流的方法，方便提前验证。我甚至建议那些要带团队的老师或者 tech lead 也试试这个方法——团队里如果有一个“每日情报员”，周会上聊前沿动向的效率会高很多。
2. 搭建属于自己的论文情报源
2.1 关键词订阅的组合策略
很多人用 arXiv 的订阅，只会勾选一个分类然后躺着等邮件。这样做的效果很差，因为大类信息太杂，动不动就被一堆不相关的标题淹没。我试过只订 cs.AI，结果几天后就麻了，最后练就了“只看图不看字”的坏毛病。
我的建议是把订阅拆成多个，并且每个订阅都配合关键词过滤。arXiv 的官方订阅系统和 RSS、API 都支持查询语法，写法和 Google 有点像：ti:限定标题，abs:限定摘要，au:限定作者，AND、OR、ANDNOT用来组合条件，括号用来分组。举例来说，假设你关心“检索增强生成在生产环境的落地”，可以这样建一个订阅：
abs:"retrieval-augmented generation" AND (abs:"production" OR abs:"pipeline" OR abs:"latency")这样就不会把一堆纯理论文章也塞进来。再建一个“作者追踪”的订阅：
au:Lastname_Firstname OR au:AnotherAuthor_Initial把你想盯的那几个组的论文单独抓出来。维护五六个订阅组，每组一天顶多推送十篇，比一个大杂烩列表强一百倍。
需要注意，arXiv 对查询条件里的引号、冒号很敏感，写错了一个符号，可能返回空结果，或者变成宽松匹配把一堆不相关的也带出来。我在 2.3 节会继续讲到 RSS 这个底层渠道，那里同样支持这些语法，而且反馈更快。
2.2 按分类和作者跟进的技巧
分类选择是另一门学问。很多人只盯着自己所在的二级分类，比如只订 cs.CV，但真正的交叉工作往往发在别处。我自己做模型压缩相关的东西，除了 cs.LG 之外，还会定期扫 cs.CV、cs.CL、eess.IV，因为很多蒸馏、剪枝技巧是先在一个领域试出来，再过几个月才被迁移到另一个领域。如果只盯一个分类，等于把自己的视野人为变窄。
作者追踪可以做得更细一点：不要只看“有没有发新论文”，还要看作者的合作者。一个稳定的团队换人了，往往是方向调整的信号。我通常会在 Zotero 里给关注作者建一个分组，配合 4.3 节说的自动化流程，每周生成一份简短的“作者动态”，比单独刷主页省事很多。
2.3 善用 RSS 与邮件提醒
聊到具体工具，RSS 是效率最高的方式，没有之一。arXiv 官方提供每类论文的 RSS 地址，格式很简单，比如：
https://rss.arxiv.org/rss/cs.AI这个地址可以直接扔进 Feedly、Inoreader 这类阅读器，也可以用支持 RSS 的邮箱服务做摘要。我自己的做法是用 Feedly 管理所有的订阅组，因为它的检索和存档做得都还可以，方便之后回看。
把 RSS 地址里的分类换成你自己需要的，比如cs.CL、cs.CV、cs.LG，就能得到对应分类的推送。稍微懂一点脚本的朋友还可以用 RSSHub 或者自建服务，把关键词过滤之后再转发到 Telegram 或者企业微信机器人。我认识的一些朋友就是用这种方案把“arXiv 每日分析”直接变成一个机器人通知，起床时看一眼手机就行。
写到这里必须提醒一句：别把推送频率设得太高。arXiv 通常每天更新一次，新版论文大多在美东时间晚上出炉，换算到北京时间大概清晨到上午。你要是设成每小时刷一次，不但没有意义，还会把注意力撕碎。固定一个“清晨看一眼”的节奏就够了。
3. 每天 15 分钟的筛选与速读法
3.1 从标题到摘要的三步判断
订阅做好了，接下来是每天的核心动作：筛选。我自己的筛法可以概括成三步：标题定生死，摘要定缓急，图表定去留。
第一步看标题，这一步只花两三秒。标题里如果出现你关键词清单里的词，进下一轮；如果出现的是你完全不认识的子领域黑话，直接跳过。很多人不敢跳，怕漏掉重要的，其实你想想，真正的重要工作往往会通过其他渠道再出现在你面前，被广泛引用或讨论，到时候你自然还会再碰到它。
第二步读摘要，控制在 30 到 60 秒。重点看三件事：作者说解决什么问题、用了什么方法、实验做到什么规模。如果摘要里连一句像样的结果都没有，基本可以说明这篇离成熟还远得很，先放下也不可惜。
第三步看图表，这是很多人忽略的一步。我会把那些“摘要里看起来感兴趣”的论文下载下来，直接拖到图表那几页，看 benchmark 表格里的数字和曲线趋势。一张图和一句 conclusion 往往比整段方法描述更有信息量。这也帮我避开了不少“方法很花哨但实验很弱”的论文。
3.2 我的论文筛选记分卡
光凭感觉筛，还是容易犹豫。我后来给自己设计了一个五维记分卡，每篇候选论文按维度打 1 到 5 分，最后加起来看总分决定怎么处理。这五个维度是：
- 与我当前问题的关联度：这篇论文是否直接触及我正在卡壳的技术点。
- 方法的新颖度：是否提出了一个我没想到过的思路，还是只是把已知模块换了个排列组合。
- 实验的完备度：baseline 是否够数、消融实验是否上线、是否报告了方差。
- 可复现性：有没有公开代码和模型权重，数据集是不是常见 benchmark。
- 作者的可靠信号：作者组在这个方向有没有历史产出，论文是不是 invite 或者 oral。
五个维度，总分 25。我的分档很简单：20 以上精读并且当天做笔记；15 到 19 加入“稍后阅读”队列；10 到 14 只存档标题和一句话备注；10 以下直接忽略。有了这个记分卡之后，我每天的 15 分钟流程变得特别果断，基本不再出现“这篇文章到底要不要看”的内耗。
3.3 值得精读的论文怎么处理
精读不是把论文从头到尾读一遍，那样太浪费时间。我的处理分两步走。第一步，把论文丢进 Zotero，顺手在条目里写一句话备注，比如“提出了一种新的稀疏化调度，可能可以迁移到我们的推理服务里”。第二步，等一周之后回来看。因为很多论文你刚看完时觉得惊艳，过了一周再看，才发现它其实有一堆前提假设，可能根本不适合你的场景。
所以我其实不会当天精读太多篇。每天始终保持“精读最多一篇”的原则，多了反而吸收不了。其余候选，等周末集中处理。周末我一般会抽半小时，把这一周的“稍后阅读”队列清一次，该升精读的升精读，该删的删。这个每周复盘动作，比每日动作更重要，它保证了你的阅读系统不会越积越乱。
4. 让流程自动化的工具与方法
4.1 arXiv 官方 API 与简单脚本
如果你已经有点脚本基础，完全可以把“每日抓取+初筛”这件事自动化。arXiv 官方的 API 接口是export.arxiv.org/api/query，支持标准查询语法，返回 Atom XML。我自己有个很简单的 Python 脚本，每天早上定时跑一次，能拉回昨天新增的论文列表，再按我的关键词清单做一次本地过滤，输出一个干净的 Markdown 文件，里面包含标题、摘要和 arXiv 链接。
脚本的核心逻辑不复杂，大致是：
import urllib.request import xml.etree.ElementTree as ET base = "http://export.arxiv.org/api/query?" query = 'search_query=cat:cs.LG+AND+abs:"parameter-efficient"' query += "&sortBy=submittedDate&sortOrder=descending&max_results=50" with urllib.request.urlopen(base + query) as resp: data = resp.read() root = ET.fromstring(data) ns = {"atom": "http://www.w3.org/2005/Atom"} for entry in root.findall("atom:entry", ns): title = entry.find("atom:title", ns).text.strip().replace("\n", " ") link = entry.find("atom:id", ns).text summary = entry.find("atom:summary", ns).text.strip()[:300] print(f"- {title}\n {link}\n {summary}\n")请求里cat:指定分类，abs:指定摘要中的关键词，sortBy=submittedDate保证按提交时间排序，max_results控制返回条数。你完全可以把abs:后面的关键词换成任何你自己的组合，脚本本身不需要改。
我建议别贪多，每次拉取限制在 50 到 100 条就够了，拉太多回来你根本看不过来，反而违背了做过滤的初衷。脚本跑完之后，把输出的 Markdown 文件渲染成网页或者推送到即时通讯工具，每天早上你就有了一份“私人定制的 arXiv 日报”。
4.2 自动摘要与翻译辅助
每天几十篇候选论文，就算已经过滤过一遍，摘要加起来也有大几千字。我后来加了一个环节：用大模型做摘要辅助。我会把脚本过滤出来的标题和摘要，喂给一个本地跑的模型或者云端的 API，让模型输出一个“每篇一句话中文速览”，再按我关心的关键词打上标签。
这里有一个很重要的原则：自动摘要只能用来做粗筛，不能替代你自己的判断。模型可能会把摘要里最重要的那句实验结论漏掉，也可能会把一句限定条件的表述理解成普适结论。我吃过这个亏，有次模型摘要说某篇论文在三个数据集上达到了 SOTA，结果我精读之后才发现，所谓 SOTA 只限于某个细分设置，换个任务根本不成立。
所以我的建议是，自动摘要的输出格式固定为“一句结论 + 一句适用边界 + 一个是否值得精读的建议”，但最终读不读，永远由人来定。自动化负责把信息送到你面前，判断还是得靠脑子。
4.3 文献管理工具闭环
干活的人都知道，光有订阅和筛选还不够，读过的论文如果没有沉淀，三个月后就等于白读。我自己目前的主力工具是 Zotero，搭配 Better BibTeX 插件，方便和 Obsidian 打通。每篇精读完的论文，我会在笔记里写三个东西：一句话核心贡献、与我课题的关系、可能借鉴的技术细节。这些笔记不需要长，重点是“过了三个月之后再看还能想起为什么读它”。
Obsidian 这边我建了一个“arXiv 每日笔记”的模板，每天自动生成一个文件，把当天的候选论文列表和我的备注放进去。这样一周结束，我可以直接在 Obsidian 里按标签回顾：这周看了几篇和“推理加速”相关的论文、哪些笔记里反复出现同一个 idea。这些信号比凭印象的总结可靠得多。
整个流程走完，实际上是：RSS/API 抓取 → 脚本过滤 → 自动摘要 → 人工筛选 → Zotero 存档 → Obsidian 笔记 → 周末回顾。每一步都不重，但连起来之后，你的“每日分析”就变成一个越用越顺手的知识系统，而不是每天从零开始的一次性动作。
5. 常见问题与避坑经验
5.1 推送太多、关键词太杂怎么办
这是被问得最多的一个问题：“我按你说的做了关键词订阅，为什么一天还是几十条垃圾推送？”答案多半是你把关键词写得太宽。abs:"learning"这种词基本等于没设，哪篇论文摘要里没有 learning？我建议关键词组要具体到“技术名+场景名+约束条件”三层，比如abs:"knowledge distillation" AND abs:"large language model"就比单纯一个distillation精准得多。
另一个好用的技巧是负向过滤，也就是把你不想要的主题显式排除掉。比如你要做的是纯 NLP 方向，那就可以在订阅里加上ANDNOT abs:"vision transformer"，把跨界到视觉那部分论文挡在外面。这样不会漏掉真正想看的，只是减少了噪音，很值得一试。
5.2 漏看重点论文怎么补
再好的订阅体系也有漏网之鱼。你总会在某个时刻发现，几天前某篇重要论文已经引爆了讨论，而你的订阅里根本没有它。原因可能是关键词没覆盖到，也可能它发表在你根本没订阅的分类里。我的经验是，每周固定做一次“补扫”：直接打开 arXiv 上自己方向的分类页，按最近一周的提交时间排序，快速翻一遍标题。有了这个动作，漏掉重要论文的概率会大大降低。
另外一个很有效的补漏渠道是 Semantic Scholar 和 Connected Papers 的引用追踪。只要某篇你关注的重点论文被引用了，你就能顺着引用关系找到新工作。这类“论文引用画像”比单纯的关键词订阅更能发现领域图景里的新分支。
5.3 订阅“卡住”不更新的排查思路
邮箱里突然好久没有 arXiv 推送，别急着以为大家都休刊了，八成是订阅设置出了问题。先检查 RSS 地址是否写错了分类代码，比如把cs.LG写成了cs.lg，大小写不对就会导致返回不了数据。再检查你的阅读器是不是缓存了旧内容，有时 Feedly 这种服务会等一段时间才去抓取新的源，强行刷新一下就好。
还有一个常见坑是时区：arXiv 每天更新的时间是美东时间晚上，对应北京时间通常是第二天凌晨到早晨。如果你习惯中午才看推送，那“今天”的论文其实是“昨天”夜里出的，感觉上像是延迟了一整天，其实并没有出问题。
5.4 坚持每日分析的小技巧
最后聊一点心法层面的东西。做 arXiv 每日分析，最大的敌人不是信息多，而是动力衰减。一开始你很兴奋，天天打卡，两周后就开始拖延，一个月后直接放弃。我撑过这个阶段的方法有三个：第一，固定时间，我是每天早上的第一件事，不看微信先看 arXiv 列表，形成条件反射；第二，降低单次耗时，15 分钟是上限，到点就停，哪怕没看完也不继续，这样大脑不会把这件事当成负担；第三，给自己一个输出出口，不管是写一句话笔记，还是在组会群里分享一篇论文，只要你看过的东西产生了输出，正反馈就会来，坚持就不再痛苦。
我个人在实际操作中还有一个体会：真正让我科研效率提高的，不是“多读了论文”，而是“每天建立了一点点对于领域走向的直觉”。很多 idea 并不是在某篇论文里读到的，而是在对比两篇看似无关的论文时，突然发现它们可以结合起来。这个灵感出现的概率，和你每天是否稳定地接触新文献是成正比的。所以别纠结于一天读了十篇还是两篇，先让自己“每天准时出现在 arXiv 上”，这个习惯本身就值回票价。
