PaperBridge 长尾问题
第一次做论文复现，应该怎么选 AI 论文？
选择一个主张清楚、指标可计算、代码数据可获得，并能在你的预算内完成最小实验的论文。第一次复现不适合从完整大模型训练开始；更稳的目标是重跑一个核心表格、一个消融或一个公开检查点上的评测。
先决定要验证哪一条主张
把目标写成“在数据集 X 上，方法 A 是否比基线 B 提升指标 Y”，不要写成“复现整篇论文”。明确的主张决定需要哪些代码、数据和计算。
优先选择即使结果不一致也有学习价值的问题，例如基线设置、数据处理或某个模块的贡献。
做一次工件和预算盘点
确认仓库能否安装、许可证是否允许、数据链接是否有效、模型权重是否可取，以及论文中的版本与仓库版本是否一致。
估算下载、预处理、训练、评测和排错时间。给算力和时间留出失败余量；论文报告的训练时长通常不包含环境配置和调试。
把第一次成功定义得足够小
先运行作者提供的小样本或评测脚本，再重跑一个主结果。只有结果和日志稳定后，才扩大到完整训练或新数据。
保存环境、随机种子、配置、日志和偏差说明。复现报告应说明哪些条件一致、哪些改变，而不只给出成功或失败。
选复现论文的 6 个条件
- 要验证的主张能写成一句话吗？
- 代码、数据、权重和许可证可用吗？
- 指标和基线能独立计算吗？
- 最小实验在预算内吗？
- 失败结果仍能回答具体问题吗？
- 能记录环境、配置和偏差吗？
原论文、研究与官方文档
以下来源用于核对事实；流程与比较建议是 PaperBridge 对研究、官方文档和工程实践的综合。