用 AI 读论文：一套提问框架，从摘要读到方法细节
先判断这篇论文值不值得读
拿到一篇论文，不要从第一页开始读。把标题和摘要贴给 AI，问三个问题：这篇论文解决什么问题？和已有工作比，它声称的新意是什么？结论的主要证据是什么？三个问题答完，你基本能判断它跟你的需求相关不相干。不相关就到此为止，相关再往下读。读论文的第一效率是敢于不读——大部分论文对你的价值，确实就是摘要那一段。
第一层：它到底想解决什么问题
值得读的论文，先过问题层。问 AI：这个问题此前的最好成绩是多少？这篇论文把指标提高了多少？提高这个数字为什么难？这三个答案能帮你快速定位论文的价值区间。如果 AI 答得含糊，通常说明论文的动机写得不好，或者它自己也没想清楚，后面读的时候要留神。还可以追问一句：这个问题在工业界和学术界，哪个更在意？答案能帮你判断该往深了读还是浅尝辄止。
第二层：方法部分这样问
方法部分最容易看得云里雾里。有效的问法是让 AI 做“翻译”：用大白话讲清楚这个方法分几步，每一步的输入输出是什么，和此前方法比改的是哪一步。改哪一步是关键——它往往就是论文声称的创新点。遇到公式看不懂，让 AI 逐个符号解释含义，不用强求推倒，先知道每个符号代表什么，能读懂实验就够了。图表也是方法的一部分，让 AI 描述每张图想证明什么，证明不到位的图，作者往往自己都没底气。
第三层：证据和结论的强度
实验部分重点看对比公不公平。问 AI：论文的对比基线选得合理吗？有没有挑对自己有利的数据集？消融实验做了没有，能说明创新点真的有用吗？如果一篇论文只在自选数据集上比过两个弱基线，结论就要大打折扣。让 AI 帮你列出证据链上最薄弱的一环，通常一问就能问出来。再补一刀：这些结果换个数据集还成立吗？作者承认的局限性写在哪一段？找到那段，往往比读十页实验更有信息量。
第四层：让 AI 说说局限和它不会的部分
最后一问常被跳过：这篇论文有什么没解决的问题？什么情况下这个方法可能失效？还可以反问 AI：“这篇论文里哪些说法是作者的断言，而不是有数据支撑的结论？”AI 也会答错，会顺着论文说好话，所以它给的“局限”要回到原文里核对。但这一问能帮你养成习惯：读任何研究，都先分清楚事实和主张。这个习惯比读懂任何一篇具体论文都值钱。
