凌晨五点多习惯性地摸开电脑第一件事就是打开ArXiv看最新一批提交。CS.CV这个分类今天又是几百篇的量级做每日更新这件事我已经连续做了快一年说不上什么成就感但至少已经把“刷ArXiv”从任务变成了生物钟。今天这期分享我会一边把精选的CV论文和方向整理出来一边把这一年我沉淀下来的一套“ArXiv CV论文追踪打法”也摊开讲一讲——如果你是刚入门的研究生或者正在做视觉相关项目的工程师想用最少的时间维持对前沿的感知力这篇内容应该能帮你省下不少折腾的功夫。1. 今日凌晨ArXiv CV批次速写流量最大的五个方向每天ArXiv上线的时间是固定的只是不同时区体感不同。对我来说北京时间早上六点到八点是最合适的扫描窗口。如果你也想做每日跟进可以把这段时间利用起来不需要专门等一个“刚刚好”的时刻固定节奏比追瞬时更新更重要。1.1 今天这拨稿子的“体感报告”光看标题列表今天CS.CV相关的新投稿大概在两百六七十篇左右如果算上cs.LG、cs.RO、cs.AI这些交叉分类里视觉相关的部分数量会更大。这个量级其实每天都在发生关键不在于“扫完”而在于“怎么扫”。我自己的粗筛速度大概是每篇标题加摘要四到六秒遇到关键词对路的再停下来细看。今天第一轮扫下来明显感觉有几个词出现频率特别高diffusion、token、latent、instruction、policy还有一个让我意想不到的词是“sensor”说明机器人视觉和物理世界感知方向的投稿正在明显增加。1.2 我愿意标注“深读”的四五个方向今天这一批里我挑出了几个值得多看两眼的主题。先说扩散模型的采样加速好几篇工作都在试图把生成所需的采样步数进一步压低方向上有的是蒸馏有的是在潜空间里做路径规划还有的是给现有调度器加可学习参数。坦白说这类工作互相之间的差异化没有前两年那么大了但“卷”本身说明一个问题生成速度仍然是落地瓶颈。视觉语言模型这边今天有一篇做开放词汇检测的重新审视主要思路不是加数据而是调整表征对齐的方式训练时不用额外标注推理时直接在嵌入空间做变换。这类文章我喜欢看因为它的切入点小、工程上容易复现读完马上能想“我能不能在自己的数据集上跑一下”。3D方向今天也有不少集中围绕神经渲染器的鲁棒性和可编辑性。有一篇思路是给渲染模型加了一个“幻觉预测头”先预测哪里会崩坏再决定要不要触发数值修正。我觉得这个idea很有工程味道因为真实场景里神经渲染最让人头疼的就是不可预测的崩坏与其追求万能解法不如先学会“知道自己错了”。视频理解这边最热的还是token采样策略。视频数据比图片贵主流思路已经从“全看一遍”转向“少看几帧但尽量不看关键帧”的权衡或者用可学习模块决定丢弃哪些时空token。这个方向的论文今天至少有五六篇说明视频理解正在进入成本敏感阶段。最后是机器人和具身智能相关这批视觉论文里包含了一部分world model和操作策略预训练的工作。它们虽然挂在CS.CV分类下但已经明显向“模型能不能驱动物理世界”倾斜。如果你是纯算法背景这类论文初期看起来会吃力但建议保持关注因为视觉领域的下一波增长点很大概率就在物理交互这里。1.3 别把“提到”当“证明”看目录的正确姿势每天都有同学在群里转标题说“又有人做到了XX”这是一个常见误区。看论文目录最大的风险是把作者自己在标题里说的话当成已被验证的结论。今天这批里面就有几篇标题特别响亮但细看实验设置baseline只是在受限场景下跑的或者只跟一两个旧模型比较这部分只能算“提供了一个想法”离可靠结论还有距离。我的建议是看每日更新时可以把这些工作理解成“线索”而不是“答案”真正值不值得信留到后面深读时再判断。2. 每天刷论文的过滤原则我如何从几百篇里留出二十篇做每日更新的核心能力不是“多读”而是“会扔”。一年前我也经历过每篇都想看的阶段结果就是每天被几千字带跑最后什么也没沉淀下来。现在我基本遵循一套三层过滤原则可以把几百篇压缩到一个小时能处理完的规模。2.1 三层漏斗创新度、证据力、关联度第一层看创新度。这不一定是“世界上第一次”也可以是“组合上的新”“约束条件上的新”或者“应用场景上的新”。只要有一点点让我产生“原来还能这么做”的感受就留下来。第二层看证据力。有没有实验支撑对不对得住自己的论点。这里我会看文章里实验部分的篇幅占比只给定性描述、不给定量评测的论文除非它来自我特别信任的团队否则基本直接放掉。第三层看关联度。跟我当前在做的项目有没有关系跟我长期关注的问题线有没有关系。没有关系但很惊艳的也会存进收藏夹但不会占用每日的“深读额度”。过滤层判断问题留用信号创新这个思路新在哪方法或框架层面有不可替代的点证据结论是否有实验支撑有定量对比、有消融、有多数据集验证关联对我有直接启发吗能对应到一个具体问题或项目2.2 识别高信号论文的十个特征时间长了我总结出十个能快速识别“高信号论文”的特征。不一定满足全部但满足越多越值得优先读。标题里有明确研究对象而不是一堆宏大名词的堆砌摘要三句话内能说明“问题—方法—结果”用具体数据集和指标而不是只放展示图有失败案例或局限性分析方法图里能看出通用模块而不是只能解决一个任务提出新评测方式或新数据集这类论文长期引用率高开源了代码或权重至少承诺了可复现讨论部分提到未来方向且这些方向对一个领域有牵引力参考文献覆盖了近两年内的大量工作说明作者真的在跟踪领域论文首页有图表让人一看就懂整体流程这十条不是金科玉律但能帮你避开不少“包装精美、内里空洞”的投稿。2.3 用“点在多边形内”的心态对待每篇文章这里想借用OpenCV里一个顺手的小函数cv::pointPolygonTest来做个比喻。这个函数就是判断一个点是在多边形内部、外部还是边上。刷论文其实也是类似的操作你先在心中划定一个“我的研究兴趣多边形”每次看到一篇新论文就去判断这篇论文的坐标落在你的多边形内、外还是恰好压在线条上。落在内部的论文可能是迭代你现有方案的小改进这些也要看但不能给太多时间因为它们很难带来认知突破。压在线条上的论文才是需要重点投入的它可能把原本不相关的方法引入你正在做的方向这类跨界引用经常能刺激出新的项目方案。落在多边形外部的无论它多惊艳先放进“以后再读”的收藏夹就好不必要当场消耗意志力。2.4 时间盒策略早上的三十分钟和周末的两小时我的每日论文时间被切成两段。工作日早上固定三十分钟只做扫描和粗选把值得读的论文丢进清单不做深读周末再抽两小时左右对本周入选清单里的三到五篇做完整的二遍读。这个策略最大的好处是不让论文阅读挤占正常工作时间。晚上如果还有精力我偶尔会再翻一眼今天的更新有没有漏掉热门新作但不会重新过滤一遍避免陷入重复劳动的陷阱。3. 我的ArXiv追踪工具链抓取、排序、笔记一条龙很多新手的问题不是看不懂论文而是根本不知道每天有哪些新论文。靠人肉刷新页面太原始了效率也低。我这里展示一套今年用下来比较顺的工具链全是免费可复现的方案。3.1 抓取用arXiv官方API代替浏览器刷新ArXiv官方提供了一套稳定又简单的API支持按分类、日期和关键词查询。下面这个Python脚本是我每天早上自动跑一次的“晨间摘要生成器”把当天提交的CS.CV论文标题和摘要拉出来存成文本文件再发送到自己的阅读列表。import urllib.request import feedparser from datetime import date, timedelta base_url http://export.arxiv.org/api/query? search_query cat:cs.CV start 0 max_results 50 def fetch_todays_papers(): yesterday date.today() - timedelta(days1) params ( fsearch_query{search_query} fsortBysubmittedDatesortOrderdescending fstart{start}max_results{max_results} ) feed feedparser.parse(base_url params) papers [] for entry in feed.entries: published entry.published[:10] if published yesterday.isoformat(): title entry.title.replace(\n, ).strip() summary entry.summary[:300].replace(\n, ) papers.append(f- {title}\n {summary}\n) return papers if __name__ __main__: today_papers fetch_todays_papers() with open(farxiv_cv_{date.today().isoformat()}.md, w, encodingutf-8) as f: f.write(f# ArXiv CV {date.today().isoformat()} 日报\n\n) f.write(\n.join(today_papers))需要注意ArXiv API用的是UTC时区如果你在东八区生活凌晨两三点前提交的论文会落在“昨天”的日期里。我一开始没注意这个细节导致偶尔漏掉一批后来把日期窗口多往前翻一天才解决。推荐你也把抓取时往前取一天或者干脆抓最近一百条再自己过滤。3.2 排序arxiv-sanity与Semantic Scholar的交叉用法光抓下来还不够相关性的排序很重要。arXiv的原始列表是按提交时间排的但高质量论文不一定在最早的位置。我一般会再用arxiv-sanity的API或页面筛一遍它会给一个社群打分视角能帮我发现同一时段里讨论度快速上升的文章。另一个是Semantic Scholar的推荐引擎它基于我标记过的感兴趣论文做语义相关推荐偶尔能从跨领域的角度捞出我没想过要看的文章。这两个工具都有同一个问题过度依赖社群流传度和提交时间会造成“热门偏误”。所以我在排序之后还会保留一套自己的“不人云亦云”规则——引用量和讨论度高只能代表传播力不代表方法论可靠。搜索引擎给我看结果但决定权始终在自己手上。3.3 记录Notion模板和回看机制读论文不记录等于过目即忘。我目前用一个固定的记录模板每条记录包含五个字段问题、方法、关键结果、与我项目的连接、下一步行动。这里贴一个简化版字段填写示例论文问题解决开放词汇检测中表征失衡的问题方法要点用表征对齐替代特征融合无需额外标注关键结果在LVIS上mAP提升了2.3个点未见开放集下降连接可用于现有检测器后处理模块改造下一步在自建数据集上复现并评估稳定性这个模板不是单纯的论文总结而是逼我把每一篇重点论文和自己拉上关系。如果没有“连接”和“下一步行动”我会直接把这篇论文归为“资讯”而不是“知识”信息级别完全不同。3.4 那些被封装好的“易CV模块”怎么看现在很多开源项目会把一些高效模块封装成现成组件方便插入自己的网络比如注意力模块、特征金字塔变形、损失函数包装等。我在筛选时会额外多看一层模块提交之后是不是持续更新是不是附带足够的跑分对比有没有人在issue里反馈复现结果。一个封装漂亮的模块如果三个月没有实际落地案例价值是要打个问号的。顺手记录自己用下来的真实效果也比只看官方README上的数字可靠得多。4. 三遍读法在CV论文上的具体操作刷目录是一种能力但真正的收益来自深读。我深读论文主要采用Andrej Karpathy和不少研究者都推荐过的“三遍法”只不过在CV场景里做了一些具体化调整。4.1 第一遍标题、摘要、图表、结论十分钟内第一遍的目标是建立“这篇论文在说什么”的整体画面。我会先读标题和摘要然后直接跳到图表和结论。CV论文的图表信息量很大特别是方法示意图和主实验对比表。这里我的习惯是“先看图后看字”通过图来判断这篇文章的流程是否有读懂的可能。如果一张图就把模型结构画得很清晰说明作者自己也想清楚了。如果图乱到无法直视那后面方法部分大概率也写得含混。第一遍结束后我给自己一个通过与否的结论要么“值得第二遍”要么“归档”。这个判断要果断因为每天值得第二遍的论文数量本来就该控制在三到五篇以内。4.2 第二遍方法、实验细节、与baseline的公平性四十五分钟内第二遍要认真读方法部分和全部实验。我会重点关注四点问题定义是否清楚、方法假设是否合理、实验有没有和最强baseline比较、消融实验是否覆盖关键设计。消融实验尤其重要很多论文的贡献是“把所有模块堆在一起才有效”拆开每个组件单独看可能只有一两个真正起作用。看到这种论文我对它的“工程可复制性”就要打个折扣。另外别忽略附录里的小细节。很多作者会把数据集预处理、训练参数、评估方式放在附录这些才是复现的关键。我遇到过不止一次正文说效果提升很大附录里却写着“对输入做了加严的清洗过滤”那这个提升就不完全是模型本身的功劳。明面上看是在读论文实际上是在做“证据链审计”。4.3 第三遍从读论文到复现或者到衍生想法第三遍是可选的但也是最能拉开差距的一步。一般我只对两种论文做第三遍一种是把我的研究方向往前推了一大步的工作另一种是和我当前方案直接竞争、我必须知己知彼的工作。第三遍不是逐行重读而是动手做写代码、跑baseline、改造方法甚至只做一个小实验验证某个关键猜想。我个人的经验是第三遍最好在“边做边读”的节奏里完成不然很容易变成走马观花。4.4 记笔记时逼自己回答的五个问题我用的笔记格式里有五个固定问题让每一次深读都有沉淀感这篇论文如果一句话讲完是什么它最让我觉得“原来可以这样”的点在哪我自己之前对这个问题的认识是什么如果把它的方案用在我的数据上最可能出现什么问题如果我来做后续工作我会改哪一部分这五个问题看起来很简单但每次想回答清楚都需要真正理解文章。要是哪个问题写不下去说明论文还有地方没读懂。笔记写完以后我一般隔两周回看一遍这时候我往往会发现有些当时觉得惊艳的想法两周后已经不是那么有说服力了——这是再正常不过的信号说明研究品味正在调整。5. 近期挂在嘴边的三个趋势数据、效率、评测革新跟踪每日ArXiv不只是为了一时的新知识更是在积累对趋势的判断力。从过去两三个月的投稿情况看有几个趋势正在从“个别尝试”变成“整体方向”。5.1 数据治理与合成数据成为真正的胜负手前两年大家拼模型结构最近越来越多论文回到数据本身。今天这批里有几篇工作就是用合成数据解决域泛化和长尾识别问题思路不是简单增加样本量而是控制数据的生成分布让模型主动暴露在目标域的不确定性里。这个趋势背后体现了一个共识当模型容量普遍过剩时数据边界决定能力边界。我自己在做项目时也深刻体会到与其换更大的backbone不如先花时间整理数据质量收益往往立竿见影。5.2 生成模型和视觉理解都在“给推理做减法”扩散模型从几十步采样压到四步视觉语言模型从几十亿参数蒸馏到几亿参数视频理解从全量帧采样到动态token丢弃这些方向都有一个共同诉求降低部署成本。这不是学术界单纯的“刷效率指标”而是产业界反馈倒逼出来的方向。如果大家注意观察会发现不少论文的作者列表里出现了工业实验室的研究员他们推动的选题越来越看重“一个方法能不能在真实硬件上跑起来”。对工程师来说这类论文的参考价值非常高因为它们是少有的“可以直接动手抄作业”的前沿工作。5.3 评测方式从“一个数字”走向“场景化评估”过去CV论文的标配是COCO、Cityscapes这类基准上的一个mAP或IoU数字。现在越来越常见的是多维度评测包括在不同光照、不同相机参数、不同传感器噪声下的表现甚至开始评测长期运行的稳定性。今天这批3D和机器人视觉论文里已经有不少工作专门设计新的评测场景或者把真实物理环境作为评估标准。这是个好现象说明领域正在从“刷榜”走向“解决实际问题”。我自己判断接下来半年会看到更多“评测集新指标长尾问题分析”捆绑出现的论文。这类论文的长线价值未必低于提出新模型的论文因为在指标体系混乱的时候谁定义评测谁就在制定领域方向。6. 坚持每日更新一年后我给自己的三条提醒最后这部分不讲方法论了讲讲这一年来坚持更新最真实的感受和一些自我提醒。6.1 更新量并不等于价值量刚开始更新的时候我总害怕漏掉任何一篇热门论文恨不得把所有方向都列一遍。后来发现这完全是自己安慰自己。对于读者来说与其看到十个方向的罗列不如看到三五个方向上有深度的理解。我现在更新时会主动控制数量但每一个方向都尽量交代清楚“我为什么关注”和“它可能在什么地方改变我的实践”。6.2 保持长期嗅觉的方式是定期“戒断”热门论文我每个月会挑一个周末不追新的更新不看讨论度排行回到自己收藏夹和笔记库把过去两个月的记录重新扫一遍。这个习惯比追热点有用得多因为很多论文的真实价值要等热度散去后才能显现。回看时我常常发现某篇当时没什么人讨论的文章和自己正在遇到的问题特别匹配这就是沉淀下来的长期嗅觉。6.3 把追论文变成项目的输入而不是消耗时间的借口最后也是最重要的一点任何论文阅读如果最终没有影响你的代码、实验方案或问题定义那它的价值就停留在“资讯”层面。我现在每次深读前都会问自己一句“如果今天不看这篇我的项目会缺什么”如果答案是“不缺什么”这篇文章可以被延后。用项目牵引论文选择是我这一年下来最有效的学习策略比单纯堆浏览次数高效得多。明天凌晨六点新一批ArXiv又会准时上线。这个习惯我已经坚持了一年也没打算停。如果你也想给自己建一套论文追踪系统不需要多复杂的工具从今天开始每天留半小时读完几篇摘要记下一条让你心动的启发就够。长期来看真正拉开差距的并不是你读得有多快而是你愿意坚持多久。
