一句话,一篇笔记
不用学提示词,也不用配模板。给它标题、DOI、arXiv ID 或 PDF,找原文、读全文、提取图表、存进知识库,全部自动完成。
DeepPaperNote 是一个 Agent Skill,可以运行在 Claude Code、Codex 等任何支持 skill 的 Agent 里。把一篇论文交给它,它会读完全文,写成一篇图文并茂的精读笔记,存进你的 Obsidian 知识库,并连到你读过的其他论文上。 每读一篇,你的学术 Wiki 就长大一点。
从一句话开始,到一篇你信得过、用得上的笔记。
不用学提示词,也不用配模板。给它标题、DOI、arXiv ID 或 PDF,找原文、读全文、提取图表、存进知识库,全部自动完成。
从 CS/AI 到医学、心理乃至人文,10 种论文类型各有一套专门的读法,参考了 50 多份审稿指南和报告规范,并在 34 篇真实论文上反复检验。
结论都能在原文找到出处,数字直接取自正文和表格,每个主要实验都会写到。保存前要经过独立审阅和严格的质量审查,读不到全文时绝不凭空编写。
图表从原文裁剪出来,放在笔记讨论它的地方;公式在 Obsidian 里直接渲染,读笔记不用再翻 PDF。
新笔记会自动链接库里的相关论文,归入你已有的领域文件夹。记下你的研究方向后,“阅读收获”会告诉你,这篇论文对你的研究有什么用。
笔记里的每条结论,都能追溯到原文的某一页、某张图表。
论文原图编号:Fig. 1。编码器与解码器的完整结构,展示位置输入、三类注意力、残差和输出路径。
训练和推理共享架构,但目标前缀的来源不同。训练使用已知的正确目标前缀,可以同时计算各目标位置的预测;推理只拥有已经生成的前缀,必须产生新词后才能继续。这一区别决定了本文的并行收益首先体现在训练,而不是消除生成的逐步依赖。
| 模型 | 英德 BLEU | 英法 BLEU |
|---|---|---|
MoE | 26.03 | 40.56 |
ConvS2S 集成 | 26.36 | 41.29 |
Transformer 基础模型 | 27.3 | 38.1 |
Transformer 大模型 | 28.4 | 41.8 |
英法分数在这份本地版本中存在内部不一致。 摘要与表 2 给出大模型 41.8,第 6.1 节正文写成 41.0。……若采用 41.0,仍超过表中最佳单模型 40.56,但不超过最佳集成 41.29。
| 消融组 | 改动,其他项沿用基础模型 | 开发集 PPL | 开发集 BLEU |
|---|---|---|---|
| 基准 | 6 层、512 维、8 头 | 4.92 | 25.8 |
| A | 1 头,每头键/值维度 512/512 | 5.29 | 24.9 |
| D | 丢弃率 0 | 5.77 | 24.6 |
| D | 标签平滑 0 | 4.67 | 25.3 |
正则化的结果说明,概率拟合指标和最终翻译质量不总是一致。去掉丢弃法下降 1.2 BLEU;去掉标签平滑时,困惑度从 4.92 改善到 4.67,翻译成绩却从 25.8 降到 25.3。如果只按困惑度挑模型,会错过这个任务指标上的差异。
DeepPaperNote 负责把每一篇论文读透、存好。另外三个配套 skill 都是可选的,它们照看的是整个知识库。
deeppapernote 核心 精读一篇论文,写成图文并茂的笔记存进知识库,并连到你读过的其他论文上。
<你的论文目录>/
└── 自然语言处理/
└── Attention_Is_All_You_Need/
├── Attention_Is_All_You_Need.zh-CN.md
└── images/
├── figure_1.png
└── table_2.png /deeppapernote “给这篇论文生成深度笔记:<论文>”
research-memory 记下你正在做的研究方向,并随着你读的论文持续跟进。有了它,“阅读收获”会对照你的方向来写,下一篇笔记会更懂你。
/research-memory “建立我的研究记忆”
organize-wiki 理清领域分类,把放错领域的论文归位,修正领域标签。整理好的分类会成为之后归档新论文的依据。
/organize-wiki “整理我的知识库”
paper-glossary 把论文里的关键概念整理成可复用的术语笔记,并链接回正文。不同论文里的同一个术语,都指向同一篇术语笔记。
/paper-glossary “给这篇论文建术语笔记”
# 1. 安装
claude plugin marketplace add 917Dhj/DeepPaperNote
claude plugin install deeppapernote@deeppapernote # 1. 安装
npx skills add 917Dhj/DeepPaperNote # 2. 安装 PDF 依赖
python3 -m pip install PyMuPDF # 3. 开始读论文
/deeppapernote https://arxiv.org/abs/1706.03762 感谢你阅读、使用和支持 DeepPaperNote。愿你的每一次论文精读,都更清晰、更从容,也更有收获。