AI 读论文工具能做什么，不能做什么
问题
AI 读论文确实能省时间，但它也会编造。最常见的翻车方式不是整段胡写，而是细节失真：数据集名称记错一个字、指标数字多了一个小数点、把作者的推测写成实验结论。这类错误看上去很合理，不核对根本发现不了。
所以问题不是"能不能用 AI 读论文"，而是哪些环节可以交出去、哪些必须自己确认。用 AI 论文工具的正确姿势是先划边界，再定核对流程：抽取交给工具，判断留给自己。
方法
- 把任务分成抽取类和判断类。 抽取类指从原文找固定信息（数据集、基线、指标、局限），判断类指评价方法好坏、决定读哪篇、下结论。前者可以交给工具，后者不要外包。
- 抽取结果必须能回溯到原文位置。 要求工具给出字段所在的章节或段落，拿不到位置的字段一律当作未确认。
- 涉及数字一律回原文核对。 指标、提升幅度、参数量、数据规模属于高风险字段，逐条对一遍，这是唯一不能省的步骤。
- 抽样校验，不必逐字校验。 按批随机抽五到十篇回原文对字段，错误率高的字段类型说明该调整任务描述或字段定义。
- 让工具做初稿，你做终稿。 用抽取结果搭出对比表骨架，差异分析和结论自己写，重点在于判断依据要来自你核对过的字段。
- 保留疑问标记。 对抽取结果没把握的地方标出来，宁留空也不要让错误信息悄悄进表格。
常见坑
- 直接引用 AI 总结的数字和结论。 细节失真最难发现，一旦进了综述就变成了引用错误。
- 让 AI 判断哪个方法更好。 这是需要结合课题背景的判断，工具没有你的上下文，输出的排序没有依据。
- 把摘要当全文。 只用摘要做输入时，实验设置和局限这些关键字段本来就缺失，抽出来的内容会明显偏乐观。
用工具加速
划好边界之后，AI 论文工具负责的就是抽取侧的工作，具体到 LitLens：上传 PDF 后按基础信息、核心方法、实验配置、对比基线、论文短板五类字段结构化抽取，字段可以逐条核对修改，多篇直接生成对比表。判断侧的结论仍然由你来写，字段口径可以参考论文结构化信息提取。