每每聽人抱怨一看論文就頭大，吃力讀好幾遍也不懂，我都特別理解。

我日常工作的很大一部分，就是看文獻，然後總結出對於某一個問題的研究方法。

即便是我這類閱讀論文無數的科研人員，也還是非常頭疼。

我主要有三方面困擾，相信這也是廣大讀者會遇到的難題：

閱讀量大

：在短時間內需要大量閱讀時，我只能匆匆掃一眼摘要和總結，

有時會忽略論文創新點、侷限性等重要內容

；

冗長晦澀

：一些文章段落冗長，且都是專業術語，我很難在短時間內提煉出中心思想；

疑惑難以得到即時解答

：對一些研究方法產生疑惑，這時我需要不斷藉助其他文獻或網上資料去對照、深入，但有時候很難找到答案

偶然間，我被推薦了一個 AI 輔助論文閱讀工具——Explainpaper。

用網站範文示範操作丨Explainpaper 網頁截圖

你只要把任何一篇 PDF 格式的論文，傳上 explainpaper。com 這個網站，然後

劃選、高亮任何一個單詞、一段話，就能即時看到 AI 的解讀、總結。它能用簡短的話概括冗長的段落，甚至還能解釋論文裡的“行話”。如果你還是不理解，還可以逮著它追問……

這不就是“哪裡不會點哪裡”嗎？

有網友提到，自從用了它之後，看論文效率變得高多了，還看得更多了。

曾火熱一時的“量子波動速讀”丨網圖

這聽起來不只是“哪裡不會點哪裡”，更像是“量子速讀”了啊！

我將信將疑，打算驗證一番。

準備動作

它主要講的是我用自然語言處理分析了我和老公的微信聊天記錄，最後證明了一個結論：我們婚後比婚前更幸福。

針對自己在論文閱讀中的 3 個痛點，我會依次從“主旨思想分析”、“段落分析”，以及“專業詞分析”這 3 個方面，“考驗”Explainpaper。

主旨思想分析

對於文章主旨思想，我問了 5 個比較 high-level 的問題，分別是文章的創新點、方法、研究目的、侷限性，以及中心思想（takeaway messages）。

可滑動檢視問答原文丨作者供圖

從和 AI 的對話中可以看出，

Explainpaper 基本讀懂了我的論文，而且簡短又準確地回答了我提出的所有問題。

更神奇的是，當我問完 AI 該論文的侷限性後，它不只是基於文章原有的內容給出總結，它提到我在證明婚後比婚前更幸福的時候只用了“情感分析”這一個角度，並沒有從其他角度去證明。

我很驚訝，這確實是一個需要改進的地方。

這一來，我甚至覺得 AI 也會思考，像一個會評判的導師一樣。

看到 Explainpaper 給出的這些精確的回答，我覺得，

它對那些要在短時間內看很多論文的科研人員來說，幫助會很大。

以我研究生以及博士第一年的經歷來說，在研究初期，每週我得看 30 多篇論文。我一般會透過摘要和總結去大致理解內容。

有了 Explainpaper，我就可以在快速瀏覽摘要的同時，問一些針對性的問題（創新點、侷限性等）來篩選文章是否需要精讀。

段落分析

除了問 AI 問題，此神器的另一大功能就是高光一個段落，讓 AI 用簡短易懂的語言解釋。我先高光了摘要，測試 AI 會如何概括總結。

從解釋中不難發現 Explainpaper 可以非常準確地理解，並且用簡短的話概括摘要。

AI 不僅準確定位了研究模型（natural language processing），還用了短短一句話概括了我的研究方法，研究目的和結果也同樣準確。

我又試著讓它概括文章中的簡介（introduction）。在原文中，我寫了我與老公相知、相識、相戀到走入婚姻殿堂的過程，引出了我給老公寫這篇論文的初衷和此研究的目的。

AI 用了不到 5 秒的處理時間，就精準的概括了簡介裡最主要的兩部分：

介紹作者和他老公相遇的過程，他們在大學的經歷，以及他們感情升溫的過程；

作者將這個論文作為給老公結婚一週年紀念的禮物。

緊接著，我試著讓 AI 解釋專業性較強的研究方法，以及進一步討論這兩部分，得出的結果如下：

在一般情況下，這個工具可以做到”快狠準“，它在幾秒鐘內很好地解釋了我的方法以及步驟。而且為了方便讀者的理解，它還額外將一些專有名詞做了解釋。

比如在下面這一段中，AI 額外解釋了”自然語言分析“：自然語言是一種讓電腦識別並理解人類語言的技術。

但對於專有名詞、引用較多，讀起來比較晦澀的段落，AI 就不能很好地概括了，有時候甚至只會複製、貼上原文內容。

比如這一段統計分析 （statistical analysis），它並沒有很好概括，只是把這個段落又複述了一遍。潛在原因是這部分出現了很多“生僻詞”，AI 沒有辦法很好辨別出關鍵內容。

專業詞分析

Explainpaper 的第三大功能就是當用戶高光某一個專業詞，它可以即時解釋，還可以回答使用者對此解釋追加的問題。

我用 5 個數據科學相關的專業詞，來測試它對於專業知識的解釋能力。這些專業詞分別是：自然語言處理、詞雲（WordClouds）、情感分析（sentiment analysis）、t-檢驗（t-test）、中斷時間序列分析（interrputed time series）。

高頻詞分析結果的視覺化圖形（詞雲），左為婚前，右為婚後 | 作者供圖

我從檢測中看出，AI 不僅可以非常清晰地介紹每個詞的意思，甚至還可以結合上下文，闡述這個詞在論文中的用處。

對於我追加的問題，它也可以很好地給出回答。我感覺，它就像是我那些諄諄教導的教授和前輩們。

對於 t-檢驗，我追加了幾個專業性很強的問題，比如 t-檢驗的假設，其他可以替代的統計學檢驗方式，以及它與 ANOVA 的區別，這個工具都做出了很詳細的回答｜作者供圖

這個功能對於經常讀文獻的學生很有幫助。我往日讀文獻，當想要了解更多某種研究方法時，往往都是去單獨谷歌這個方法的細節。

但現在，我直接用 Explainpaper 高亮看某一個專業詞的解釋，還可以追問 AI 一個研究方法下可用的模型，以及每一個模型的優缺點等細節。可以說，它提供的是“一站式服務”。

而這種服務，是免費的。

雙重檢驗

為了得出更全面的測評結論，我讓我的一個科研朋友 Sherry 也去試用 Explainpaper，以“雙重檢驗”。

除了我前文提到的，Sherry 還提到：

AI 會根據論文中的資訊解釋公式的作用，並且對每一個公式中的變數進行解釋，這個功能讓人非常驚喜，它的解釋確實很有參考價值，可以很好應對人們沒有時間認真看公式，或者是公式冗長找不到變數解釋的情況。

評測了這麼一圈下來，驚豔居多，Explainpaper 會成為我們科研路上的好幫手。

Photo by Oğuzhan Akdoğan on Unsplash

對於一個不收費的工具，我們實在不好太過苛求：

當前版本的 Explainpaper 每次只能高光一處文字，如果網頁可以記錄下所有高光的部分且生成筆記，那將會是很好的複習材料；

Explainpaper 可以嘗試生成一個文章的框架結構圖，便於讀者理解整體文章思路；

增加對圖片資訊提取的支援，目前它還只能解釋圖片的標題部分；

Explainpaper 目前還不會解釋中文，求支援。

作者：Bean

編輯：biu

開啟App看更多精彩內容