SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场paper-search

paper-search

写作与研究

查看项目

更新于 10-16 02:12

技能介绍

paper-search 是一个命令行研究论文检索工具，同时搜索 OpenAlex 和 arXiv，并按论文相对于自身领域和年龄的影响力进行排序，而不是使用原始引用数。原始引用数总是偏向老论文，并埋没上个月发表的工作。该工具无需 API 密钥，无需认证。

用途

paper-search 用于文献检索、查找近期或取代性工作，以及为 AI/ML/系统等方向寻找证据。它特别关注在快速发展的领域中，如何同时看到已被广泛引用的经典工作和刚刚出现、尚未积累引用但可能重要的新工作。

主要能力

  • 同时查询 OpenAlex 与 arXiv。
  • 按领域和年龄调整后的影响力排序，使用 FWCI（领域加权引用影响力）。FWCI 为 1.0 表示恰好是该领域和该年份的平均水平，因此一篇 90 次引用的系统论文可以正确排在 300 次引用的 LLM 论文之前。
  • 将论文分桶，最佳优先。分桶是核心设计：时效性和质量是独立维度，合并成单一分数会掩盖快速变化领域中最关键的权衡。
  • 支持按主题搜索、限定起始时间、获取最近若干天的 arXiv 新论文、查找某篇论文的后续工作、指定领域和结果数量。
  • 支持 JSON 机器可读输出。
  • 提供离线自检模式，无需网络。

分桶含义

  • LANDMARK：引用速度快且远高于领域水平，应优先阅读。
  • STRONG：经过同行评审，明显高于领域平均水平。
  • RISING：较新且正在被快速引用。
  • FRESH+：太新而尚未被引用，但发表 venue 或作者可信。
  • OK：真实存在，但表现平平。
  • FRESH?：太新而未被引用且未经审查，需要自行验证。
  • THIN：未被引用的预印本，作者无过往记录，通常可跳过。

每行输出显示日期（年龄）、引用数（速度）、FWCI、[层级] venue、作者 h=<最大 h 指数>。[TOP] 表示顶级 venue（NeurIPS/ICML/ACL/OSDI/SOSP/VLDB 等）。

使用方式

基本命令示例：

scripts/paper_search.py "lost in the middle long context" # 主题搜索 scripts/paper_search.py "kv cache compression" --since 2025-06 # 仅近期工作 scripts/paper_search.py "agent memory" --fresh 60 # 加上 arXiv，最近 60 天 scripts/paper_search.py --after arXiv:2307.03172 --about "position bias" # 基于该论文的后续工作 scripts/paper_search.py "raft consensus" --field any --limit 25 # 非 CS 领域，或更宽范围 scripts/paper_search.py --selftest # 离线；无网络

--after 接受 arXiv:ID、DOI:x 或 OpenAlex Wxxx。--json 用于机器输出；--help 查看所有标志。设置 OPENALEX_MAILTO=<你的邮箱> 可使用 OpenAlex 的礼貌池。

适用场景

  • 快速了解一个主题的经典工作和已确立结果。
  • 查找某篇重要论文之后的新工作，避免引用已被取代的结果。
  • 查看最近几周出现的新论文，这是按引用排序的列表在结构上无法看到的。
  • 在非计算机科学领域进行文献检索，需使用 --field any。

限制与注意事项

  • 引用数是滞后指标。在 AI/基础设施领域，重要的论文可能只有 6 周大且零引用。不要从按引用排序的列表得出“不存在任何工作”的结论；在说一个主题未被探索之前，先运行 --fresh 60。
  • FWCI 在约 18 个月以下噪声很大：预期引用分母接近零，因此 7 次引用可能得到 FWCI 108。脚本在该年龄以下会忽略 FWCI；不要通过读取年轻论文的原始数字重新引入它。
  • 预印本日期不等于发表日期。一篇 2024 年 TACL 论文可能是 2023 年 arXiv 论文；想法在 venue 日期前 8 个月就已出现，在快速领域这一领先就是关键。输出在两者不同时会显示预印本 YYYY-MM；引用更早的日期以主张优先权。
  • 作者可信度是这里最弱的信号，不要依赖它。OpenAlex 会混淆常见姓名（“Kevin Lin”：h=75，跨 825 项工作，多个人），且 h= 是作者中的最大值，姓名混淆会抬高该值。优先看旁边的 @ Stanford、Berkeley 等机构信息。在 --fresh 的 arXiv 结果中，两者都按设计缺失：arXiv 不暴露机构，姓名查找比无用更糟（“Feng Wang” → 4,865 位作者，因此会附上陌生人的 h 指数）。这就是 FRESH? 的含义——打开 PDF 自行判断。
  • 一篇 landmark 会被所有领域引用。对著名论文使用 --after 也会返回医学和法律应用；传入 --about "<关键词>" 以保持前沿主题相关。
  • --field cs 是默认值。其他领域请传 --field any，否则结果会莫名其妙地空。venue 元数据无论如何都不完美——一篇发表在 EMNLP 的论文可能仍显示 [PREPRINT] arXiv，因此信任引用数字而非层级标签。

快速变化主题的工作流

  1. paper_search.py "<topic>" — 找到 LANDMARK 和已确立的内容。
  2. paper_search.py --after <landmark-id> --about "<topic>" --since <约12个月前> — 此后基于它构建的工作，按影响力排序。这是避免引用已被取代结果的方法。
  3. paper_search.py "<topic>" --fresh 45 — 最近几周出现的内容，步骤 1 在结构上无法看到。
  4. 阅读摘要，然后阅读真正值得的两三篇论文。