ARTICLE · 1128385
AI工具不断迭代,我看文献的方式也在变化
AI工具不断迭代,我看文献的方式也在变化以前看论文，我只是从头看到尾，一个字都不太舍得跳过，生怕漏掉什么。 结果经常是时间花了不少，最后脑子里却只剩下一句话：“我好像看完了，但好像又没完全看懂。” 刚开始读研的时候，我想着自己的基础不够，所以只能多看。 后来慢慢才发现，好像不完全是这个问题。 有时候不是论文太难，而是我一开始就没想清楚：我为什么要看这篇论文？ 所以这一年里，随着自己的变化，我也一直在尝试调整自己的阅读方式。 现在拿到一篇陌生论文，我一般会按两个阶段来处理。 第一阶段：先判断，这篇论文和我有没有关系？ 这一部分，我反而更习惯自己看。 现在确实有很多AI工具可以帮我们快速分析论文，但在论文最初的筛选阶段，我还是习惯先自己看一遍摘要。 毕竟第一轮筛选，决定了我后面要不要花时间认真读。 所以一般会先看：标题、摘要、关键词。 然后问自己一个最简单的问题：这篇论文和我现在正在关注的问题有没有关系？ 如果觉得关系比较大，我会放进：优先精读——近期就需要认真阅读，后面可能还会反复看的论文。 如果觉得有一定关系，但暂时不是我最需要的，我会放进：延后精读——先留着，等后面真正用到的时候再回来。 还有一些论文，可能对我不是特别直接，但里面某个方法、指标、理论或者案例挺有参考价值，我一般不会直接放弃，而是先放进：资料储备。以后真的需要的时候，再回来找。 说真的，这种分类还挺有用。 因为以前我的文献库里，经常就是一堆“看过”和“没看过”的论文。 现在至少可以知道：这篇为什么留下来？以后可能在哪里用到？ 除此之外，我还会根据论文的具体内容，简单做一些用途上的标签。比如：方法借鉴、指标借鉴、理论/框架、案例参考、数据参考、观点/结论参考。 当然，一篇论文不用把所有标签都打上，选一两个最有用的就够了。比如：优先精读＋方法借鉴，或者：资料储备＋案例参考。 这样以后自己回头找的时候，会方便很多。 第二阶段：确定值得深入后，再借助AI帮我梳理这些问题；最后回到自己身上，想想它到底能带给我什么。 完成前面判断以后，我才会真正进入论文阅读。 也是从这里开始，我会让AI参与进来。 AI就像是一个阅读助手，它比较适合帮我快速梳理文章结构、解释一些自己不太理解的内容，以及整理一些信息。 这样可以帮我省下一些时间，让我把精力放在真正需要自己思考的地方。 我目前比较常用的一个工具：DiffMind。 它比较方便的一点，是可以把同一个问题交给多个AI模型同时回答，再把不同结果放在一起比较。 所以在论文阅读里，我更喜欢用它来做“快速梳理”和“交叉看看”。 比如一篇已经筛选过、值得深入阅读的论文，我会把它放进去，然后带着几个固定的问题去问。 ① 这篇论文到底在研究什么问题？ 这个问题看起来最简单，但我以前经常说不清楚。 一开始看论文，我特别容易陷入细节：这个概念是什么意思？这个数据怎么来的？这个方法怎么做？ 看了半天，最后反而忘了作者到底想解决什么？ 所以现在，我会先把研究问题拎出来，先搞清楚“研究什么”，再往下看。 ② 作者为什么要研究这个问题？ 知道“研究什么”以后，还要继续问：为什么研究？ 很多论文的研究逻辑，其实就藏在这里。 所以我让AI继续梳理，这样的话，我看论文时就不只是知道：作者研究了什么，还会慢慢去理解：他为什么要研究这个。 ③ 作者是怎么研究这个问题的？ 接下来就是研究方法，这一部分其实也是我以前比较容易看懵的地方。 尤其遇到一些比较复杂的方法、模型或者技术细节时，我第一反应就是：“这个看起来好复杂，先跳过去再说。” 现在我会先把整体逻辑梳理出来：作者想解决什么问题 → 用什么数据 → 采用什么方法 → 最后怎么得到结果。 先把大的框架弄明白。至于一些比较细的技术内容，如果和我关系不大，我不会一开始就要求自己全部弄懂。 如果确实很重要，再单独深入。 而且我现在越来越觉得：第一次看论文，先把逻辑看明白，可能比把所有细节都看懂更重要。 ④ 最后得出了什么结论？ 前面看了那么多，最后还是要回到：作者到底发现了什么？ AI可以先帮我提炼核心结论，但我还是会回到原文确认。尤其要确认，这个结论是不是准确，以及它和前面的研究问题能不能对应起来。 只有把“研究问题——研究过程——最终结论”连起来，我才会觉得自己算是真的理解了一部分。 ⑤ 这个研究对我有什么启发？ 这个问题，是我现在越来越重视的。 以前看完一篇论文，经常就是：“哦，原来是这样。” 然后论文一关，下一篇继续。 后来发现，这样看得再多，也很容易变成：看过很多，但真正留下来的东西很少。 所以现在看完一篇论文，我都会问自己：它对我有什么启发？ 可能是一个研究问题； 可能是一种研究方法； 可能是一个指标； 可能是一种分析思路； 甚至可能发现：原来这个问题还可以从这个角度来看。 这也会和之前给论文打的用途标签对应起来。 当然，也可能最后得到的结果是：这个方法好像并不适合我。 我觉得也没什么，至少我知道了一种方法为什么不适合自己。 而且前面几个问题，我可以先让AI帮我梳理，但这个问题，我通常还是会留给自己。因为“对我有什么启发”，本身就没有标准答案。 虽然借助AI工具，已经省下不少时间和精力，但最后还是要回到原文。 AI可以帮我更快进入一篇论文，但不能替我完成最后的判断。 尤其是研究方法、核心结论、数据解释、作者真正表达的观点……这些内容，我还是会回到原文确认。 现在回头看，我觉得自己以前最大的一个问题，就是把“看完论文”当成了阅读目标。 但现在，我更愿意把它理解成：先判断它值不值得看，再想清楚自己为什么看，最后从里面真正带走一点东西。 所以现在我的论文阅读，大概就是这样一个流程： 先自己看摘要，判断有没有关系； 然后根据重要程度分类，再给论文打上方法、指标、理论、案例等用途标签； 确定值得深入以后，再让AI帮我梳理这些问题； 最后回到原文，确认关键内容。 当然，这也不是什么标准答案，我自己也还在不断调整。 有时候一篇论文照样能把我看得头皮发麻，有时候也会出现“AI帮我解释了，但我还是没看懂”的情况。 但至少现在，我不会再一上来就抱着论文从头啃到尾了。 先判断，再阅读。 论文还是那篇论文，只是我看它的方式，慢慢变了。