论文结构化信息提取
问题
论文读多了以后，真正耗时间的不是读，而是把读到的信息抄进表格。每篇论文都要重复找同样的几类信息：数据集是什么、基线选了谁、指标怎么定义、局限写在哪。手工做过一百篇以后，你会发现漏项和口径不一致比抄写本身更麻烦。
论文信息提取的关键不是抄得快，而是先定义清楚要提取什么。字段没定就开工，第一遍抄完，第二遍还得按新口径返工，这时候再换更快的论文结构化抽取工具也救不回来。
方法
- 先列字段清单，再打开论文。 把要提取的内容写成固定清单，例如研究问题、方法、数据与实验设置、对比基线、局限。清单定稿前不要开始录入。
- 按节定位每个字段的位置。 大多数论文的字段分布是固定的：方法在方法节，数据与指标在实验节，局限在结论或讨论节。先定位再抽，比从头读到尾快得多。
- 统一颗粒度。 方法列写模块级还是算法级、数据列写数据集名还是具体子集，全库统一成一种口径，否则后面无法统计。
- 保留原文出处。 每个字段记下章节或页码，后续写综述需要引用时不用回翻 PDF。
- 抽样回原文校验。 抽完一批随机挑五到十篇，把结果和原文逐字段对一遍。错误率高的字段说明定义还不够清楚。
常见坑
- 边读边抽，字段边改。 前面抽过的论文口径和新字段不一致，最后整批返工。
- 只抽数字不抽条件。 指标数字背后的数据集、模型规模、评测方式才是可比性的前提，缺了条件的数字没有意义。
- 把抽取结果直接当结论用。 论文结构化抽取解决的是"信息在哪"，判断哪个方法更好仍然要自己看实验设置。
用工具加速
字段清单固定之后，论文信息提取的逐篇手工录入就是纯重复劳动。LitLens 对上传的 PDF 按这几类字段自动抽取，输出统一口径的结构化结果，你再逐字段核对和修正；多篇一起抽取后可以直接进对比表，不需要先把信息抄到本地表格里。字段口径怎么定，可以参考论文对比表模板。