数学不好，怎么看懂一篇 AI 论文？

第一遍：十分钟决定这篇论文值不值得继续

读标题、摘要、引言第一段、方法总图、结果表标题和结论。写下四句话：它解决什么问题、改了什么、最强证据是什么、作者承认什么限制。

如果这四句写不出来，不要马上钻公式。先检查论文是不是默认了你还不知道的前置工作。

第二遍：把论文画成数据流

沿主图问：输入是什么，经过哪些模块，输出是什么，训练时拿什么计算损失，推理时哪些部分会变化。每个模块先用功能词命名，例如“选相关信息”“压缩表示”“预测下一步”。

接着读实验设置、基线、主结果和消融。方法说得再漂亮，也要看实验是否真的隔离了作者声称的改动。

第三遍：只补决定性数学

先标出反复出现、连接多个模块或直接进入损失函数的公式。逐个确认符号形状、输入输出和极端情况，再决定是否需要推导。

以 Transformer 为例，先理解 Q、K、V 分别来自哪里、注意力权重如何选择信息，再研究缩放因子和矩阵推导。

卡住时，先判断缺的是地图、局部解释还是证据

如果还说不清论文的核心主张，缺的是全局地图：回到摘要、主图、结论和最重要的结果表。只有一个术语、段落或公式挡住流程时，再做局部解释，并要求定义每个符号、输入输出和原文位置。不要因为一个卡点就让工具重新总结整篇论文。

如果真正的问题是“这些实验并没有证明作者的主张”，就停止追求更顺畅的解释，直接检查数据集、比较基线、主结果表、消融实验和被引用的原始来源。完成标准不是工具把话说得多清楚，而是关掉工具后，你仍能说出主张、最强证据和主要局限。

• 说不清主张：先做整篇论文地图。
• 卡在一段或一个公式：只做局部解释。
• 缺少前置知识：补最小必要概念，再回到原文。
• 怀疑证据不足：核对表格、基线、消融和原始引用。

别让参考文献停车场变成第二份阅读清单

遇到想追的附录、术语或引用时，先记下它为什么可能改变你对当前论文的判断，不要在这一遍立刻打开。停车场最多保留三个问题；当前阅读结束后，只留下答案可能改变核心主张、最强证据或主要局限的问题，其余删除。

这个规则是为了完成一篇论文的定向阅读，不适用于系统综述、证据综合或引用尽调。那些任务需要事先定义检索式、纳入标准和停止条件，不能凭“三个问题”决定文献范围。

• 先完成当前这一遍，再打开新的引用。
• 每个待查项都写明：它可能改变哪一个判断？
• 上限三个；不能改变主张、证据或局限的项目在本轮结束时删除。
• 系统综述另用可复现的检索与筛选流程。

用反事实问题检查自己是否真的理解

问自己：去掉这个模块会怎样？替换成旧方法会怎样？训练数据变小会怎样？哪个实验能回答这些问题？

如果只能重复摘要，却说不出失败条件和证据边界，通常还没有真正读懂。