| name | academic_literature_search |
| description | 学术文献搜索——论文 / 方法名 / 数据集 / 基准 / 综述 |
| trigger | 任务涉及具体论文、方法(method name)、数据集、基准测试、综述资料 |
| layer | strategy |
| success_rate | 0 |
| status | seed |
| alpha | 1 |
| beta | 1 |
目标
学术检索有专门的高权威入口(arXiv / Semantic Scholar / OpenReview / Google Scholar / ACL Anthology)和专门的关键词形态(方法名 / 数据集名 / 基准名)。本 skill 给出 7 条核心规则。
适用场景
- 找论文原文 / 方法定义 / 数据集卡片
- 找最新 SoTA / leaderboard
- 找综述定位领域
规则(共 7 条)
- 学术入口优先:Semantic Scholar / OpenReview / arXiv / ACL Anthology / Google Scholar,比通用 Web 搜索更准。
- 方法名 / 数据集名当实体处理:用引号锁定
"Chain of Thought" / "GSM8K",避免分词。
- 优先 venue + 年份:
NeurIPS 2023 <method>,命中正文比博客解读更直接。
- 综述定位领域:进入新领域先搜
survey / review,比单篇论文更高效。
- 代码 + 论文双向链接:Papers with Code / 论文里的 GitHub link 用于复现与方法细节。
- 引文图谱用 Semantic Scholar / Connected Papers:找前置工作与后续工作。
- 预印本与正式版差异:arXiv 版与会议正式版可能有差别,引用结论以正式版为准。
执行流程
- 识别目标类型:method / dataset / benchmark / paper / survey。
- 选学术入口 → 引号 + venue + 年份。
- 命中后看 abstract → 看代码仓库 → 看引文图谱。
关联 skill
official_docs_api_search — 工业界文档
github_search — 论文配套代码仓库
general_query_construction — query 构造上游