不用先搭建一套复杂系统。先确定研究问题，保存少量候选论文，核对原文，写下自己的判断，再把需要的材料交给 AI agent。下面只保留适合这条路线的官方入口；功能与链接于 2026 年 10 月 1 日核对。
发现值得读的论文
- arXiv：跟踪领域新稿。 从 Sound · cs.SD 和 Audio and Speech Processing · eess.AS 看近期题目与摘要，再打开论文页核对版本。它们是预印本分类入口，不能把出现在列表中等同于通过同行评审。
- Hugging Face Papers：发现社区关注的工作。 日、周、月视图适合补充浏览线索；社区热度与自己的问题相关性要分别判断。找到候选后仍回到作者原论文。
- OpenReview：查看会议公开记录。 从对应 venue 或论文 forum 阅读公开稿件及可见讨论；不同会议的公开范围不同，以具体页面为准。不要把预印本、投稿稿与最终会议稿自动视为同一版本。
已经知道要找什么时，先用本站论文库按研究类型、范围及任务、主题、方法与条件缩小候选；按会议查找则进入会议目录。类型或范围尚未核验的论文可单独筛选。
核对原文与复现材料
从论文中的官方链接出发。 先确认题目、作者、标识与版本，再查看作者项目页，避免用同名仓库或正文里引用的另一篇论文代替当前工作。arXiv 版本标识说明可以帮助区分同一论文的不同稿件。
- GitHub：读代码，也读运行条件。 查看作者仓库的 README、许可证、依赖、训练与评测脚本；做实验时记录 commit 和配置。可用官方文件浏览指南定位文件和历史。仓库存在不代表权重、训练数据或论文全部实验都已公开。
- Hugging Face Hub：核对模型与数据说明。 到 Models 或 Datasets 找作者发布的资源，阅读 Model Card 与 Dataset Card。重点检查任务、许可证、适用范围、数据划分、评测条件与限制；缺失字段应记为待核查。
一份有用的复现记录至少包含：论文版本、代码 commit、数据版本与划分、关键配置、指标定义，以及本次没有验证的部分。
整理阅读资料
把原始资料和自己的判断分开保存。 原论文、PDF 与引用字段进入一个资料库；证据位置、自己的总结、反例与实验计划进入笔记。临时的 AI 对话和比较草稿留在工作目录，确认后再归档。用 DOI、arXiv ID 或官方链接关联，避免以相似标题合并不同论文。
- Zotero：可选的论文资料库。 可从官方论文页使用 Connector，或按 DOI / arXiv ID 添加条目；也可通过“文件 → 导入”读取本站下载的 RIS / BibTeX，见官方导入说明。保存后核对题目、作者和日期。笔记功能可记录自己的观察。
- Obsidian：可选的本地笔记库。 笔记是本地文件夹中的 Markdown，普通编辑器也能读写，适合把比较、概念与实验记录积累成笔记。它的官方 CLI可搜索、读取及创建笔记，供自动化工具使用；需要符合官方说明的安装器、启用 CLI，并运行桌面应用。文件读写与 CLI 是两种接入方式，第三方插件或 MCP 的能力需分别核对。
不需要这两种软件也可以开始：把官方 PDF、引用文件与本站导出的 Markdown / CSV 论文清单放进自己的文件夹，用普通文本文件记录证据位置和下一步问题。在论文库勾选候选条目即可批量下载。
把已核验的研究线索带走。 Markdown / CSV 清单包含官方来源、版本提示，以及已有核验的研究类型、范围、主要研究任务 / 主题 / 重点 / 产物 / 机制、方法和直接多级分类路径。网页路径按现行目录导航，导出分类路径保留原签发版本，父级可能不同；这不改写原分类证据。方法“不适用”时保留完整理由；尚未核验的研究类型会明确说明。可以把清单交给外部 agent 初筛、比较研究问题或整理阅读顺序，再让它取得对应原论文并核对证据。清单不包含原论文全文，分类也不能替代原文结论。BibTeX / RIS 只保存可核实书目信息，不把本站分类当作作者的论文元数据。
把笔记变成研究写作
- 使用 Word、LibreOffice 或 Google Docs： 可按 Zotero 官方文字处理插件指南插入引用并生成参考文献。软件能管理引用格式，引用是否真的支持你的论点仍需自己核对。
- 使用 LaTeX： Overleaf 的 BibTeX 指南说明如何接入
.bib文件。把本站导出的条目与官方记录核对、补全后，再放入自己的引用库。 - 使用 Markdown： Pandoc 引用指南说明如何配合引用数据与样式生成文稿。阅读笔记保留证据位置，文稿中只引用已核查的来源。
按最终文稿格式选择一种写作路线即可。引用库保存可核查的书目信息，笔记保存自己的理解；不要让一段 AI 生成的总结成为没有原文位置的引用依据。
一条可执行的 AI agent 研究路线
- 定义问题。 写下想比较的任务、指标与约束，例如“低资源语音识别中，参数高效微调是否能减少训练成本”。先选一至三篇最相关的论文。
- 建立来源清单。 保存官方页面、版本、可得全文和引用记录；可将本站导出的 Markdown / CSV 作为候选与分类线索交给外部 agent。让它先列出实际读取了哪些材料；没有拿到原论文全文时，不要求它总结整篇实验。
- 生成证据对照。 请它按“结论 / 原文位置与短句 / 数据与设置 / 局限 / 待核查项”整理。不同数据划分、训练预算或指标定义的结果，不直接合成一个排名。
- 自己核对关键项。 回看主结果表、消融、失败条件和代码配置，标记哪些判断成立、哪些只是假设。AI 的比较表是草稿，确认后的证据才进入长期笔记。
- 留下下一步。 把一条可以执行的实验或待解决问题写进自己的笔记，并保存对应原文和证据位置。下次从未解决的问题继续。
若给 agent 写入笔记的权限，先指定一个暂存目录和允许修改的文件；让它提交比较草稿供你核对，再更新已确认笔记。原论文与引用库保留原始来源，减少重复同步和相互覆盖。本站的使用方法介绍原文入口、引用复制与导读资料导出。