1. 选题背景与内容定位
做学术内容搬运和论文解读这行有些年头了，每天睁眼第一件事就是刷arXiv的更新列表，然后从里面挑出真正值得花时间读的论文。这次要聊的是一个很典型的场景：从arXiv每日更新中筛选出35篇被顶会收录的论文，覆盖ICCV、CIKM、ACM MM三个会议。听起来像是简单的列表整理，但实际操作过的人都知道，这里面涉及的信息筛选、分类逻辑、价值判断，远比表面看起来复杂得多。
先说清楚这个内容是什么。它本质上是一份经过人工筛选和分类的论文速览清单，目标是从当天arXiv的更新中，把已经被顶会接收的论文挑出来，按会议和主题归类，给读者一个快速了解前沿动态的入口。解决的问题很直接：arXiv每天更新的论文数量太大，质量参差不齐，普通研究者或者工程方向的同学很难在有限时间内判断哪些值得精读、哪些只需要扫一眼摘要。适合谁来参考？主要是三类人：一是做相关方向研究的研究生和博士生，需要跟踪最新进展；二是工业界做技术选型和方案调研的工程师，想看看学术界最近在解决什么问题；三是刚入门想了解领域热点的新人，需要一个有筛选的入口。
为什么选这三个会议？ICCV是计算机视觉领域的顶级会议，偏重视觉理解、图像生成、三维重建等方向；CIKM是信息检索和数据挖掘方向的知名会议，关注搜索、推荐、知识图谱等；ACM MM则是多媒体领域的旗舰会议，涵盖视频理解、跨模态检索、多媒体生成等。这三个会议放在一起，基本覆盖了当前AI应用最活跃的几个方向。从arXiv每日更新中筛选顶会论文，核心价值在于“时效性”和“质量过滤”的结合——arXiv保证了速度，顶会标签保证了质量下限。
我个人的操作习惯是，每天早上花大概四十分钟做这件事。前十分钟快速浏览标题和摘要，把明显不相关的过滤掉；接下来二十分钟按会议和主题分类，同时标记出值得精读的论文；最后十分钟整理成结构化的输出。这个流程看起来简单，但每一步都有不少细节可以优化，后面会逐一展开。
2. 筛选逻辑与分类体系搭建
2.1 为什么不能只靠关键词匹配
很多人第一反应是写个脚本，用会议名称做关键词去匹配arXiv的元数据。我试过，效果很差。原因有几个：第一，arXiv的论文在正式被会议接收之前，很多作者不会在comments字段里标注会议信息，等到标注的时候可能已经过去好几个月了；第二，有些作者会用缩写或者非标准写法，比如“Proc. of ICCV”或者“ICCV 2024 accepted”这类格式，单纯的关键词匹配很容易漏掉；第三，有些论文虽然被顶会接收了，但作者在arXiv上更新版本时忘记同步这个信息。
所以我的做法是“机器初筛+人工复核”。机器初筛用一组相对宽松的规则，比如标题和摘要里出现相关领域的关键词、comments字段包含“accepted”“camera ready”等字样，先把候选集缩小到一百篇左右。然后人工快速过一遍，判断是否真的属于目标会议范围。这个过程听起来费时，但熟练之后每篇论文的判断时间大概在五到八秒，一百篇也就十来分钟。
2.2 分类维度的选择
分类体系的设计直接决定了最终输出的可用性。我见过一些类似的整理，只是简单按会议分组，然后罗列论文标题和链接。这种做法的信息密度太低，读者还是得自己一篇篇点进去看。我的做法是在会议分组的基础上，再加一层主题分类。
以ICCV为例，我会把论文归到几个大类里：图像生成与编辑、三维视觉与重建、目标检测与分割、视频理解、多模态学习、模型效率与压缩。每个大类下面再根据具体方向做细分。这样读者拿到清单之后，可以直接跳到自己关心的方向，而不是从头翻到尾。
CIKM的分类维度会有所不同，因为它的方向更偏信息检索和数据挖掘。我通常分为：推荐系统、搜索与排序、知识图谱与推理、图神经网络、文本挖掘与理解、用户行为建模。ACM MM则侧重：视频理解与检索、跨模态对齐、多媒体生成、情感与社交多媒体、音频与语音处理。
这里有个经验：分类不要太细，否则每类下面只有一两篇论文，反而失去了归类的意义。我的原则是每个二级分类下面至少有三篇论文，如果不够就合并到相近的类别里。同时分类名称要具体，不要用“其他”这种模糊的标签，宁可多花点时间想一个准确的类别名。
2.3 优先级排序的规则
35篇论文不可能每篇都同等重要，所以需要一个优先级排序的机制。我的排序规则是这样的：首先看会议，ICCV和ACM MM的论文整体优先级高于CIKM，因为前两个会议的竞争更激烈，论文的创新性和实验完整度通常更高。然后在同一会议内部，看论文是否涉及当前的热点方向，比如多模态大模型、扩散模型、高效推理等，这些方向的论文会往前排。最后看作者团队的背景，但这个只作为参考，不会作为主要依据。
实际操作中，我会给每篇论文打一个综合分，满分十分。会议权重占四分，主题热度占三分，方法新颖度占两分，实验充分度占一分。这个打分不需要很精确，主要是帮助自己在整理时快速决定顺序。读者在看清单的时候，排在前面的论文通常是我认为最值得花时间读的。
3. 核心论文方向深度拆解
3.1 ICCV方向：视觉生成与三维理解仍是主线
从这次筛选的结果来看，ICCV的论文主要集中在两个大方向：视觉生成和三维视觉。视觉生成方面，扩散模型的改进仍然是重头戏，但和前两年不同的是，这次看到的论文更多在解决实际应用中的问题，比如生成速度、可控性、编辑一致性等。有一篇关于少步扩散采样的工作，核心思路是通过蒸馏和对抗训练结合，把采样步数从几十步压缩到四步以内，同时保持生成质量。这类工作的价值在于让扩散模型真正能在消费级硬件上跑起来，对工业落地很有意义。
三维视觉方面，NeRF相关的论文数量比上一季度有所减少，取而代之的是3D Gaussian Splatting的后续工作。有一篇论文提出了动态场景下的高斯点云压缩方法，通过时序一致性的约束来减少冗余表示，在保持渲染质量的同时把存储开销降低了将近一半。这个方向之所以热，是因为它直接关系到三维内容在移动端的部署可行性。
还有一个值得注意的趋势是视觉生成和三维重建的交叉。有几篇论文在做“单图到三维”的任务，用生成模型先补全不可见区域，再用重建方法得到完整的三维模型。这个思路并不新，但这次看到的论文在细节处理上明显更成熟了，比如对生成区域和原始区域之间的边界处理更加自然，减少了拼接感。
3.2 CIKM方向：推荐系统与图学习的结合更加紧密
CIKM的论文整体偏向应用和系统层面，这次看到的推荐系统相关论文有一个共同特点：都在尝试把图神经网络和传统的推荐算法做更深度的融合。有一篇工作提出了基于异构图注意力的序列推荐方法，核心创新在于对用户行为序列中的不同类型交互（点击、收藏、购买）分别建模，然后用一个跨类型的注意力机制来融合。这个思路的合理性在于，不同交互行为反映的用户意图强度是不同的，统一处理会丢失信息。
知识图谱方向也有几篇有意思的论文。其中一篇在做知识图谱补全时，引入了规则学习和嵌入学习的联合优化框架。传统的做法是两者分开做，规则用来做推理，嵌入用来做相似度计算，但这篇论文发现两者可以互相提供监督信号，联合训练之后效果有明显提升。这个思路在工程上也有参考价值，因为很多实际系统里规则和模型是两套独立维护的，如果能统一起来，维护成本会降低不少。
图神经网络方面，可扩展性仍然是一个核心问题。有一篇论文提出了基于采样的分布式训练框架，通过设计一种自适应的邻居采样策略，在保证精度的前提下把训练速度提升了三倍左右。这类工作对于工业界的大规模图数据场景很有吸引力。
3.3 ACM MM方向：跨模态与视频理解占据主导
ACM MM的论文分布比较集中，跨模态检索和视频理解两个方向占了将近一半。跨模态方面，CLIP框架的后续改进仍然是主流，但这次看到的论文不再只是简单地做对比学习，而是开始关注细粒度的对齐问题。有一篇论文提出了区域级别的跨模态对齐方法，把图像分成多个区域，每个区域单独和文本做对齐，然后再用一个全局模块来整合。这个方法在细粒度检索任务上的提升很明显，尤其是在处理复杂场景描述时。
视频理解方面，长视频建模是一个明显的热点。传统的视频理解方法通常处理几秒到几十秒的短视频，但实际应用中很多场景需要理解几分钟甚至更长的视频。有一篇论文提出了层次化的视频Transformer结构，先用一个轻量级的模块做关键帧筛选，再用一个重量级的模块对筛选出的帧做精细理解。这种“先粗后细”的策略在计算效率和理解精度之间取得了不错的平衡。
多媒体生成方面，视频生成的质量和一致性仍然是难点。有几篇论文在尝试用扩散模型做视频生成，核心挑战在于时序一致性的保持。其中一篇工作提出了一个时序注意力模块，通过在帧之间建立显式的对应关系来减少闪烁和抖动。虽然离完美还有距离，但方向是对的。
3.4 三个会议的交叉趋势
把三个会议的论文放在一起看，能发现一些跨领域的共同趋势。最明显的是多模态学习的渗透，无论是ICCV的视觉理解、CIKM的推荐系统还是ACM MM的视频分析，都在往多模态融合的方向走。另一个趋势是效率优化，几乎每个方向都有论文在讨论如何降低计算开销、减少参数量、加速推理。这说明学术界的研究重心正在从“刷榜”向“可用”转移。
还有一个值得关注的现象是，三个会议中都有论文在尝试把大模型的能力引入到自己的任务中。有的用大模型做数据增强，有的用大模型做特征提取，有的直接用大模型做zero-shot推理。这个趋势在接下来半年应该会更加明显。
4. 实操流程与信息整理方法
4.1 每日抓取与初筛的自动化
前面提到机器初筛加人工复核的流程，这里展开说一下具体怎么操作。我用的工具很简单，一个Python脚本加上arXiv的API。脚本每天早上七点自动运行，拉取过去24小时内更新的论文元数据，包括标题、摘要、作者、comments字段和arXiv ID。然后根据预设的规则做第一轮过滤。
规则的设计有几个要点。第一，会议名称的匹配要宽松，不能只匹配“ICCV”，还要匹配“ICCV 2024”“ICCV‘24”等变体。第二，除了会议名称，还要匹配一些常见的接收标注，比如“accepted to”“to appear in”“camera ready”等。第三，对于没有明确标注会议信息的论文，如果标题和摘要中出现了目标领域的核心关键词，也先保留，留给人工判断。
脚本输出的结果是一个CSV文件，包含论文的基本信息和初筛得分。初筛得分是根据关键词匹配的数量和位置来计算的，标题匹配的权重高于摘要匹配。这个得分只用来排序，不作为最终判断依据。
4.2 人工复核的判断标准
人工复核是整个流程中最关键的一步，也是最难标准化的部分。我的判断标准主要有三条。第一条，论文的研究问题是否属于目标会议的典型范围。比如一篇做纯理论优化的论文，即使标注了ICCV，我也会再确认一下是否真的和视觉相关。第二条，论文的方法是否有明确的创新点。这个从摘要里通常能看出来，如果摘要只是说“我们结合了A和B”，但没有说清楚为什么要结合、结合之后解决了什么新问题，那这篇论文的优先级就会降低。第三条，实验部分是否充分。虽然从摘要里看不到完整的实验数据，但可以看作者是否提到了在多个数据集上的验证，以及是否有和现有方法的对比。
这三条标准执行下来，一百篇候选论文大概能留下四十到五十篇。然后再根据前面说的优先级排序规则，从中选出最终的35篇左右。这个数量不是固定的，有时候多几篇有时候少几篇，但基本控制在30到40之间，太多了读者看不完，太少了又显得单薄。
4.3 信息整理的结构化输出
最终输出的格式我改过好几版，现在稳定下来的结构是这样的：先按会议分组，每个会议下面按主题分类，每个主题下面列出论文。每篇论文包含标题、作者、一句话总结和arXiv链接。一句话总结是我自己写的，不是直接翻译摘要，而是用中文把论文的核心贡献说清楚。这个总结控制在五十字以内，要让读者一眼就能判断这篇论文是否和自己相关。
写一句话总结有几个技巧。第一，先说问题再说方法，比如“针对视频生成中的时序不一致问题，提出了基于显式对应关系的注意力模块”。第二，避免使用“取得了显著提升”这种空话，如果摘要里有具体的提升数字，可以带上，比如“在XX数据集上提升了3.2个点”。第三，如果论文的方法有比较新颖的切入点，可以在总结里点出来，比如“首次将XX机制引入到XX任务中”。
4.4 工具链与效率提升
整个流程用到的工具不多，但每个都要用顺手。arXiv API的调用用Python的requests库就够了，不需要额外的框架。数据处理用pandas，方便做筛选和排序。最终的输出用Markdown格式，方便直接发布到各种平台。
有一个提效的小技巧：把常用的会议名称变体和关键词做成一个配置文件，脚本读取这个配置文件来做匹配。这样每次需要调整规则的时候，不用改代码，只改配置文件就行。另外，把人工复核的结果也保存下来，积累一段时间之后可以用来分析自己的筛选偏好，看看是不是某些方向的论文被系统性地忽略了。
还有一个经验是，不要追求一次就把所有论文都看完。我的做法是分两轮，第一轮快速过一遍，把明显不相关的去掉，同时标记出需要仔细看的论文；第二轮只仔细看标记过的论文，其他的扫一眼标题就行。这样一轮下来，真正花时间精读的论文大概只有十到十五篇，其他的都是快速判断。
5. 常见问题与避坑指南
5.1 会议标注不准确怎么办
这是最常见的问题。有些论文在arXiv上标注了“ICCV 2024”，但实际上只是被workshop接收，不是主会。还有些论文标注了会议名称，但后来被撤稿了。我的处理方式是，对于标注了会议信息的论文，如果摘要质量明显偏低或者实验部分很单薄，会去会议官网的接收列表里核实一下。虽然多花一点时间，但能避免把低质量论文推荐给读者。
另一个情况是，有些论文在arXiv上更新了多个版本，早期版本没有标注会议信息，后期版本才加上。我的脚本会检查论文的所有版本，只要有一个版本标注了会议信息，就会保留。这个逻辑在API里可以通过查询论文的版本历史来实现。
5.2 主题分类的边界模糊
论文的主题分类经常遇到模棱两可的情况。比如一篇论文既涉及推荐系统又涉及知识图谱，到底归到哪一类？我的原则是看论文的核心贡献落在哪个方向。如果论文的主要创新在推荐算法，知识图谱只是作为辅助工具，那就归到推荐系统。如果两者都是核心贡献，那就看实验部分主要在哪个任务上验证。
还有一种情况是，论文的方法很通用，可以应用到多个任务上。比如一篇提出新的注意力机制的论文，在视觉和文本任务上都做了实验。这种论文我会归到“通用方法”类别里，而不是强行塞到某个具体方向。虽然这样的论文数量不多，但通常质量较高，值得单独列出来。
5.3 信息过载与筛选疲劳
每天处理大量论文，时间长了容易产生筛选疲劳，表现为判断标准松动、漏掉重要论文、或者把不相关的论文误判为相关。我的应对方法是控制每天的处理时间，不超过四十分钟。如果某天论文特别多，宁可少选几篇，也不延长处理时间。另外，每周会抽时间回顾一下前几天的筛选结果，看看有没有明显的误判。
还有一个技巧是，把筛选过程分成几个独立的阶段，每个阶段只关注一个维度。比如第一阶段只看标题，判断是否属于目标领域；第二阶段只看摘要的前三句，判断是否有明确的创新点；第三阶段再看实验部分。这样每个阶段的认知负荷都比较低，不容易疲劳。
5.4 输出内容的可读性优化
整理出来的清单，最终是要给人看的，所以可读性很重要。我见过一些类似的整理，论文标题用英文原文，摘要用机器翻译，读起来很费劲。我的做法是标题保留英文原文，因为很多专业术语翻译成中文反而不好理解，但一句话总结用中文写，而且尽量用短句，避免复杂的从句。
另外，论文的排序也会影响可读性。如果把所有论文混在一起排，读者很难找到自己关心的方向。按会议和主题分组之后，读者可以直接跳到感兴趣的类别。在每个类别内部，我会把相关性最高的论文放在前面，这样读者如果时间有限，只看前几篇也能抓住重点。
还有一个细节是链接的处理。arXiv的链接比较长，直接放在正文里会影响排版。我的做法是用Markdown的链接语法，把arXiv ID作为链接文字，这样既简洁又方便复制。如果论文有项目主页或者代码仓库，也会一并附上，方便读者直接上手复现。
6. 个人经验与后续扩展方向
做这个整理工作大概有两年多了，最大的体会是：筛选的价值不在于选出了什么，而在于排除了什么。每天arXiv上更新的论文有几百篇，其中真正值得花时间读的可能不到十分之一。把那些不值得读的论文排除掉，比推荐几篇好论文更有价值。因为读者的时间是最宝贵的资源，帮他们省时间就是最大的贡献。
另一个体会是，分类体系需要不断迭代。我最初的分类很粗糙，只有几个大类，后来慢慢细化，现在已经有二十多个二级分类。但分类也不是越细越好，太细了会导致每个类别下面论文太少，反而失去了归类的意义。我的经验是，每个二级分类下面至少要有三篇论文，如果连续几天都不够，就说明这个分类需要合并或者调整。
后续的扩展方向有几个。一是增加论文之间的关联分析，比如哪些论文引用了同一篇基础工作，哪些论文在解决同一个问题的不同侧面。这个需要抓取论文的参考文献信息，技术上不难，但会增加处理时间。二是增加趋势分析，比如某个方向最近一个月的论文数量变化，哪些关键词出现的频率在上升。这个对判断研究热点很有帮助。三是增加代码可用性的标注，对于有开源代码的论文，在清单里明确标出来，方便工程方向的同学直接上手。
还有一个想法是做一个简单的推荐系统，根据读者过去点击的论文，推荐他们可能感兴趣的新论文。这个需要收集用户行为数据，涉及到隐私问题，所以还在考虑中。如果做的话，会采用本地化的方案，数据不上传，只在用户设备上做推荐。
最后分享一个小技巧：如果你也在做类似的信息整理工作，建议把每天的筛选结果保存下来，积累一段时间之后，你会发现自己的筛选标准在慢慢变化。这种变化本身就是一个很有意思的研究对象，能反映出你对领域的理解在加深。我现在回头看半年前的筛选记录，会发现当时忽略了一些现在看来很重要的论文，这种反思对提升筛选质量很有帮助。
