metagalaxy-crystal 沁言学术 - 论文对比分析
概述
本技能通过沁言学术OpenAPI检索文献并调用论文分析接口，对多篇论文从研究目标、方法论、实验设计、核心结果、优缺点等维度进行系统化对比分析，生成结构化的对比报告。适用于文献综述中的方法对比、选型评估、论文审阅等场景。
学术诚信声明： 对比分析基于论文实际内容，不捏造或夸大任何论文的结果。如无法获取某篇论文的完整信息，将明确标注信息来源的局限性。
前置条件
使用前请确保：
- 已设置
QINYAN_API_KEY环境变量（前往 https://platform.qinyanai.com/ 申请） - 环境中可用
curl和python3
export QINYAN_API_KEY="your-api-key-here"
工作流程
第一步：确定对比论文
获取用户提供的论文列表。论文可通过以下方式指定：
- 直接提供论文标题
- 提供DOI
- 提供论文URL/PDF链接
- 描述研究方向，由系统检索后推荐
第二步：检索论文信息
使用 scripts/search.sh 检索各论文的完整元数据：
bash scripts/search.sh <source> '<json_payload>'
# source: google | wanfang | pubmed | arxiv
各数据库参数：
| 数据源 | 命令 | 核心参数 |
|---|---|---|
| Google Scholar | bash scripts/search.sh google '<json>' |
query, max_results(≤20), author |
| 万方 | bash scripts/search.sh wanfang '<json>' |
query, max_results(≤100) |
| PubMed | bash scripts/search.sh pubmed '<json>' |
query(英文), max_results(≤200) |
| ArXiv | bash scripts/search.sh arxiv '<json>' |
query(英文), max_results(≤100), author |
# 示例：检索待对比的论文
bash scripts/search.sh google '{"query": "BERT pre-training deep bidirectional transformers Devlin", "max_results": 5}'
bash scripts/search.sh google '{"query": "GPT-3 language models few-shot learners Brown", "max_results": 5}'
bash scripts/search.sh arxiv '{"query": "LLaMA open efficient foundation language models Touvron", "max_results": 5}'
第三步：深度分析各论文
使用 scripts/analyze.sh 对每篇论文进行深度分析：
bash scripts/analyze.sh '<json_payload>'
参数说明：
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| title | string | 是 | 论文标题 |
| authors | string[] | 是 | 作者列表 |
| abstract | string | 否 | 摘要 |
| doi | string | 否 | DOI |
| source_url | string | 否 | 论文页面URL |
| pdf_url | string | 否 | PDF直链（优先级最高） |
| language | string | 否 | 输出语言："中文"或"en" |
# 对每篇论文调用分析
bash scripts/analyze.sh '{"title": "BERT: Pre-training of Deep Bidirectional Transformers", "authors": ["Jacob Devlin"], "doi": "10.18653/v1/N19-1423", "language": "中文"}'
bash scripts/analyze.sh '{"title": "Language Models are Few-Shot Learners", "authors": ["Tom Brown"], "doi": "10.48550/arXiv.2005.14165", "language": "中文"}'
第四步：生成对比分析报告
基于各论文的分析结果，进行多维度对比。
第五步（可选）：Python生成对比表格
可通过Python脚本生成格式化的对比表格：
#!/usr/bin/env python3
"""论文对比表格生成"""
def generate_comparison_table(papers_info):
"""生成Markdown对比表格"""
dimensions = ['研究目标', '核心方法', '数据集', '主要结果', '创新点', '局限性']
# 表头
header = "| 对比维度 | " + " | ".join(p['short_name'] for p in papers_info) + " |"
separator = "|" + "---|" * (len(papers_info) + 1)
print(header)
print(separator)
for dim in dimensions:
row = f"| **{dim}** | "
row += " | ".join(p.get(dim, '-') for p in papers_info)
row += " |"
print(row)
# 使用示例
papers = [
{"short_name": "BERT", "研究目标": "双向预训练", "核心方法": "MLM+NSP", ...},
{"short_name": "GPT-3", "研究目标": "少样本学习", "核心方法": "自回归+规模化", ...},
]
generate_comparison_table(papers)
输出格式
# 论文对比分析报告
## 1. 对比论文概览
| 编号 | 论文标题 | 作者 | 年份 | 发表来源 |
|------|----------|------|------|----------|
| [1] | ... | ... | ... | ... |
| [2] | ... | ... | ... | ... |
| [3] | ... | ... | ... | ... |
## 2. 多维度对比分析
### 2.1 研究目标对比
[各论文研究目标的异同分析]
### 2.2 方法论对比
[各论文技术方法的详细对比]
### 2.3 实验设计对比
[数据集、评估指标、基线方法的对比]
### 2.4 核心结果对比
[各论文主要实验结果的对比]
### 2.5 创新点对比
[各论文主要贡献和创新点的对比]
## 3. 对比总结表
| 对比维度 | 论文A | 论文B | 论文C |
|----------|-------|-------|-------|
| 研究目标 | ... | ... | ... |
| 核心方法 | ... | ... | ... |
| 数据集 | ... | ... | ... |
| 主要结果 | ... | ... | ... |
| 创新点 | ... | ... | ... |
| 局限性 | ... | ... | ... |
## 4. 综合评述
[对比分析的总结性评价，各论文的相对优劣势，适用场景建议]
## 参考文献
[对比涉及的所有论文完整引用]
对比维度说明
| 维度 | 分析内容 |
|---|---|
| 研究目标 | 要解决的核心问题和研究动机 |
| 方法论 | 技术方法、模型架构、算法设计 |
| 实验设计 | 数据集、评估指标、对比基线 |
| 核心结果 | 主要实验结果、性能指标 |
| 创新点 | 相比已有工作的主要贡献 |
| 局限性 | 方法的不足和适用范围限制 |
| 计算资源 | 训练/推理所需的计算资源（如适用） |
| 可复现性 | 是否开源、数据是否公开 |
示例工作流
用户: 帮我对比分析 BERT、GPT-3 和 LLaMA 这三篇论文
步骤1: 确认论文 → BERT, GPT-3, LLaMA
步骤2: 分别检索三篇论文的完整信息
- Google Scholar 检索各论文元数据
步骤3: 分别调用 analyze.sh 获取深度分析
步骤4: 多维度对比分析
步骤5: 生成结构化对比报告和总结表