arXiv高级检索实战：用分类号、作者名和API把相关论文精准捞出来
新手问：arXiv怎么用，为什么我搜出来一堆不相干？难度：⭐
先别急着怀疑人生。老网民见过太多“输入AI，然后翻到第30页”的壮举，属实是互联网考古。arXiv论文检索教程第一步：别搜大词，搜“领域词+方法词+任务词”。比如别搜“graph neural network”，改搜“graph neural network molecular property prediction”。
Q：arXiv预印本下载要注册吗？不用。打开论文页，点PDF即可。PDF通常1MB到10MB，我实测一篇8.4MB的cs.CL论文，校园网约2秒，普通家庭网络约6秒。慢不一定是你菜，可能是网络抖。
- 先用标题框搜精确短语，例如“retrieval augmented generation”。
- 左侧看分类，计算机常见是cs.CL、cs.CV、cs.LG；统计常见stat.ML。
- 排序选“Submitted Date”，看最新；做综述再切“Relevance”。
- 点“Other formats”可拿TeX源码，适合学习写作排版。
新人坑位提醒：arXiv不是期刊数据库，预印本可能没同行评审。引用前要查作者主页、Google Scholar或期刊版本，别把“昨天刚传的v1”当圣旨，古早论坛都没这么莽。
进阶问：怎样把噪声降下来？难度：⭐⭐
Q：作者名怎么搜才准？用作者字段。比如搜作者Yoshua Bengio，不要只打Bengio。更稳的做法是组合条件：作者+分类+关键词。
可复制的检索模板如下，直接在arXiv搜索框改词：
au:"Bengio" AND cat:cs.LG AND abs:"representation learning"
ti:"diffusion model" AND cat:cs.CV
abs:"large language model" AND submittedDate:[202401010000 TO 202412312359]
老鸟小抄：标题ti最窄、摘要abs适中、全文all最吵。刚入门先用ti和abs，等你知道领域黑话后再放宽。我的习惯是：每天10分钟扫cs.CL最新50篇，只打开标题命中任务词的，大约能从50篇缩到6到8篇。
Q：版本v1、v2、v3看哪个？优先看最高版本。若你要复现实验，记录具体版本号和提交日期，因为v2可能改了表格、附录甚至结论。Zotero保存时，建议在Extra里写“arXiv v3, checked 2026-07-21”。
高级问：能不能自动追踪新论文？难度：⭐⭐⭐
可以，用arXiv API配合脚本。下面这个命令不需要安装复杂环境，Linux、macOS或Windows PowerShell装了curl都能跑：
curl "https://export.arxiv.org/api/query?search_query=cat:cs.CL+AND+abs:%22retrieval%20augmented%20generation%22&start=0&max_results=5&sortBy=submittedDate&sortOrder=descending" -o arxiv.xml
然后用浏览器打开arxiv.xml，看entry里的title、published、id。若想每天自动跑，把关键词换成你的课题词，再用系统计划任务执行。免费方案的限制是API结果需要自己清洗；Feedly、Zotero RSS也能订阅，但筛选粒度不如API。
如何验证它真的有效：运行命令后，文件大小应大于5KB；打开后应看到5条entry；第一条published日期应接近最近几天。再把同一关键词手动在arXiv页面按Submitted Date搜索，前5条标题应基本一致。
故障排查树：
- 搜不到：先删掉一个关键词 → 再把ti改abs → 最后换同义词，如RAG换retrieval augmented generation。
- 结果太多：加cat分类 → 加日期范围 → 用引号固定短语。
- PDF打不开：换浏览器 → 清缓存 → 试校园网或官方镜像 → 仍不行再隔10分钟。
- 下载很慢：先测普通网页速度；若只有海外站慢，可考虑网络工具。免费路线如校园网、机构代理、浏览器重试都有效；如果你也在折腾clash安卓、UU加速器或ins下载这类网络环境问题，Roxi也只是可选方案之一：https://wizzegroup.com。
还有卡住的地方，直接把你的检索式、分类号和报错贴出来问，sisucd老哥帮你一起拆。