凌晨五点多，习惯性地摸开电脑，第一件事就是打开ArXiv看最新一批提交。CS.CV这个分类今天又是几百篇的量级，做每日更新这件事，我已经连续做了快一年，说不上什么成就感，但至少已经把“刷ArXiv”从任务变成了生物钟。今天这期分享，我会一边把精选的CV论文和方向整理出来，一边把这一年我沉淀下来的一套“ArXiv CV论文追踪打法”也摊开讲一讲——如果你是刚入门的研究生，或者正在做视觉相关项目的工程师，想用最少的时间维持对前沿的感知力，这篇内容应该能帮你省下不少折腾的功夫。

1. 今日凌晨ArXiv CV批次速写：流量最大的五个方向

每天ArXiv上线的时间是固定的，只是不同时区体感不同。对我来说，北京时间早上六点到八点是最合适的扫描窗口。如果你也想做每日跟进，可以把这段时间利用起来，不需要专门等一个“刚刚好”的时刻，固定节奏比追瞬时更新更重要。

1.1 今天这拨稿子的“体感报告”

光看标题列表，今天CS.CV相关的新投稿大概在两百六七十篇左右，如果算上cs.LG、cs.RO、cs.AI这些交叉分类里视觉相关的部分，数量会更大。这个量级其实每天都在发生，关键不在于“扫完”，而在于“怎么扫”。我自己的粗筛速度大概是每篇标题加摘要四到六秒，遇到关键词对路的再停下来细看。今天第一轮扫下来，明显感觉有几个词出现频率特别高：diffusion、token、latent、instruction、policy，还有一个让我意想不到的词是“sensor”，说明机器人视觉和物理世界感知方向的投稿正在明显增加。

1.2 我愿意标注“深读”的四五个方向

今天这一批里，我挑出了几个值得多看两眼的主题。先说扩散模型的采样加速，好几篇工作都在试图把生成所需的采样步数进一步压低，方向上有的是蒸馏，有的是在潜空间里做路径规划，还有的是给现有调度器加可学习参数。坦白说，这类工作互相之间的差异化没有前两年那么大了，但“卷”本身说明一个问题：生成速度仍然是落地瓶颈。

视觉语言模型这边，今天有一篇做开放词汇检测的重新审视，主要思路不是加数据，而是调整表征对齐的方式，训练时不用额外标注，推理时直接在嵌入空间做变换。这类文章我喜欢看，因为它的切入点小、工程上容易复现，读完马上能想“我能不能在自己的数据集上跑一下”。

3D方向今天也有不少，集中围绕神经渲染器的鲁棒性和可编辑性。有一篇思路是给渲染模型加了一个“幻觉预测头”，先预测哪里会崩坏，再决定要不要触发数值修正。我觉得这个idea很有工程味道，因为真实场景里神经渲染最让人头疼的就是不可预测的崩坏，与其追求万能解法，不如先学会“知道自己错了”。

视频理解这边最热的还是token采样策略。视频数据比图片贵，主流思路已经从“全看一遍”转向“少看几帧但尽量不看关键帧”的权衡，或者用可学习模块决定丢弃哪些时空token。这个方向的论文今天至少有五六篇，说明视频理解正在进入成本敏感阶段。

最后是机器人和具身智能相关，这批视觉论文里包含了一部分world model和操作策略预训练的工作。它们虽然挂在CS.CV分类下，但已经明显向“模型能不能驱动物理世界”倾斜。如果你是纯算法背景，这类论文初期看起来会吃力，但建议保持关注，因为视觉领域的下一波增长点很大概率就在物理交互这里。

1.3 别把“提到”当“证明”：看目录的正确姿势

每天都有同学在群里转标题，说“又有人做到了XX”，这是一个常见误区。看论文目录最大的风险，是把作者自己在标题里说的话当成已被验证的结论。今天这批里面就有几篇标题特别响亮，但细看实验设置，baseline只是在受限场景下跑的，或者只跟一两个旧模型比较，这部分只能算“提供了一个想法”，离可靠结论还有距离。我的建议是，看每日更新时，可以把这些工作理解成“线索”而不是“答案”，真正值不值得信，留到后面深读时再判断。

2. 每天刷论文的过滤原则：我如何从几百篇里留出二十篇

做每日更新的核心能力不是“多读”，而是“会扔”。一年前我也经历过每篇都想看的阶段，结果就是每天被几千字带跑，最后什么也没沉淀下来。现在我基本遵循一套三层过滤原则，可以把几百篇压缩到一个小时能处理完的规模。

2.1 三层漏斗：创新度、证据力、关联度

第一层看创新度。这不一定是“世界上第一次”，也可以是“组合上的新”“约束条件上的新”或者“应用场景上的新”。只要有一点点让我产生“原来还能这么做”的感受，就留下来。

第二层看证据力。有没有实验支撑，对不对得住自己的论点。这里我会看文章里实验部分的篇幅占比，只给定性描述、不给定量评测的论文，除非它来自我特别信任的团队，否则基本直接放掉。

第三层看关联度。跟我当前在做的项目有没有关系，跟我长期关注的问题线有没有关系。没有关系但很惊艳的，也会存进收藏夹，但不会占用每日的“深读额度”。

2.2 识别高信号论文的十个特征

时间长了，我总结出十个能快速识别“高信号论文”的特征。不一定满足全部，但满足越多越值得优先读。

• 标题里有明确研究对象，而不是一堆宏大名词的堆砌
• 摘要三句话内能说明“问题—方法—结果”
• 用具体数据集和指标，而不是只放展示图
• 有失败案例或局限性分析
• 方法图里能看出通用模块，而不是只能解决一个任务
• 提出新评测方式或新数据集，这类论文长期引用率高
• 开源了代码或权重，至少承诺了可复现
• 讨论部分提到未来方向，且这些方向对一个领域有牵引力
• 参考文献覆盖了近两年内的大量工作，说明作者真的在跟踪领域
• 论文首页有图表让人一看就懂整体流程

这十条不是金科玉律，但能帮你避开不少“包装精美、内里空洞”的投稿。

2.3 用“点在多边形内”的心态对待每篇文章

这里想借用OpenCV里一个顺手的小函数cv::pointPolygonTest来做个比喻。这个函数就是判断一个点是在多边形内部、外部还是边上。刷论文其实也是类似的操作：你先在心中划定一个“我的研究兴趣多边形”，每次看到一篇新论文，就去判断这篇论文的坐标落在你的多边形内、外，还是恰好压在线条上。

落在内部的论文，可能是迭代你现有方案的小改进，这些也要看，但不能给太多时间，因为它们很难带来认知突破。压在线条上的论文，才是需要重点投入的，它可能把原本不相关的方法引入你正在做的方向，这类跨界引用经常能刺激出新的项目方案。落在多边形外部的，无论它多惊艳，先放进“以后再读”的收藏夹就好，不必要当场消耗意志力。

2.4 时间盒策略：早上的三十分钟和周末的两小时

我的每日论文时间被切成两段。工作日早上固定三十分钟，只做扫描和粗选，把值得读的论文丢进清单，不做深读；周末再抽两小时左右，对本周入选清单里的三到五篇做完整的二遍读。这个策略最大的好处是不让论文阅读挤占正常工作时间。晚上如果还有精力，我偶尔会再翻一眼今天的更新有没有漏掉热门新作，但不会重新过滤一遍，避免陷入重复劳动的陷阱。

3. 我的ArXiv追踪工具链：抓取、排序、笔记一条龙

很多新手的问题不是看不懂论文，而是根本不知道每天有哪些新论文。靠人肉刷新页面太原始了，效率也低。我这里展示一套今年用下来比较顺的工具链，全是免费可复现的方案。

3.1 抓取：用arXiv官方API代替浏览器刷新

ArXiv官方提供了一套稳定又简单的API，支持按分类、日期和关键词查询。下面这个Python脚本是我每天早上自动跑一次的“晨间摘要生成器”，把当天提交的CS.CV论文标题和摘要拉出来，存成文本文件再发送到自己的阅读列表。

import urllib.request import feedparser from datetime import date, timedelta base_url = "http://export.arxiv.org/api/query?" search_query = "cat:cs.CV" start = 0 max_results = 50 def fetch_todays_papers(): yesterday = date.today() - timedelta(days=1) params = ( f"search_query={search_query}" f"&sortBy=submittedDate&sortOrder=descending" f"&start={start}&max_results={max_results}" ) feed = feedparser.parse(base_url + params) papers = [] for entry in feed.entries: published = entry.published[:10] if published == yesterday.isoformat(): title = entry.title.replace("\n", " ").strip() summary = entry.summary[:300].replace("\n", " ") papers.append(f"- {title}\n {summary}\n") return papers if __name__ == "__main__": today_papers = fetch_todays_papers() with open(f"arxiv_cv_{date.today().isoformat()}.md", "w", encoding="utf-8") as f: f.write(f"# ArXiv CV {date.today().isoformat()} 日报\n\n") f.write("\n".join(today_papers))

需要注意，ArXiv API用的是UTC时区，如果你在东八区生活，凌晨两三点前提交的论文会落在“昨天”的日期里。我一开始没注意这个细节，导致偶尔漏掉一批，后来把日期窗口多往前翻一天才解决。推荐你也把抓取时往前取一天或者干脆抓最近一百条再自己过滤。

3.2 排序：arxiv-sanity与Semantic Scholar的交叉用法

光抓下来还不够，相关性的排序很重要。arXiv的原始列表是按提交时间排的，但高质量论文不一定在最早的位置。我一般会再用arxiv-sanity的API或页面筛一遍，它会给一个社群打分视角，能帮我发现同一时段里讨论度快速上升的文章。另一个是Semantic Scholar的推荐引擎，它基于我标记过的感兴趣论文做语义相关推荐，偶尔能从跨领域的角度捞出我没想过要看的文章。

这两个工具都有同一个问题：过度依赖社群流传度和提交时间，会造成“热门偏误”。所以我在排序之后还会保留一套自己的“不人云亦云”规则——引用量和讨论度高只能代表传播力，不代表方法论可靠。搜索引擎给我看结果，但决定权始终在自己手上。

3.3 记录：Notion模板和回看机制

读论文不记录等于过目即忘。我目前用一个固定的记录模板，每条记录包含五个字段：问题、方法、关键结果、与我项目的连接、下一步行动。这里贴一个简化版：

这个模板不是单纯的论文总结，而是逼我把每一篇重点论文和自己拉上关系。如果没有“连接”和“下一步行动”，我会直接把这篇论文归为“资讯”而不是“知识”，信息级别完全不同。

3.4 那些被封装好的“易CV模块”怎么看

现在很多开源项目会把一些高效模块封装成现成组件，方便插入自己的网络，比如注意力模块、特征金字塔变形、损失函数包装等。我在筛选时会额外多看一层：模块提交之后是不是持续更新，是不是附带足够的跑分对比，有没有人在issue里反馈复现结果。一个封装漂亮的模块，如果三个月没有实际落地案例，价值是要打个问号的。顺手记录自己用下来的真实效果，也比只看官方README上的数字可靠得多。

4. 三遍读法在CV论文上的具体操作

刷目录是一种能力，但真正的收益来自深读。我深读论文主要采用Andrej Karpathy和不少研究者都推荐过的“三遍法”，只不过在CV场景里做了一些具体化调整。

4.1 第一遍：标题、摘要、图表、结论（十分钟内）

第一遍的目标是建立“这篇论文在说什么”的整体画面。我会先读标题和摘要，然后直接跳到图表和结论。CV论文的图表信息量很大，特别是方法示意图和主实验对比表。这里我的习惯是“先看图后看字”，通过图来判断这篇文章的流程是否有读懂的可能。如果一张图就把模型结构画得很清晰，说明作者自己也想清楚了。如果图乱到无法直视，那后面方法部分大概率也写得含混。

第一遍结束后，我给自己一个通过与否的结论：要么“值得第二遍”，要么“归档”。这个判断要果断，因为每天值得第二遍的论文数量本来就该控制在三到五篇以内。

4.2 第二遍：方法、实验细节、与baseline的公平性（四十五分钟内）

第二遍要认真读方法部分和全部实验。我会重点关注四点：问题定义是否清楚、方法假设是否合理、实验有没有和最强baseline比较、消融实验是否覆盖关键设计。消融实验尤其重要，很多论文的贡献是“把所有模块堆在一起才有效”，拆开每个组件单独看，可能只有一两个真正起作用。看到这种论文，我对它的“工程可复制性”就要打个折扣。

另外别忽略附录里的小细节。很多作者会把数据集预处理、训练参数、评估方式放在附录，这些才是复现的关键。我遇到过不止一次：正文说效果提升很大，附录里却写着“对输入做了加严的清洗过滤”，那这个提升就不完全是模型本身的功劳。明面上看是在读论文，实际上是在做“证据链审计”。

4.3 第三遍：从读论文到复现，或者到衍生想法

第三遍是可选的，但也是最能拉开差距的一步。一般我只对两种论文做第三遍：一种是把我的研究方向往前推了一大步的工作，另一种是和我当前方案直接竞争、我必须知己知彼的工作。第三遍不是逐行重读，而是动手做：写代码、跑baseline、改造方法，甚至只做一个小实验验证某个关键猜想。我个人的经验是，第三遍最好在“边做边读”的节奏里完成，不然很容易变成走马观花。

4.4 记笔记时逼自己回答的五个问题

我用的笔记格式里有五个固定问题，让每一次深读都有沉淀感：

• 这篇论文如果一句话讲完，是什么？
• 它最让我觉得“原来可以这样”的点在哪？
• 我自己之前对这个问题的认识是什么？
• 如果把它的方案用在我的数据上，最可能出现什么问题？
• 如果我来做后续工作，我会改哪一部分？

这五个问题看起来很简单，但每次想回答清楚都需要真正理解文章。要是哪个问题写不下去，说明论文还有地方没读懂。笔记写完以后，我一般隔两周回看一遍，这时候我往往会发现有些当时觉得惊艳的想法，两周后已经不是那么有说服力了——这是再正常不过的信号，说明研究品味正在调整。

5. 近期挂在嘴边的三个趋势：数据、效率、评测革新

跟踪每日ArXiv不只是为了一时的新知识，更是在积累对趋势的判断力。从过去两三个月的投稿情况看，有几个趋势正在从“个别尝试”变成“整体方向”。

5.1 数据治理与合成数据成为真正的胜负手

前两年大家拼模型结构，最近越来越多论文回到数据本身。今天这批里有几篇工作就是用合成数据解决域泛化和长尾识别问题，思路不是简单增加样本量，而是控制数据的生成分布，让模型主动暴露在目标域的不确定性里。这个趋势背后体现了一个共识：当模型容量普遍过剩时，数据边界决定能力边界。我自己在做项目时也深刻体会到，与其换更大的backbone，不如先花时间整理数据质量，收益往往立竿见影。

5.2 生成模型和视觉理解都在“给推理做减法”

扩散模型从几十步采样压到四步，视觉语言模型从几十亿参数蒸馏到几亿参数，视频理解从全量帧采样到动态token丢弃，这些方向都有一个共同诉求：降低部署成本。这不是学术界单纯的“刷效率指标”，而是产业界反馈倒逼出来的方向。如果大家注意观察，会发现不少论文的作者列表里出现了工业实验室的研究员，他们推动的选题越来越看重“一个方法能不能在真实硬件上跑起来”。对工程师来说，这类论文的参考价值非常高，因为它们是少有的“可以直接动手抄作业”的前沿工作。

5.3 评测方式从“一个数字”走向“场景化评估”

过去CV论文的标配是COCO、Cityscapes这类基准上的一个mAP或IoU数字。现在越来越常见的是多维度评测，包括在不同光照、不同相机参数、不同传感器噪声下的表现，甚至开始评测长期运行的稳定性。今天这批3D和机器人视觉论文里，已经有不少工作专门设计新的评测场景，或者把真实物理环境作为评估标准。这是个好现象，说明领域正在从“刷榜”走向“解决实际问题”。

我自己判断，接下来半年会看到更多“评测集+新指标+长尾问题分析”捆绑出现的论文。这类论文的长线价值未必低于提出新模型的论文，因为在指标体系混乱的时候，谁定义评测，谁就在制定领域方向。

6. 坚持每日更新一年后，我给自己的三条提醒

最后这部分不讲方法论了，讲讲这一年来坚持更新最真实的感受和一些自我提醒。

6.1 更新量并不等于价值量

刚开始更新的时候，我总害怕漏掉任何一篇热门论文，恨不得把所有方向都列一遍。后来发现这完全是自己安慰自己。对于读者来说，与其看到十个方向的罗列，不如看到三五个方向上有深度的理解。我现在更新时，会主动控制数量，但每一个方向都尽量交代清楚“我为什么关注”和“它可能在什么地方改变我的实践”。

6.2 保持长期嗅觉的方式是定期“戒断”热门论文

我每个月会挑一个周末，不追新的更新，不看讨论度排行，回到自己收藏夹和笔记库，把过去两个月的记录重新扫一遍。这个习惯比追热点有用得多，因为很多论文的真实价值要等热度散去后才能显现。回看时，我常常发现某篇当时没什么人讨论的文章，和自己正在遇到的问题特别匹配，这就是沉淀下来的长期嗅觉。

6.3 把追论文变成项目的输入，而不是消耗时间的借口

最后也是最重要的一点：任何论文阅读，如果最终没有影响你的代码、实验方案或问题定义，那它的价值就停留在“资讯”层面。我现在每次深读前都会问自己一句：“如果今天不看这篇，我的项目会缺什么？”如果答案是“不缺什么”，这篇文章可以被延后。用项目牵引论文选择，是我这一年下来最有效的学习策略，比单纯堆浏览次数高效得多。

明天凌晨六点，新一批ArXiv又会准时上线。这个习惯我已经坚持了一年，也没打算停。如果你也想给自己建一套论文追踪系统，不需要多复杂的工具，从今天开始，每天留半小时，读完几篇摘要，记下一条让你心动的启发就够。长期来看，真正拉开差距的并不是你读得有多快，而是你愿意坚持多久。