coinrainy GCL 论文雷达
概览
把“每周找论文”变成稳定的文献管线。默认覆盖近三年的图对比学习论文，以及计算机视觉中可能迁移到图对比学习的 contrastive / self-supervised 方法论文。核心输出不是一串链接，而是：
- 去重后的论文清单
- 结构化论文卡片
- 每周 digest
- 可交给 Notion 的导入队列
工作流
- 先读取本地状态。优先检查
literature_pipeline/state/master_papers.csv、literature_pipeline/state/query_log.md、literature_pipeline/weekly_digests/和literature_pipeline/paper_cards/，避免从空白状态重新开始。 - 明确检索范围。默认时间窗是最近三年，默认优先级是：
- 直接相关：graph contrastive learning, graph self-supervised learning, graph representation learning
- 可迁移相关：contrastive / self-supervised learning in computer vision, multimodal pretraining, augmentation learning, negative mining, bootstrapping, curriculum
- 进行在线检索时，区分“发现源”和“最终引用源”。
- 发现源可以更广：OpenReview、PMLR、CVF Open Access、arXiv、DBLP、Google Scholar、Semantic Scholar、OpenAlex、会议官网目录
- 最终写入卡片和周报时，优先使用一手来源。优先级依次为：论文主页、arXiv、OpenReview、CVF Open Access、PMLR、ACM Digital Library、IEEE Xplore、AAAI proceedings、IJCAI proceedings、期刊官网
- 代码仓库仅作补充，不把仓库 README 当成论文主结论来源
- 按研究方向拆分来源主场。
- 图对比学习 / 图自监督主场：OpenReview（ICLR、NeurIPS、TheWebConf/WWW 等）、PMLR（ICML、CoRL 等）、ACM Digital Library（KDD、WWW）、AAAI proceedings、IJCAI proceedings、IEEE / Springer / Elsevier 期刊官网、arXiv
- 可迁移 CV 主场：CVF Open Access（CVPR、ICCV、ECCV）、OpenReview（若对应 venue 使用）、PMLR、arXiv、IEEE Xplore、期刊官网
- 做两层筛选：
- 第一层筛掉明显无关、非近三年、非顶会顶刊的论文
- 第二层判断其对 GCL 的价值：直接可复现、机制可迁移、评测协议可迁移、仅作背景
- 执行去重。按照以下键顺序建立 canonical id：
- DOI
- arXiv id
- OpenReview forum id / 会议官方 paper id
- 标准化标题（小写、去标点、去多余空格）
- 对新论文生成卡片。默认写到
literature_pipeline/paper_cards/，每篇卡片至少包含：
- 基本信息
- 为什么和 GCL 相关
- 方法核心机制
- 可迁移点
- 你值得关注的风险或限制
- 建议的后续动作
如果目标是服务后续
$gcl-idea-forge，优先补齐 richer schema： - 相关性判断
- 目标瓶颈
- 机制类别
- GCL 挂接点
- 不可直接迁移部分
- 最快验证线索
- Idea seed
- 更新总表和周报。把新论文写回
master_papers.csv，并在literature_pipeline/weekly_digests/下维护周报。 - 如果用户要同步到 Notion，衔接
$paper-to-notion-curator；如果 Notion 尚未配置，至少生成本地导入批次。
工作规则
- 处理“本周新论文”时，必须先做本地去重，再做 Notion 侧去重。
- 对时间敏感的信息必须在线核实，不要只凭旧记忆判断“最近三年”或“最新”。
- 如果发现源与一手来源不一致，卡片中的
primary_url应优先落到一手来源，而不是搜索引擎聚合页。 - 推荐论文时，优先解释“为什么它值得你读”，而不是只罗列标题。
- 面向后续 idea 生成时，优先把“这篇论文具体补哪类 GCL 瓶颈”“哪一块最适合挂进现有代码”“哪一块不能直接搬”写清，而不是只写泛泛启发。
- 对 CV 论文要显式区分：
- 直接适用于图对比学习
- 需要中等改造才能迁移
- 仅能作为启发，不适合直接落地
- 如果同一论文出现 arXiv 版、会议版、期刊扩展版，优先保留信息最完整的一版，并在
notes中记录版本关系。 - 默认使用中文输出分析、卡片和周报；论文名、会议信息、作者、链接保留英文。
资源
- 先用
scripts/init_paper_radar_workspace.py初始化literature_pipeline/。 - 需要 richer 论文卡片时，优先用
scripts/init_rich_paper_card.py初始化卡片骨架。 - 当你需要更具体的检索词、会场范围、筛选与去重规则时，阅读
references/search_playbook.md。 - 如果用户要把结果落到 Notion，再衔接
$paper-to-notion-curator。
示例请求
- "Use $gcl-paper-radar，请帮我检索最近三年的图对比学习论文，并把本周新增项整理成 digest。"
- "Use $gcl-paper-radar，帮我找近三年 CV 中可能迁移到 graph contrastive learning 的论文，并和已有清单去重。"
- "Use $gcl-paper-radar，优先筛选 NeurIPS、ICLR、ICML、CVPR、ICCV、ECCV、KDD、WWW、TPAMI 里的相关论文。"