怎样用 AI 读论文，并核对它告诉你的东西
想用 AI 读论文又不被它带偏：在读任何东西之前，先问这篇论文的核心主张是什么、依据是什么；坚持每一点都要附逐字引文和页码；核对最要紧的两条引文；然后再自己认真读那几节。AI 负责找到入口；相信与否，还是你的事。
常见的做法——把 PDF 贴进对话框，让它总结一下——又快，又让人觉得很有成效。但它给你的是一段流畅的文字，不读论文就没法评估，而不读论文恰恰是你想省掉的事。
为什么「总结一下」是错的第一个问题
摘要用论文自己的框架回答「这篇论文里有什么」。而对一篇隔行的论文，这个框架恰恰是你还没法判断的。更糟的是，摘要没有边界：每一句听起来都一样有依据，一句稍稍夸大的话，和一句直接从摘要部分抄来的话，看起来毫无区别。
更好的第一个问题，有可以核对的结构：
这篇论文主张什么？每条主张依据的是什么？
对这个问题的回答，是一串主张，每条都挂着证据。一串可以逐条核对。一段话不行。
方法：三遍阅读法，让 AI 来读第一遍
S. Keshav 那篇有名的《How to Read a Paper》讲了三遍阅读：快速浏览看形状，认真读内容，再深读一遍重建论证。AI 读第一遍确实在行，读第三遍确实有风险。那就照这样分工。
1. 让 AI 读第一遍——并要它亮出出处
问它有哪些主张、各自依据什么。要求带页码的逐字引文。如果你的工具给不出一个你能打开的页面，就把它的回答当作关于这篇论文的传闻。
在 MindMax 里，论文是整篇放进模型的，而不是检索出的几个片段；回答里的每一句引文，在显示之前都会对照 PDF 的正文核对。点一下，阅读器就在那一页打开，并高亮那句话。
2. 核对两条主张，不用全部核对
挑两条一旦错了就会改变你对这篇论文看法的主张——通常是核心结论，以及它所依赖的那个假设。打开这两条引文。读那句话，以及它周围那一段。
这大约要九十秒，而这是最要紧的一步。它把一个你无法评估的回答，变成一个你部分核实过的回答，也告诉你剩下的可以信几分。如果两条引文放回上下文都站得住，这张地图大概不错。如果其中一条比原文说得更满一点，那你了解到的就不只是这篇论文，还有这个回答。
3. 要紧的部分，自己读
现在你知道它们在哪了。认真读那几节，做好标记。这是 Keshav 说的第二遍，依然归你——AI 只是告诉了你哪几页值得这样读。
4. 就那张图提问，而不是问整段文字
隔行的论文很少在某一段把你甩开。它在图 3 甩开你，或者在表 2 里你对不上号的某一列。专门就那一块区域提问，连同它下面的文字一起，而不是把一张截图贴进对话框，祈祷数字被读对。（为什么这个区别很要紧，单独写了一篇：截图不是区域。）
5. 问这篇论文没有证明什么
这篇论文明确没有主张什么？它从来没检验过什么？
这个问题能挖出埋在讨论部分里的那条局限——会改变你引用这篇论文方式的那条。这个问题也只有在 AI 读完了整篇论文时才管用。缺席不会出现在几段检索出的文字里。
6. 给下个月留下线索
你的高亮和你留下的批注，应该跟 PDF 待在一起，而不是待在对话历史里。等你回来引用它时，你想从上次停下的地方开始，而不是从摘要开始。
哪里会出问题
- 大量数学公式。 从密集公式里取出的引文，是任何文字提取里最不可靠的部分。点进原页看，别直接相信文字。
- 双栏排版、中间夹着图。 任何 PDF 阅读器最难处理的情况。如果一句引文读着别扭，原页会给出答案。
- 扫描版论文。 一篇没有文字层的老论文得先识别；在那之前，AI 关于它的回答是凭空作答。怎样给扫描版 PDF 做 OCR 讲了这一步。
- 判断。 这一切都不会告诉你这篇论文好不好。它让你很快找到方向，好让你真正花的时间用在值得判断的部分上。
我们没有声称什么
我们不是说这能让你在几分钟内读懂一篇论文，也不是说 AI 的解读是正确的。我们的说法更窄：当每一点都附着一句你能打开的引文时，核对的成本就从「重读一遍」变成了「点一下」——而一个这么便宜的核对，才是你真的会去做的核对。
分步做法见半小时读懂一篇隔行的论文；阅读器能做什么，见 AI PDF 阅读器；引文怎样核对，见引文核对。下载 MindMax，打开你的论文本来所在的文件夹。