如何阅读科研论文：三遍阅读法详解

大多数人读科研论文，就像读小说一样：从第一页读到最后一页，按部就班，指望在某个地方豁然开朗。但这通常不会发生。论文本来就不是为线性阅读而写的。它们是结构固定、可供查阅的文档，一旦你掌握了这种结构，十分钟内就能判断一篇论文值不值得花一个下午去读。

本文介绍 POMODIARY 团队使用的方法。它以广为传授的三遍阅读法为基础，该方法出自计算机科学家 S. Keshav 的短文《How to Read a Paper》。我们在此基础上为每个部分补充了实用的检查清单、一份可以直接套用的笔记模板，以及关于 AI 阅读助手在哪些地方有用、哪些地方帮不上忙的坦诚建议。

为什么线性阅读行不通

一篇典型的论文会把研究动机放在前面，而把你真正用来评判它的细节放在后面。如果你从引言开始、硬着头皮啃完每一个公式，就会在你最没有能力评估的部分投入最多精力，而那时你甚至还不知道这个结果对你是否重要。三遍阅读法把这个顺序反了过来：先少量投入，做出判断，只有论文值得时才进一步投入。

三遍阅读一览

遍数	时间	目标	你能回答的问题
第一遍	5 到 10 分钟	把握整体轮廓	这是哪类论文？和我有关吗？
第二遍	最多一小时	掌握内容	他们做了什么、发现了什么？证据有多扎实？
第三遍	几个小时	深入理解	我能复现它吗？它的薄弱环节在哪里？

你遇到的大多数论文，读完第一遍就该停下了。这不是偷懒，而是分诊。

第一遍：鸟瞰全局

只读以下部分，并按这个顺序：

标题和摘要。 什么问题、什么方法、什么核心结果。
引言。 快速浏览，重点看最后一段，那里通常会列出本文的贡献。
各级章节标题。 它们是论文的骨架。
图和表。 看一看，读一读图注和表注，但先不要细究。
结论。 对比作者在结尾声称的内容与开头承诺的内容。
参考文献。 扫一眼有没有你已经读过的论文。这能告诉你这篇论文属于哪一场学术讨论。

第一遍结束时，你应该能回答五个问题，Keshav 称之为“五个 C”：

类别（Category）： 这是一种新方法、一项测量研究、一篇综述、一次重复研究，还是一篇理论论文？
背景（Context）： 它建立在哪些已有工作之上，或者在反驳哪些工作？
正确性（Correctness）： 乍看之下，它的假设是否合理？
贡献（Contributions）： 具体来说，新在哪里？
清晰度（Clarity）： 它写得够不够好，值不值得花力气读？

如果回答不了这些问题，要么是论文写得不好，要么是它超出了你目前的知识背景。这两点都值得知道。

摘要里要看什么

摘要本质上是一则广告，所以要带着怀疑去读。划出四样东西：问题、方法、主要的量化结果，以及比较对象。“我们的方法提高了准确率”这句话本身没什么意义，除非你知道是和什么相比、在哪个数据集上、提高了多少。如果摘要里一个数字都没有，就把它记下来，作为第二遍要解答的问题。

第二遍：掌握内容

现在仔细读完整篇论文，但跳过证明和繁复的推导。你的目标是能把主要论点及其证据讲给同事听。

正确地读图

很多论文的成败都取决于图。对每一张重要的图：

先看坐标轴标签和单位，再看曲线。y 轴是否被截断，让一个很小的差异看起来很大？
检查是否画出了误差棒或置信区间，以及它们代表什么（标准差、标准误，还是 95% 置信区间）。
数一数比较了几种条件。是否缺少了显而易见的基线？
把图和正文中引用它的那句话对照起来。正文的说法是否超出了图所能支撑的范围？

读方法部分

方法部分回答的是最关键的问题：这个结果会不会只是其产生方式造成的假象？检查以下几点：

数据或样本： 来自哪里？规模多大？如何选取？样本量小或者是方便样本，会限制结果的可推广程度。
比较： 对照组或基线是什么？是否给了它公平的机会（比如经过同等程度的调优）？
测量： 结果是如何测量的？它能否很好地代表作者真正关心的东西？
分析： 分析方法是事先确定的，还是可能在看到数据之后才做了调整？
可获得性： 代码、数据或材料是否公开？这决定了你能亲自验证多少。

遇到看不懂的地方，标记下来，不要停下。陌生的术语和参考文献列入清单，之后再查。如果这一遍读完你仍然理解不了论证过程，那就说明你应该先去读一些背景材料，而不是硬着头皮读下去。

第三遍：在脑中重新实现

第三遍是留给与你自己的工作密切相关的论文的：你要在它的基础上继续研究、审稿、讲授，或者把它作为关键证据引用。方法是在脑中重建这项工作：做出与作者相同的假设，然后问自己会怎么做。在你的版本与作者的版本不同的地方，你要么会发现一个自己没想到的巧妙思路，要么会发现一个作者没有论证的隐含假设。

在这一遍中，要亲自推导公式，检查表格里的数字彼此之间、与正文之间是否一致，并写下你能想到的最有力的反驳。一个好的检验标准是：你能否在读书会上讲解这篇论文，并应对尖锐的提问？

一份可反复使用的笔记模板

正是笔记让阅读的收获能够不断积累。我们建议每篇论文写一份简短的笔记，格式保持一致：

引用信息： 作者、年份、标题、发表刊物或会议、链接或 DOI
一句话总结： 用你自己的话
问题： 论文要填补什么空白
方法： 用两三行概括研究方法
关键结果： 写上具体数字及其比较对象
证据质量： 样本量、基线、作者承认的局限、作者没有提到的局限
与我的关联： 它和我的项目或问题有什么联系
未解决的问题： 我还不理解或存疑的地方
阅读程度： 第一遍、第二遍还是第三遍

“阅读程度”这一栏很重要。半年后，它能告诉你当时是真正读懂了这篇论文，还是只是粗略浏览，这决定了你应该在多大程度上依赖自己的总结。

常见误区

只读了一遍就引用。 停留在摘要层面的阅读，不足以让你引用一篇论文来支持某个具体论点。
对图表照单全收。 截断的坐标轴、缺失的误差棒和精心挑选的例子都很常见。
忽略局限性部分。 作者往往会在接近结尾的地方，简短地自己说出最重要的注意事项。
永远独自阅读。 和另一个人讨论一篇论文，能很快暴露出你的误解。
从不停下。 不是每篇论文都值得读第三遍。懂得何时停下也是一种能力。

AI 阅读助手的定位

当 AI 工具是在辅助这三遍阅读、而不是取代它们时，确实非常有用。它们擅长在第一遍时帮你快速了解一个陌生的细分领域，在第二遍时解释某个术语或一段晦涩的文字，如果你读的是外语论文，还能帮你翻译段落。但在检查图表、评判方法，或判断某个论点是否真的有证据支持这些方面，它们远远替代不了你自己。它们还可能信誓旦旦地说出论文里根本没有的内容。

比较合理的工作流程是：用每日推送来发现论文，对于任何重要的内容，则去读原文。我们自己的工具 ChatPaper.AI 每天发布五篇用通俗语言写成的论文摘要，很适合作为跨领域的第一遍筛选。当一篇论文值得细看时，你可以在它的工作区里就具体段落提问。但规则始终不变：在把任何数字或论断写进笔记或文章之前，先在 PDF 原文中亲自找到它。关于这一原则，我们在如何负责任地用 AI 总结论文的指南中有更深入的介绍。

一个简单的每周例程

如果你想跟上一个领域的进展，又不想被淹没，可以试试这样做：

每个工作日花十分钟，对几篇新论文做第一遍阅读。
每周挑选一两篇做第二遍阅读，并写一份完整的笔记。
每月选出最重要的一篇做第三遍阅读，最好能和同事一起。

按照这个节奏，一年下来你会真正读懂几十篇论文，这比大多数从头读到尾的人能做到的要多得多。