学习方法｜如何阅读一篇论文？

2026-07-20学习方法论文阅读

原文：S. Keshav，How to Read a Paper，ACM SIGCOMM Computer Communication Review，Volume 37, Number 3, July 2007，pp. 83-84
作者单位：David R. Cheriton School of Computer Science, University of Waterloo
作者邮箱：keshav@uwaterloo.ca

阅读提示： 这里临时产生了一些有趣的想法，和之前交大的PaMaster联袂出演了再一次hhhh。祝食用愉快～🪣

导言

“ 这篇文章文概述了一种实用且高效的三遍阅读法（three-pass method）。 ”

研究人员读论文出于几个原因：在会议或课堂上回顾论文、跟上自己领域的最新进展，或对一个新领域做文献综述。一个典型的研究人员每年可能要花数百小时读论文。

高效地读论文是一项关键但很少被传授的技能。因此，初学研究生必须靠试错自己学。这些学生在学习过程中浪费大量精力，而且常常被挫败感驱使走向歧途。

三遍阅读法（three-pass method） 是一种简单高效读论文的方法。

三遍阅读法（THE THREE-PASS APPROACH）

“ 研究人员应该最多读一篇论文三遍，而不是从头到尾一口气读完。每一遍都完成特定目标，并在前一遍的基础上逐步深入：第一遍是快速浏览，了解大致内容；第二遍抓住内容，但不看细节；第三遍才深入理解细节。 ”

第一遍（The first pass）

“ 这是一次快速浏览（quick scan），目的是获得论文的大致轮廓（bird’s-eye view）。你也可以借此判断是否需要再读更多遍。整个过程大约需要五到十分钟，包含以下步骤： ”

仔细阅读标题、摘要和引言（Carefully read the title, abstract, and introduction）
阅读各节与小节的标题，但忽略其他所有内容（Read the section and sub-section headings, but ignore everything else）
阅读结论（Read the conclusions）
快速浏览参考文献，在脑中勾出已经读过的文献（Glance over the references, mentally ticking off the ones you’ve already read）

“ 第一遍结束时，你应该能回答以下五个问题： ”

类别（Category）：这是什么类型的论文？是测量类？对已有系统的分析？对研究原型的描述？
背景（Context）：它与哪些论文相关？用什么理论基础来分析问题？
正确性（Correctness）：假设看起来合理吗？
贡献（Contributions）：论文的主要贡献是什么？
清晰度（Clarity）：论文写得好吗？

“ 利用这些信息，你可以决定不再继续读。原因可能是：这篇论文对你没兴趣，或者你对该领域了解不够以至于无法理解，或者作者做了无效假设。第一遍对不属于你研究领域、但将来可能相关的论文也足够了。 ”

“ 顺便提一下，写论文时你可以预期大多数审稿人（和读者）只会做一遍。因此要精心选择连贯的章节标题，并写出简洁、全面的摘要。如果审稿人一遍后无法理解要点，该论文很可能被拒；如果读者在五分钟后还无法理解亮点，他们很可能永远不会再读了。（这也可以作为一个润色paper的指南） ”

第二遍（The second pass）

“ 第二遍要更仔细地读论文，但忽略细节如证明。这有助于抓住要点，或向同事做评论。读完后，你应该能总结论文的主要论点，并附上支持证据。这一遍通常需要约一个小时。 ”

“ 具体步骤： ”

仔细看图表、示意图和其他插图。特别注意图表。坐标轴是否标注？结果是否有误差条（error bars）使结论具有统计显著性？这类常见错误能把仓促、粗制滥造的工作与真正优秀的工作区分开来。
记得标记相关的未读参考文献以便进一步阅读（这是了解论文背景或了解作者后续工作的好方法）。

“ 第二遍应该做到：你能把论文的内容概括给别人听。对你感兴趣的论文，这一遍通常已足够；但对你研究领域内的论文，第二遍还不够，你可能需要第三遍。 ”

第三遍（The third pass）

“ 要完全理解一篇论文，需要第三遍。关键在于试图“虚拟重现（virtually re-implement）”这篇论文：也就是说，做出与作者相同的假设，重新创作这项工作。通过比较这种重现与实际论文，你不仅能轻松识别论文的创新之处，还能发现其隐藏的缺陷和假设。 ”

这遍要求对每个细节提出高度关注：你应该逐句逐行思考每个陈述的假设。更进一步，你应该思考：如果由你来呈现某个特定想法，你会如何做？这种实际与虚拟呈现的比较，能让你对论文的证明和呈现技巧有深刻洞察。读完这遍后，你应该能从记忆中重建整篇论文的结构，并能识别其强项与弱项。特别是，你应该能指出隐含的假设、缺失的相关工作引用，以及实验或分析技术中可能存在的问题。

“ 这遍大约需要初学者四到五小时，有经验的读者约一小时。读完后，你应该能从记忆重构整篇论文的结构，并识别其优缺点。在这个层次上，你还应该能精确指出论文的假设、缺失的引用，以及实验或分析技术中的潜在问题。 ”

做文献综述（DOING A LITERATURE SURVEY）

“ 论文阅读技能不仅在做研究时重要，在做文献综述（literature survey） 时也至关重要。文献综述要求你在一个不熟悉的领域读数十篇论文。那么，应该读哪些？以下是如何用三遍法高效完成的建议： ”

先用学术搜索引擎（如 Google Scholar 或 CiteSeer）和精选关键词找到该领域三到五篇近期论文。对每篇做一遍，了解工作内容，读它们的相关工作部分。你会找到近期工作的简要总结，如果运气好，还能找到指向近期综述的指针。如果找到综述，那就完成了，恭喜你！否则进入下一步。
在参考文献中找重复出现的作者名或引用。这些是该领域的关键论文和关键研究人员。下载这些关键论文放在一边。然后访问这些关键研究人员的网站，看看他们最近在哪里发表文章。这将帮助你识别该领域的顶级会议，因为最好的研究者通常在顶级会议发表。
第三步：访问这些顶级会议的网站，浏览它们最近的会议记录。快速扫描通常能识别出近期高质量的相关工作。这些论文，连同之前放在一边的那些，构成了你综述的第一版。对这些论文做两遍。如果都引用了你之前没找到的一篇关键论文，那就找来读一下，必要时反复迭代。

概述

“ 可以把这个过程概括为这几个词 ”

第一遍：筛选（Filter）——判断这篇论文值不值得深读（5-10 分钟）。
第二遍：理解（Understand）——抓住核心思想和证据，不纠结数学细节（约 1 小时）。
第三遍：内化（Internalize）——像审稿人一样重构论文，发现隐藏缺陷（1-5 小时）。

“ 这篇论文提出的深刻的思想让我有了一些想法：不止在如何去读取论文，还在于如何利用这个思想框架去设计一个层次递进的Agent或者skills去解决文献检索的深度匹配需求，以及如何润色一篇论文，如何高效将论文转化为一个合理的框架结构给他人展示清楚。 ”

关于 Idea

“ 有一篇是上海交大团队提出的 PaSaMaster（Towards Self-Evolving Agentic Literature Retrieval，arXiv:2605.14306），它试图把文献检索从一次性的 query-document matching，改造成一个根据检索证据不断修正意图、重新检索和排序的 agentic retrieval 系统。于是…… ”

在读完 Keshav 的三遍法和 PaSaMaster 的架构后，我产生了一个比较有趣的联想。如果把这两个思想结合起来，不只是做“更好的检索系统”，而是做一个可持续沉淀知识、并反过来指导写作和 Agent 行为的闭环系统，会怎样？

从“检索结果”到“背景知识库”

PaSaMaster 的 REFLECT 步骤强调：根据已排序证据发现缺失术语、覆盖空洞和未探索方向。这意味着每一轮检索不仅产出一份论文清单，还在“修正对问题本身的理解”。

但是呢，如果把这些修正记录下来——包括每轮发现的缺口、补充的同义词、排除条件的调整、领域核心作者和会议的识别——这些信息本质上构成了一个动态增长的背景知识库（Background Knowledge Base）。

背景知识库的构成要素

Intent Spec 演化历史：每一轮用户意图的结构化表达（objective / domain / must_have / exclude / freshness / evidence_needs / acceptance_rule）。
Checklist 模板库：不同领域任务的验证清单模式，例如“术语对齐任务”与“知识图谱综述任务”所需的 checkpoint 结构差异。
Query Family 扩展图：精准检索、召回扩展、作者/数据集扩展、排除条件感知检索的互补策略。
验证与失败模式：哪些候选被拒绝、拒绝原因是什么（routing 错误 / retrieval 不足 / verification 失败 / ranking 偏差 / presentation 问题）。
领域核心节点图：重复出现的关键作者、顶级会议、基准数据集、方法学流派。

这个知识库的存储了“如何理解这个领域的问题”的元知识。它让 Agent 不再每次从零开始理解任务，而是可以基于历史检索证据快速构建 IntentSpec 和 Checklist。

“文章润色 Skill”

更有趣的一步是：如果把这个知识库反过来用于指导写作，而不只是检索，会怎样？

回到 Keshav 的反向启示：大多数审稿人只做一遍，所以文章的标题、摘要、章节结构和图表必须在第一遍内传达核心价值。如果 Agent 在做文献检索时积累了大量“哪些论文被拒绝、哪些假设被质疑、哪些证据不足”的模式，这些模式完全可以被抽象为文章润色（Polishing）与写作指导的行为规范。

把它的核心逻辑反向应用到写作任务中，就可以形成一个文章润色 Skill：

文章润色 Skill 的规则

第一遍可读性检查：标题是否连贯？摘要是否在 300 字内包含类别、背景、贡献、清晰度四要素？章节标题是否构成自洽的逻辑流？
图表证据检查：图表坐标轴是否完整？是否有误差条或统计显著性标注？插图是否能独立传达核心信息？
假设与缺失引用检查：文章是否明确列出隐含假设？相关工作部分是否覆盖了领域核心节点（重复出现的关键作者、基准、方法流派）？
虚拟重现提示：如果读者试图重现你的工作，是否缺少关键参数、数据集描述或代码位置？
排除条件与偏好对齐：文章是否清晰说明了“不适用”的场景？这与检索中的 exclude 条件直接对应。

这样一来，Agent 在做文献检索时积累的知识，可以帮助“理解这个领域的写作规范”。当用户要求“润色一篇论文”时，Agent 可以直接调用这个知识库中的领域模板，而不需要每次重新学习领域惯例。

小结：检索 → 知识库 → 写作指导 → 更好的检索？

如果把这三个环节串起来，就形成了一个有趣的闭环：

检索证据修正意图 → 背景知识库沉淀领域元知识
↓
知识库指导文章润色 Skill → 写出更清晰、更可验证的论文
↓
更清晰的论文被更高效地检索和验证 → 检索证据更准确 → 知识库更精确

这是一种领域性质更强的学习模式：Agent 成为了逐步构建并维护一个领域特定“理解框架”的伙伴。

笔者的话

“ 这个读取论文的方法需要习惯习惯就可以上手作为一个好的方法了，但是也可以把这个教授的思想蒸馏掉，做成其他Agent以及Skill的样板hhhhh。这里展示一下笔者在思考这个框架的时候的手稿，有点抽象说实话，之后有时间可以仔细看看。🧐 ”