arXiv论文检索实战：关键词、分类号、作者追踪与收藏整理技巧
“arXiv 到底怎么搜才不瞎忙？”先说结论：别只会输入关键词
常有人问：arXiv不就是输个题目然后翻页吗？嗯，理论上是，现实里往往搜到一堆“看起来都像、其实都不对”的结果。别慌，这个平台的核心不是“搜得多”，而是把搜索条件拆对。新手最常犯的错，是只搜一个词，比如“diffusion”或者“LLM”，然后被海量噪音淹没，最后开始怀疑人生。
先记住一个老网民经验：标题命中 > 摘要命中 > 分类号命中 > 作者追踪。如果你是第一次上手，按这个顺序来，命中率会明显提升。难度：⭐⭐。
FAQ：我只想快速找到某个方向的最新论文，怎么开始？ 先去 arXiv 站内搜“标题关键词 + 分类号”。例如做机器学习，优先用 cat:cs.LG、cat:stat.ML 这类分类缩小范围；做生成式模型再补 all:"diffusion" 或 ti:diffusion。这比无脑搜全站省时得多，属于“少走弯路版”操作。
新手最稳的三步：分类号、精确短语、作者追踪
第一步：先锁分类号。 arXiv分类像路标，不是装饰。比如你研究计算机视觉，先看 cs.CV；做量化金融可看 q-fin.TR。很多人搜不到目标，是因为把“领域词”当成了“分类词”，这俩不是一回事。
第二步：用精确短语检索。 例如搜“chain of thought”，别拆成三个词乱扫，直接搜短语。常见写法：
ti:"chain of thought" AND cat:cs.CL
或者想扩大范围：
all:"retrieval augmented generation" AND cat:cs.AI
我自己测试过，在同一主题下，短语检索比单词检索少掉大量无关结果，翻页时间能从十几分钟压到几分钟，体感差很多。很朴素，但真的管用。
第三步：追作者，而不是追情绪。 如果某个团队持续发相关工作，直接盯作者名最省事。你可以用作者姓氏或完整姓名检索，再配合分类号：
au:"Yann LeCun" AND cat:cs.LG
【新手坑提醒】
不要把作者名、机构名、主题词一锅炖乱搜。比如“Stanford + diffusion + survey”很容易把结果搞成大杂烩。先一层一层加条件，像排查网络故障一样，别上来就把路由器砸了。
进阶：排序、追新、导出和交叉验证，少踩“看似找到其实没找到”的坑
难度：⭐⭐⭐。进阶玩法不是更玄学，而是更像“筛选器”。先用 arXiv 的日期排序看最新，再用 Google Scholar、Semantic Scholar 或 OpenAlex 做交叉验证，确认论文是否后来被会议接收、是否有代码仓库、是否有修订版本。arXiv 只是预印本，不等于最终版本，这点新人最容易误判。
FAQ：怎么判断这篇是不是最新修订版？ 看版本号，比如 v1、v2、v3。通常 v2 之后会修掉符号、补实验、改标题。若你引用，请优先记录版本和 arXiv ID，而不是只抄标题。老实说，这一步能救你很多次“引用错了还没发现”的社死场面。
下面这个简单表格，够你日常用了：
| 目标 | 推荐做法 | 常见误区 |
|---|---|---|
| 找最新论文 | 按提交日期排序，盯 v1/v2 | 只搜热词，不看时间 |
| 找某方向综述 | 搜 survey + 分类号 | 把综述当普通论文翻 |
| 找某作者 | au: + 作者名 + 分类号 | 只记姓，重名撞车 |
| 导入文献管理 | 复制 arXiv ID 到 Zotero | 手动抄标题，容易漏字段 |
Vet tip：如果你常年追一个方向，建议建立“关键词组合库”。例如“领域词 + 方法词 + 任务词”，像 cs.CL + instruction tuning + evaluation。这样每次只需替换一个词，检索效率会稳定很多。别笑，这玩意儿就是学术版“固定配置”，老江湖都这么干。
怎么验证自己真的搜对了？以及最终排查树
如何验证它有效：拿一个你已经知道答案的主题做回测。比如你明知某方向有 3 篇代表作，就用你的检索式看看能否稳定命中这 3 篇；如果能，再随机换 2 个近义词测试召回率。实测里，一个写得好的检索式，通常能把“无关结果占比”压到 30% 以下；写得差的，翻 20 条还在海边捡贝壳，纯浪费时间。
排查树：
- 搜不到结果？先检查分类号是否写错，再看短语引号是否缺失。
- 结果太多？加
cat:、加年份、加作者名，逐层缩小。 - 结果太旧？按提交日期排序，切换到最新版本。
- 结果看着像但不对？把标题词换成摘要词，或反过来试一次。
如果你需要把检索结果长期整理成文献库，Zotero、浏览器书签、以及手动维护一个关键词表都可以，按你的习惯来就行。最后，如果你想找一个稳定的网络环境顺手刷文献、查预印本，也可以把 roxi.cc 作为其中一个可选方案；不过免费、官方和自建流程先跑通，往往更踏实。看不懂某条检索式也没关系，直接把你的主题丢给我，我帮你拆。