1. 从标题拆解：一篇论文精选推文到底在解决什么问题
信息过载这件事，做研究的人体会最深。arXiv 每天新增的论文数量早就不是"一天几十篇"的量级了，计算机视觉、多媒体、信息检索这几个方向更是重灾区。你早上刷一遍列表，下午再刷一遍，可能又多出几十篇。标题扫过去，摘要点开看两行，然后关掉——这个循环一天能重复几十次，最后真正存下来精读的可能不到五篇。
"今日arXiv精选 | 35篇顶会论文：ICCV/ CIKM/ ACM MM"这个标题，本质上是在做一件事：替读者完成第一轮筛选。它把当天 arXiv 上新挂出来的、同时被 ICCV、CIKM、ACM MM 这三个顶会接收的论文挑出来，打包成 35 篇的一个集合。注意这里的逻辑——不是"arXiv 上所有新论文"，而是"已经被顶会接收、又刚挂到 arXiv 上的论文"。这两个条件的交集，才是这个标题真正的价值所在。
为什么这个交集重要？因为顶会接收本身就是一道质量门槛。ICCV 是计算机视觉三大顶会之一，ACM MM 是多媒体领域的旗舰会议，CIKM 偏信息检索与知识管理。能过这三家审稿的论文，至少在选题价值、方法完整性、实验充分性上经过了同行评议。而 arXiv 版本通常比会议 camera-ready 更早或同步放出，意味着你能在正式 proceedings 出来之前就读到全文。对于做相关方向的人来说，这是一个低成本跟踪前沿的入口。
这篇博文要拆的，就是这类"顶会论文精选"内容背后的运作逻辑：它是怎么筛的、35 篇这个量级意味着什么、三个会议各自的偏好差异在哪、以及作为读者你该怎么用这份清单才不浪费。适合正在做 CV、多媒体、IR 方向的研究生、工程师，也适合想快速了解这几个领域近期热点的人。我不打算逐篇复述摘要——那种事你直接看原文就行——而是把"精选"这件事本身的方法论讲透，让你以后自己也能做同样的筛选。
2. 三个顶会的定位差异：为什么是 ICCV、CIKM、ACM MM 放在一起
把这三个会议放进同一个标题，不是随便凑的。它们覆盖的方向有重叠，但侧重完全不同。理解这个差异，你才能明白为什么一份 35 篇的清单里，有些论文你一眼就想读，有些扫过去就跳过。
2.1 ICCV：视觉方法的"硬核竞技场"
ICCV 全称 International Conference on Computer Vision，每两年举办一次（奇数年），和 CVPR、ECCV 并称视觉三大顶会。它的接收论文集中在几个大类：图像分类与识别、目标检测与分割、三维重建、视频理解、生成模型、多模态视觉-语言。ICCV 的审稿风格偏"方法创新"，对网络结构设计、损失函数改进、训练策略这类贡献比较看重，纯应用型的论文相对难中。
从 arXiv 精选的角度看，ICCV 论文通常有几个特征：标题里带方法名（比如某个新模块、新框架的缩写）、摘要里会强调在标准 benchmark 上的提升幅度、实验部分表格密集。如果你做的是视觉方向，这类论文是必读的；如果你做的是其他方向，可以只看它和你的任务有交叉的部分，比如视觉-语言预训练对做多模态检索的人就有参考价值。
2.2 ACM MM：多媒体的"交叉地带"
ACM Multimedia 的覆盖面比 ICCV 宽得多。它不只收视觉，还包括音频、文本、跨模态检索、推荐系统、社交媒体分析、甚至用户体验和艺术类工作。ACM MM 的一个特点是任务驱动——很多论文是为了解决某个具体的多媒体应用问题，比如视频摘要、音乐推荐、跨模态检索、虚假信息检测。
这个定位决定了 ACM MM 的论文读起来和 ICCV 不太一样。ICCV 论文你可能要啃方法细节，ACM MM 论文你更该关注它定义的任务和评测方式。举个例子，同样是做视频理解，ICCV 的论文可能在改进时序建模的注意力机制，ACM MM 的论文可能在构建一个新的视频问答数据集或者提出一个更贴近实际场景的评测协议。两者都有价值，但读法不同。
2.3 CIKM：信息检索与知识管理的"老牌阵地"
CIKM 全称 Conference on Information and Knowledge Management，方向偏信息检索、数据挖掘、知识图谱、推荐系统、数据库。它的论文和前面两个会议的交集主要在"多模态检索"和"推荐"这两个方向。纯视觉方法在 CIKM 上不多见，但视觉-语言模型用于检索、跨模态推荐这类工作，三个会议都可能出现。
CIKM 的审稿偏好是"问题定义清晰、实验扎实、有实际数据支撑"。它的论文往往不像 ICCV 那样追求 SOTA 刷点，而是更关注方法在真实场景下的可用性。如果你在做搜索、推荐、知识管理相关的工程，CIKM 的论文比 ICCV 的更值得花时间。
2.4 三个会议放在一起的筛选逻辑
把这三个会议的新论文放在一份清单里，筛选者实际上是在做一次跨方向的去重和归类。同一天 arXiv 上可能挂出十几篇 ICCV 论文、七八篇 ACM MM 论文、五六篇 CIKM 论文，加起来三十多篇，正好凑成"35篇"这个量级。这个数字不是刻意凑的，而是当天三个会议新挂论文的自然汇总。
提示：如果你看到某天的精选清单里某个会议的论文特别多，通常说明那个会议临近 camera-ready 截止日期，作者集中放出了 arXiv 版本。这是跟踪会议动态的一个实用信号。
3. 35篇这个量级：怎么读才不浪费时间
35 篇论文，按每篇摘要 200 字算，光扫一遍摘要就是 7000 字。如果你每篇都点开 PDF 看引言和方法，一天时间就没了。所以读这类清单，核心不是"读完"，而是"筛出该读的"。
3.1 第一轮：标题+摘要的 30 秒判断法
我给自己的规则是：每篇论文给 30 秒。看标题能不能让我在 5 秒内判断出它属于哪个子方向，看摘要的前三句能不能说清楚它解决什么问题、用什么方法、达到什么效果。如果 30 秒内我抓不到这三个点，要么是论文写作有问题，要么是它不在我的关注范围内，直接跳过。
这个判断法的依据是：顶会论文的摘要通常遵循固定结构——背景一句、问题一句、方法两句、结果一句。如果摘要写得云里雾里，大概率论文本身的可读性也一般。当然，也有例外，有些理论性强的论文摘要就是很抽象，那另说。
3.2 第二轮：按"与我相关度"分三档
扫完 35 篇摘要后，我会把它们分成三档：
| 档位 | 判断标准 | 处理方式 |
|---|---|---|
| 必读 | 方法和我的工作直接相关，或提出了我可能用到的技术 | 当天精读，做笔记 |
| 选读 | 方向相关但任务不同，或方法有借鉴价值 | 存进待读列表，周末集中看 |
| 跳过 | 方向无关，或方法已被广泛验证无新意 | 只记标题，不存 |
这个分档的关键是诚实。很多人会把"看起来厉害"的论文放进必读，结果一周下来必读列表堆了二十篇，一篇没读。我的经验是，35 篇里真正必读的通常不超过 5 篇，选读 10 篇左右，剩下 20 篇跳过是正常的。
3.3 第三轮：精读时的"三问法"
对必读的论文，我精读时会问三个问题：
- 它解决的问题，我之前是怎么解决的？这个问题逼我把新方法和自己已有的知识框架对接，而不是孤立地记一个方法。
- 它的核心创新点，能不能用一句话说清楚？如果说不清楚，说明我还没读懂，需要回去看方法部分。
- 如果我要复现或改进它，第一步做什么？这个问题把阅读导向行动，避免"读完就忘"。
这三个问题看起来简单，但能过滤掉大量"假装读懂了"的情况。我见过太多人读完论文能复述摘要，但问他"这个方法和你之前用的那个有什么区别"，就答不上来。
3.4 一个容易被忽略的点：读 arXiv 版本要留意版本号
arXiv 论文有版本号，v1、v2、v3 可能差异很大。顶会论文挂 arXiv 时，通常是 camera-ready 版本（v1 或 v2），但有些作者会在会议后再更新一版，加入更多实验或修正错误。如果你读的是 v1，而作者后来放了 v3，可能你读到的结论已经被修正了。
注意：读 arXiv 论文前，先看右上角的版本号和提交日期。如果 v1 是半年前，最新是 v3，优先读最新版。如果只有 v1 且提交日期很近，说明可能还没经过充分修改，读的时候对结论保留一点怀疑。
4. 从精选清单反推：当天 arXiv 上的热点分布
一份 35 篇的精选清单，不只是 35 个独立条目，它还能反映当天这几个方向的热点分布。我习惯在读之前先做一件事：统计关键词频率。
4.1 关键词频率统计的实操方法
把 35 篇的标题复制到一个文本文件里，用简单的脚本统计词频。不需要复杂的 NLP 工具，Python 的collections.Counter就够了：
from collections import Counter import re titles = [ # 这里粘贴35篇论文的标题 ] # 转小写，按非字母字符切分 words = re.findall(r'[a-zA-Z]+', ' '.join(titles).lower()) # 过滤停用词 stopwords = {'a', 'an', 'the', 'for', 'of', 'and', 'with', 'via', 'using', 'on', 'in', 'to'} filtered = [w for w in words if w not in stopwords and len(w) > 2] counter = Counter(filtered) for word, count in counter.most_common(20): print(f"{word}: {count}")跑完这个脚本，你会得到当天的高频词。比如某天可能"diffusion"出现 8 次，"retrieval"出现 6 次，"video"出现 5 次。这些高频词就是当天的热点信号。
4.2 高频词背后的信息
高频词分两类：方法词和任务词。方法词比如 diffusion、transformer、contrastive、prompt，任务词比如 retrieval、segmentation、recommendation、captioning。方法词高频说明当天有多篇论文在用类似技术路线，任务词高频说明某个应用方向集中有产出。
这个统计的价值在于：如果你发现某个方法词连续几天高频出现，说明这个方向正在快速升温，值得投入时间跟进。反过来，如果某个任务词你从来没关注过，但它反复出现，可能说明这个任务正在成为新的研究热点，你可以考虑了解一下。
4.3 一个真实的观察案例
我跟踪过一段时间的这类清单，发现一个规律：ICCV 论文的方法词集中度最高，ACM MM 的任务词最分散，CIKM 的关键词最偏应用。这和三者的定位完全吻合。ICCV 论文往往围绕少数几个主流方法展开竞争，所以方法词会扎堆；ACM MM 覆盖的任务多，所以任务词分散；CIKM 关注实际应用，所以关键词偏具体场景。
这个规律对读论文有直接指导：读 ICCV 论文时，重点看它和同方法其他论文的差异；读 ACM MM 论文时，重点看它定义的任务有没有普遍性；读 CIKM 论文时，重点看它的实验设置能不能迁移到你的场景。
5. 常见问题与排查：读顶会精选清单时容易踩的坑
5.1 常见问题速查表
| 问题 | 表现 | 原因 | 解决方法 |
|---|---|---|---|
| 读完就忘 | 合上 PDF 想不起核心方法 | 没有主动加工信息 | 用三问法，读完写三句话总结 |
| 必读列表越堆越多 | 一周攒了二十篇没读 | 分档不严格 | 必读控制在 5 篇以内，其余降档 |
| 读不懂方法部分 | 公式和符号太多 | 缺少前置知识 | 先读相关综述或经典论文补基础 |
| 分不清论文创新点 | 觉得每篇都差不多 | 没抓住问题定义 | 先看引言最后一段的贡献列表 |
| 读了用不上 | 方法和自己工作无关 | 筛选时没对齐目标 | 读前先问"这篇和我的任务有什么关系" |
5.2 三个独家避坑技巧
技巧一：先读贡献列表，再读方法。顶会论文的引言最后通常有一段"我们的贡献如下"，用 bullet point 列出 3-4 条。先读这个，你就能快速判断这篇论文的核心创新在哪，再决定要不要细读方法。很多人从摘要直接跳到方法，结果读了一半还不知道作者到底想解决什么。
技巧二：对方法类论文，先看实验部分的表格。表格里的对比方法、数据集、评价指标，能告诉你这篇论文在跟谁比、在什么条件下比。如果对比方法里有你熟悉的，你就能快速定位它的相对水平。如果数据集你从来没听过，可能这篇论文的场景和你差得比较远。
技巧三：建立自己的论文笔记模板。我用的模板是四栏：问题、方法、结果、与我工作的关系。每读一篇必读论文，填这四栏，不超过 200 字。积累几十篇后，你会发现同一方向的方法演进脉络自然浮现出来，这比零散记忆有效得多。
5.3 关于"35篇"这个数字的补充说明
有人可能会问：为什么是 35 篇，不是 20 篇或 50 篇？这个数字其实没有硬性标准，它取决于当天三个会议新挂 arXiv 的论文数量。有些日子可能只有 20 篇，有些日子可能 50 篇。精选者的工作是在这个自然数量基础上，剔除明显低质量的（比如纯综述、明显灌水、重复投稿），剩下的就是清单内容。
所以看到清单篇数波动，不用奇怪。篇数多说明当天产出集中，篇数少说明当天新论文不多。真正该关注的是清单里有没有你方向的核心论文，而不是篇数本身。
6. 把精选清单变成自己的知识资产
读清单的最终目的，不是"今天读了 35 篇"，而是让这些论文进入你的知识体系，在需要的时候能调用出来。这需要一点额外的整理工作。
6.1 建立方向索引
我会按子方向给论文打标签，比如"视觉-语言检索""视频理解""推荐系统""扩散模型"。每读一篇必读论文，就在对应标签下记一条。时间长了，每个标签下会积累十几条记录，形成一个小型文献库。下次写 related work 或者找 baseline 时，直接翻这个索引，比重新搜 arXiv 快得多。
6.2 跟踪作者和团队
顶会论文的作者往往在某个方向持续产出。如果你发现某篇论文的方法很对你的路子，去查一下作者的其他工作，很可能有系列论文。这个跟踪方式比按关键词搜更精准，因为作者的研究品味是连贯的。
6.3 定期回顾
我每个月会花半小时回顾这个月标记的必读论文，看哪些方法后来被证明有效、哪些被后续工作超越了。这个回顾过程能帮你校准判断力——你会慢慢发现自己当初觉得重要的论文，有些确实重要，有些其实一般。这种反馈循环是提升论文筛选能力的关键。
6.4 一个实用的扩展方向
如果你自己想做类似的精选，不一定非要覆盖三个会议。可以只盯一个会议，或者只盯一个子方向，把筛选做深。比如只跟踪 ICCV 上做视频理解的论文，每周整理一次，加上自己的点评。这种垂直精选对同方向的人价值更高，因为筛选者的判断力本身就是一种信息。
提示：做精选时，标注每篇论文的"一句话总结"比复制摘要更有价值。摘要作者自己写的，一句话总结是你消化后的输出，对读者更友好。
7. 我个人在实际操作中的体会
跟踪这类顶会精选清单几年下来，最大的体会是：清单的价值不在于它列了什么，而在于它帮你排除了什么。35 篇论文背后，可能是当天 arXiv 上两三百篇新论文。精选者替你做了第一轮排除，你在此基础上做第二轮排除，最后剩下三五篇真正要读的。这个层层筛选的过程，才是高效跟踪前沿的核心。
另一个体会是，不要追求"读完"。我早期也犯过这个毛病，觉得清单列了 35 篇，不读完就亏了。结果每篇都浅尝辄止，反而什么都没记住。后来改成"必读精读、选读扫读、跳过不读"，效率反而高了。读论文这件事，深度比广度重要，尤其是对做具体工作的人来说。
最后分享一个小技巧：如果你时间紧，只看每篇论文的图表。顶会论文的架构图和实验对比表，通常能在两分钟内让你判断出这篇论文值不值得细读。架构图看方法复杂度，对比表看效果提升幅度。这个方法我用了很久，准确率相当高。
