AI 与计算机研究检索

目标不是找“最热门论文”，而是判断一项技术主张在什么版本、计算预算和评测条件下成立，是否可复现，以及相对已有方法真正新增了什么。

先界定问题

从请求中提取任务、方法、数据/基准、时间窗、部署约束和用户要做的决定。请求清晰时直接检索；“最新”必须写明绝对起止日期。默认同时生成：

1. 核心概念及缩写/全称查询。
2. 方法 + 任务/benchmark 查询。
3. 反证查询：failure、limitation、reproducibility、contamination、ablation 等。
4. 近 3–6 个月前沿查询，以及近 2–3 年关键路线/奠基工作查询。

来源路由

• 最新预印本：arXiv；广域发现与引文：OpenAlex，必要时 Semantic Scholar。
• 正式版本与 DOI：Crossref、出版社/会议官网；CS 书目：DBLP。
• 代码、模型、数据集：作者/机构官方仓库、项目页、Hugging Face 或 Papers with Code；仓库存在不等于论文可复现。
• ACM DL、IEEE Xplore 等受访问限制来源，只读取合法可访问的元数据或全文，不绕过权限。

优先定位已安装的 research-toolkit/scripts/researchctl.py 完成共享检索、去重和标识符核验。若不可用，使用当前已有连接器、官方 API 或浏览器并保持统一证据字段。

检索与核验

1. 第一轮通常从 arXiv + OpenAlex 取 20–40 条元数据，先按相关性、日期和问题匹配筛到 5–10 条。
2. 将 arXiv、技术报告、会议/期刊版本视为同一工作族：去重但保留版本日期、标题变化和结论差异。
3. 对承重论文核验题名、作者、日期、venue、DOI/arXiv ID、预印本/同行评审状态、勘误或撤稿标记。
4. 检查引用链中的奠基工作、独立复现和最强负面结果；不要只沿作者自引链搜索。
5. 只有结论依赖细节时才读全文；先读摘要、实验设置、主表、消融、限制和附录中的计算/数据说明。

技术证据评价

详细核对表见 references/appraisal.md。至少回答：

• 比较是否公平：模型规模、训练数据、token、FLOPs、硬件、推理预算和工具权限是否可比。
• 结果是否稳定：多个 seed、误差区间、统计检验、消融、跨任务/跨分布结果是否齐全。
• benchmark 是否可信：训练污染、测试集泄漏、人工评测盲法、饱和、选择性报告和 judge model 偏差。
• 可复现性如何：代码、权重、数据、配置和许可证是否实际可得；独立团队是否复现。
• 成本是否现实：延迟、吞吐、显存/能耗、API 费用与失败率，不用单一最高分代替部署价值。

不给 venue、引用数或榜单名以决定性权重。新论文低引用不是缺点，知名论文也不能免于方法审计。

输出

先给综合结论及置信度，再给精选论文：

论文/版本	状态	核心新增	关键证据	复现状态	主要限制	ID

随后列出：

• 共识、分歧与最强反证。
• 版本和基准可比性。
• 适合继续阅读/复现的优先级及理由。
• 数据库、查询式、绝对时间范围、筛选数量与访问缺口。

所有具体论文和数字紧邻来源。无法核验的 DOI、arXiv ID、代码链接或性能数字标为“未核验”，绝不补造。

Token 与停止条件

• 先看标题/摘要/元数据，只深读决定结论的少数论文。
• 每篇压缩成：主张—实验—增量—复现—局限—标识符。
• 当新增结果不再改变路线图、主要正反证据均已覆盖、剩余缺口已明确时停止。