原文https://mp.weixin.qq.com/s/9VxqDlNIYWy8y89oXclxKQ让 AI 帮你读论文几乎成了科研人的标配。但大部分人的用法停在同一句话上「总结一下这篇文章」。结果 AI 给你一篇缩略版——正确、流畅、正确得没有用你读完还是说不出这篇论文到底好在哪、数据够不够、结论能不能信。问题不在 AI在问法。同样的模型问「用了什么统计检验」和问「总结一下」回答的信息量差一个数量级。本文把读论文拆成六个阶段每个阶段给出一组高频提问共 20 个照着问两小时的阅读量能压缩到四十分钟以内。文末还有一份提问心法与避坑清单建议收藏。先说明本文的 20 问清单基于多篇公开资料夜雨聆风、教材库、PaperBERT 等同类文章与学术社区常见问法整理非抖音视频「纪青蓝·AI 读论文」的逐字原文结构与问题类别可供直接替换为视频原文。AI 读文献 提问模板 科研效率 批判性阅读① 为什么「总结全文」是最亏的问法「总结全文」有三个坑输出是缩略版不是判断依据。AI 会把方法段里的「采用独立样本 t 检验比较两组差异」压缩成「使用了适当的统计方法」——前者能指导你复现后者什么都指导不了。形容词会混进结论。摘要里「显著改善」「可能通过某通路起作用」AI 总结时倾向原样保留你会误把期望当结果。你失去了对读法的控制。写综述、找实验思路、准备开题需要的是不同切面的信息一个「全文总结」给不了任何一个。换个问法就顺了把「总结」拆成具体问题每个问题只锁定论文里的一个信息位——统计方法、样本量、对照组、显著性阈值、局限性、参数配置……AI 从方法部分给你找出来逐条可核查。下面按读论文的六个阶段把 20 个高频问题列出来每个都标注了它「替你省了什么」。② 高频 20 问按读论文的六个阶段阶段 1 · 判断值不值得读5 个问题#你可以这样问替你省什么1这篇论文的核心主张用一句话说是什么30 秒判断方向对不对2它解决的是什么问题为什么这个问题重要跳过与你不相关的背景段3主要贡献有几条分别是什么避免把「相关工作」当贡献读4这篇论文的目标读者是谁方法/应用/理论选对精读还是泛读5如果要给同领域的一句话推荐语会怎么写强迫输出判断而非复述阶段 2 · 拆方法5 个问题#你可以这样问替你省什么6用了什么统计检验t 检验 / ANOVA / 相关分析方法段里的关键句直接定位7每组样本量是多少样本量是怎么确定的有无效能分析判断统计效力不靠感觉8对照组怎么设置的「假对照」有没有同样操作抓实验设计的命门9实验的关键参数数据集、预处理、超参都列出来了吗可复现性的第一道检查10这套方法和现有方法相比创新点具体在哪区分「新组合」与「真新方法」阶段 3 · 抠结果4 个问题#你可以这样问替你省什么11核心结果的关键数值是多少直接给表格里的数不靠「显著提高」这种形容词12显著性阈值是多少多重比较做了哪种校正p 值可信度的底线13误差棒是什么SD / SE / CI覆盖住了关键结论没有同一张图两种读法14结果里有没有意外或异常点作者在讨论里解释了吗异常往往藏着机制阶段 4 · 批判讨论3 个问题#你可以这样问替你省什么15作者自己承认了哪些局限局限对结论的影响多大讨论段最后通常就是答案16哪些结论超出了证据能支持的范围警惕「结论越级」17如果要推翻这个结论最可能的反驳点是什么用反方视角读完再写综述阶段 5 · 放进自己的研究2 个问题#你可以这样问替你省什么18这篇里有哪些参数 / 技巧 / 流程可以直接搬进我的实验读别人的论文要带任务读19它还没解决、我可以接着做的问题是什么直接从文献里长出选题阶段 6 · 交叉验证1 个问题#你可以这样问替你省什么20对这条结论请给出它的出处哪一段、哪张表、哪句话我再自己核对原文。AI 会编文献出处是防幻觉闸门✅用法提示不必每篇都问满 20 个。泛读用阶段 1 的 5 个3 分钟精读按 1→3 问完再进 4写综述加 5 和 6。问题可以照抄也可以按学科改——做医学的把「超参」换成「剂量与疗程」做工程的把「对照组」换成「基线模型」。20 个问题里各阶段的权重分布问题数占比说明按本文清单的类别问题数计算六类合计 20 问「判断值不值得读」和「拆方法」占比最高合计 50%符合「先判断、后抠细节」的阅读顺序。③ 四个提问心法比清单更重要清单会用心法才是拉开差距的地方。综合几篇同类文章的经验最有效的四条是1. 具体到「一句话」不问「方法是什么」问「训练时用了什么损失函数、为什么不用 X」不问「结果怎么样」问「在数据集 A 上的 F1 是多少、比基线 B 高多少」。问得越细AI 越只能给出可核查的原文信息而不是发挥的「大概」。2. 带着任务问你读这篇是为了写综述、找思路、还是开题任务不同阶段完全不同写开题重点问阶段 1 和 4搭实验重点问阶段 2 和 5。先写一句「我读这篇是为了……」再开始提问。3. 分阶段、分层级别一口气把 20 问丢给 AI——它会给你一锅结构松散的大杂烩。正确的节奏是先问「核心贡献与区别」搞清内容→ 再问「实验设计是否可信」搞清证据→ 最后问「局限性与我能借鉴什么」搞清价值。一层没弄清不下一层。4. 把 AI 当被质询者不当裁判问「它和同类工作比算什么水平」是有用的但 AI 的判断基于训练语料不等于领域共识。让它给出依据哪张表、哪句话再回原文核对——第 20 问就是这个心法的操作化。④ 实测同样一篇「总结」 vs「具体问题」差多少有博主拿同一篇文献做过对照实验结果很有说服力提问方式AI 的典型回答能用吗「总结全文」「本文发现 XX 能够促进 YY机制可能与 ZZ 通路有关。」流畅但无据——「可能」两个字把结论打回原形「用了什么统计检验」「数据用单因素方差分析 Tukey 事后检验正态性用 Shapiro-Wilk 检验评估。」可直接引用、可直接复现差距在于「总结」是 AI 的发挥「具体问题」是 AI 的检索。发挥会幻觉检索可核对。同一篇文献反复精读时把阶段 2–4 的问题逐条问完AI 就从一个「会复述的摘要机」变成「随问随查的文献索引」。⑤ 五个坑让 AI 读论文绕不开的幻觉引用。AI 会编出看着很像真的文献与数据——重要结论必须回原文核对第 20 问。同一问题换两个不同模型各问一遍差异点就是重点核查处。图表读不进去。复杂图与公式是重灾区AI 可能把对数坐标当线性读。关键图值得单独发图提问「X 轴 Y 轴分别是什么物理量哪个区间有突变」一次问太多。问题堆成一条长 promptAI 给你一条更长的、没重点的回答。每次 1–3 个问题追问代替堆叠。上下文丢失。长论文分段喂会让 AI 前后不知道。喂分段时带上「这是方法段的第 2 部分前面讲到……」或者按章节各开一条线。隐私与安全。未公开的实验数据、内部项目文档不要往公共模型里塞涉密内容用私有化部署或脱敏后再问。⑥ 提问速查表建议收藏阶段核心问题何时用判断价值核心主张 / 解决什么问题 / 贡献几条 / 给谁读 / 一句话推荐拿到论文 3 分钟内拆方法统计检验 / 样本量 / 对照组 / 关键参数 / 创新点精读第一步抠结果关键数值 / 显著性与校正 / 误差棒 / 异常点看结果与讨论前批判讨论自认局限 / 超证据结论 / 反驳点写综述与答辩前落到自己可借鉴的参数技巧 / 未解决可接着做的问题读之前定好任务交叉验证给出处回原文核对每个关键结论都问结语AI 读论文拼的不是「让 AI 说话」而是「让 AI 只说你能核查的话」。20 个问题是工具背后的原则只有一条每个回答都要能指回原文的具体位置。下次再让 AI 读文献把「总结全文」从你的词库里删掉换成阶段 1 的第一个问题——你会发现同样的两小时读进去的信息量完全不同。