Paper Reading

面向深度论文阅读的 AGENT SKILL

一页读懂整篇论文

提供 PDF 或论文链接，获得串起全局论证、机制、原图、公式与实验的自包含 HTML 深读图谱。

阅读全部完整样例 →安装并开始使用 ↓

MiMo-V2.6 阅读图谱预览：把论文全局、RL 机制和实验证据连在一起。

MiMo-V2.6 中文深读文档的编辑式预览；下方还有英文样例。

阅读完整样例

选一篇论文，就能在一个页面里沿全局图、机制说明、原论文图、公式和实验证据读完整篇。图示与重要数字均有相邻解释，原文定位按需显示。

  • Attention Is All You Need · English — 沿编码器与解码器追踪 token，算清注意力公式，再读翻译实验、消融和句法分析。打开完整深读 →
  • DeepSeek-V4.1-Flash · English — 分清预填充计算、运行时全局 KV 和持久化 KV，结合原论文图读 CED、CSA2 和 Agent 评测。打开完整深读 →
  • MiMo-V2.6 · 中文 — 从训练主线读到 RL 目标、GRS/GAR、运行系统、MOPD2 与实验。打开完整深读 →
  • RAFT · 中文 · Kimi Code — 沿数据精炼与答案条件在线蒸馏的耦合路径，读懂领域能力和通用能力的实验权衡。使用安装后的本 skill 在 Kimi Code 中制作，依据 arXiv:2606.00147v1。打开完整深读 →
  • MechVQA · English · Kimi Code — 沿专家核验的机械图纸到十类任务的基准构建流程，理解 MechVL 的 SFT 与 RL 训练阶梯及消融。依据 arXiv:2605.30794v2。打开完整深读 →
  • IAR · 中文 · Kimi Code — 沿 Inject → Align → Recover 读懂文档知识注入、无检索问答与通用能力恢复，再对照八种设置下的证据。依据 arXiv:2608.20281v1。打开完整深读 →
  • VISTA · 中文 · Kimi Code — 沿无损视觉记忆与主动检视读懂视觉外骨架，再读 ARC-AGI-3 满分、harness 消融阶梯与跨基准证据。依据 arXiv:2610.02200v1。打开完整深读 →

MiMo 样例基于一份 44 页的本地 PDF 编写，仓库不分发该 PDF。作者后来更新了在线报告；样例已采用修正后的 Pro 激活参数数值，其他版本差异尚未逐页核对。

你会得到什么

  1. 全局认知图 研究问题、场景、主要想法、贡献及证据进入的位置。
  2. 方法或论证路径 输入、阶段、分支、反馈和输出，并解释重要箭头的含义。
  3. 机制放大 必要的定义、公式、假设，以及有帮助时的具体算例。
  4. 实验图谱 每个问题对应的设置、对照、指标、观察结果与可支持的解读。
  5. 综合理解 把方法与证据重新连起来，并把限制放在相应结论旁边。

图负责引导阅读；正文、公式、表格和原论文图承载细节。原文位置默认不显示，但需要核对时可以展开。最终交付是一份离线可读的 HTML，另附作为审计源的 Markdown。

论文阅读方法

这套流程把已有的论文阅读和知识组织方法，与针对单篇论文的编辑设计结合起来。三个检查分别回答不同问题：

  1. 能否先重建论文，再向读者解释 Keshav 的三遍阅读法从全局认识，逐步走到内容理解和细节重建。本 skill 先画暂定全局图，再追踪方法与结果，最后推演决定性的公式、假设、证明或实验。普通深读请求会完成整条路径；只有用户要求快筛时才停在概览。
  2. 图里的关系是否有明确含义 Novak 与 Cañas 的概念图方法从焦点问题出发，用带说明的连线和跨区关联组织概念。本项目的每张图都回答一个与论文有关的问题，例如“机制如何影响结果”；箭头须说明是数据流、过程顺序还是证据关系，正文解释这些连接。
  3. 解读能否回到论文核查 SciDoc2Diagrammer-MAF指出生成的科学图示可能遗漏信息或偏离原文。本项目据此要求核对关键图、公式、数字和箭头，并把每项实验的设置、对照、指标与结果放在一起。本项目并未实现该论文的图示生成算法。

这三项原则形成上文的五层阅读顺序：全局图、主路径、机制、实验图谱和综合理解。衡量深读是否有用，要看读者能否说清核心机制、指出重要结论由哪些证据支撑，而不必为补全关键解释反复查 PDF。这是本项目的方法设计；现有样例尚未经独立读者研究验证。

公开的深读质量检查将来源覆盖、科学事实、主张与证据的对应、独立可读性和离线交付变成交付门槛。各样例的读者题目与答案可供未参与编写的人测试理解效果。渲染器测试通过或作者自查，都不等于完成了独立读者研究。

开始使用

在 Codex 项目里快速试用： 在项目目录运行 skills CLI，然后检查内置渲染器。安装结果位于项目内的 .agents/skills/paper-reading。

npx --yes skills add xiaofengShi/paper-reading-skill --skill paper-reading --agent codex --copy --yes
(cd .agents/skills/paper-reading && npm ci && npm run doctor)

Codex 与 Kimi Code： 把仓库安装为个人 skill，再安装渲染依赖。仓库附带的 HTML 渲染器需要 Node.js 20 或更新版本。

mkdir -p "$HOME/.agents/skills"
git clone https://github.com/xiaofengShi/paper-reading-skill.git "$HOME/.agents/skills/paper-reading"
(cd "$HOME/.agents/skills/paper-reading" && npm ci)

运行 (cd "$HOME/.agents/skills/paper-reading" && npm run doctor) 检查安装。它会在临时目录生成一份完整的 Transformer 样例，并检查语种、公式、导航和内嵌图。

Claude Code： 改用它的个人 skill 目录。

mkdir -p "$HOME/.claude/skills"
git clone https://github.com/xiaofengShi/paper-reading-skill.git "$HOME/.claude/skills/paper-reading"
(cd "$HOME/.claude/skills/paper-reading" && npm ci)

此安装路径运行 (cd "$HOME/.claude/skills/paper-reading" && npm run doctor)，然后再打开新的 agent 会话。

如果已经安装，直接更新已有目录及依赖，不要在同名目录上再次 git clone。Codex 或 Kimi Code 运行 git -C "$HOME/.agents/skills/paper-reading" pull --ff-only，再运行 (cd "$HOME/.agents/skills/paper-reading" && npm ci)；Claude Code 把路径换成 $HOME/.claude/skills/paper-reading。

重新打开 agent 会话，附上 PDF 或给出可访问的论文链接，然后说：“用中文深入阅读这篇论文，给我一份可视化 HTML 文档，讲清主线、重要公式和实验。” 也可以明确要求英文。Skill 默认遵循用户请求的语种；没有任何语种线索时使用英文。Skill 名称是 paper-reading；也可以在 Codex 输入 $paper-reading，在 Claude Code 输入 /paper-reading，在 Kimi Code 输入 /skill:paper-reading。Agent 必须能访问论文并完成科学阅读；本项目提供阅读流程与渲染器，并非把任意 PDF 自动转换成已核实解读的服务。

只有需要快筛时才要求概览；需要审稿或与自己的研究比较时，再要求额外视角。普通读论文请求以理解论文为主。

工作方式

Skill 指令引导 agent 依次建立全局认知、重建全文、编写解释并核对来源。论文类型协议为实证、系统、基准、数据集、理论和综述论文选择合适图形；可视化阅读规则要求图示与解释、证据对应。阅读模式定义可选的快筛、审稿和研究视角。

仓库附带的渲染器把 Markdown 审计源与本地图形生成单文件 HTML，内嵌图片、图示、KaTeX 数学排版和字体。每份源文档都必须在首行写明 <!-- paper-reading-lang: en --> 或 <!-- paper-reading-lang: zh-CN -->，导航和图表标签也据此选择语种。可在第二行选择四种内置视觉主题之一：<!-- paper-reading-theme: forest -->、cobalt、plum、saffron；省略时使用 forest。作者按论文内容选择主题，渲染器不猜测主题。Skill 会逐篇判断探索分支、状态变化或反馈环是否能增加理解；若不能，使用静态图。交互图可用 Archify 或自包含的 HTML/SVG 制作，关键解释仍须在无脚本时可读。构建不依赖 Archify 或其他本地 skill。渲染器输入格式给出 Markdown 的精确契约，从 PDF 抽取插图说明原图裁切与数值核实方法。Transformer、DeepSeek、MiMo、RAFT、MechVQA、IAR和VISTA的 Markdown 与图形输入都是构建材料，不要求读者分别打开。

本地重建所有已发布样例：

npm ci
npm run doctor
npm run build:examples
npm test

验证与适用范围

已发布的样例覆盖经典架构论文、技术报告、领域微调方法、工程基准、文档知识内化和交互式视觉环境的智能体外骨架。渲染测试覆盖语言和主题声明、行内与独立公式、原文位置开关、原图上下文和数值图行为。这些检查验证排版与生成契约，不等于独立核证每一条科学解读。理论、综述和独立读者测试仍不在当前样例范围内。

Archify是可选的交互结构图呈现工具。科学内容仍须对照论文核查。

欢迎在 GitHub Issues提交问题、缺陷或其他论文类型的样例。项目使用 MIT 许可证。

维护说明

本文是中文主页的内容源；README.md是默认英文主页的内容源。修改任一语言后运行 npm run build:docs，将生成的 HTML 与 Markdown 一同提交。主页生成器见 scripts/build-docs.cjs。