Papers Source Registry

这个文件记录论文收集来源、搜索策略和筛选规则。

论文来源需要先确认。系统性收集只使用 approved 来源；candidate 来源可以提出但不进入稳定收集流程。

Source Approval

Source	Status	Notes
arXiv	provisional-used	新论文发现和预印本；2026-07-08 基线看到 1506 个候选、970 个入库；2026-07-27 增量看到 249 个候选、151 个新入库
OpenReview	candidate	ICLR、NeurIPS 等投稿和评审线索
ACL Anthology	candidate	NLP、RAG、tool use、evaluation 相关论文
Conference proceedings	candidate	NeurIPS、ICLR、ICML、ACL、EMNLP、KDD、WWW 等
Papers with Code	candidate	benchmark、代码和任务关联
Official project GitHub	provisional-used	复现代码、模型卡和实验配置；first sweep 已作为 code_url 使用
Company research blogs	provisional-used	只收技术细节足够强的研究内容；first sweep 已在 industry 中使用

Source Types

Source	Use
arXiv	快速发现新论文
OpenReview	ICLR、NeurIPS 等会议投稿和评审线索
ACL Anthology	NLP、工具使用、评估和 RAG 相关论文
Conference proceedings	NeurIPS、ICLR、ICML、ACL、EMNLP、KDD、WWW 等
Papers with Code	查找 benchmark、代码和任务关联
GitHub	查找系统实现、复现代码和高影响项目
Company research blogs	查找工业实践和系统设计线索

Search Queries

Agent 系统：

LLM agent planning tool use evaluation
language agents benchmark tool use memory
autonomous agents LLM planning reflection

RAG 和知识：

retrieval augmented generation agent memory evaluation
LLM long context retrieval agent
agent knowledge base retrieval planning

评估：

LLM agent evaluation benchmark
tool use benchmark language model agents
SWE-bench agent evaluation coding

多 Agent：

multi-agent LLM collaboration benchmark
LLM agents debate cooperation workflow

代码 Agent：

coding agent software engineering benchmark LLM
SWE-bench agent repair repository

Triage Rules

优先进入阅读队列：

直接解释 Agent 架构、工具使用、记忆、评估或代码 Agent。
有 benchmark、消融实验或可复现代码。
和 JD 高频技能有关。
能生成可执行实验或项目改进。

降低优先级：

只有 demo，没有清晰评估。
和 Agent 关联很弱，只是泛泛使用 LLM。
方法高度依赖不可获得的数据或闭源系统。

Codex Collection Role

当你让我收集论文时，我会：

先确认来源集合是否已经 approved，再确认主题、年份、会议、是否需要最新论文。
在线检索并优先选择 approved 来源中的原始论文页、会议页、代码仓库。
去重并放入 reading-queue。
为高优先级论文创建 papers/items/ 笔记。
提取方法、证据、限制、可复现实验和项目启发。
更新 paper-insights，并把稳定结论回流到 docs/。

Collection Cadence

weekly: 新论文和高价值代码仓库线索
monthly: 主题趋势和阅读优先级调整
quarterly: 把成熟结论合并进 docs/，把可验证想法转成 experiments/

Operational Note

优先使用 arXiv export API。遇到持续 timeout 或 5xx 时，可以切换 tools/collection/collect_arxiv.py --backend search-html，使用 arXiv 官方搜索结果页完成同一 manifest 契约的增量收集。2026-07-27 的成功运行和故障边界记录在 collection-runs/2026-07-27-arxiv-incremental-refresh.md。

3.7 KiB Raw Blame History Unescape Escape