PaperBridge 长尾问题
AI 论文里的 Related Work 应该怎么读？
先看作者如何给前人工作分组，再找每组用什么维度比较，最后确认作者声称的缺口是否成立。只跟进会改变你对方法来源、基线公平性或创新程度判断的引用；背景性引用可以先留在清单里。
先识别作者画出的研究地图
Related Work 通常按方法家族、任务、数据或时间分组。把每个小节压缩成一行，记录这一组方法解决什么问题、共同依赖什么条件。
分组方式本身带有作者视角。若一项关键工作被放在边缘类别，或整条研究路线没有出现，需要自己补查。
检查比较维度是否一致
作者可能用准确率比较一组方法，却用成本或可扩展性批评另一组。把比较维度列出来，确认不同路线是否在相同任务、数据和资源下被讨论。
特别注意“首次”“不同于所有现有方法”“以前无法处理”等表述。打开最接近的两三篇前作，通常比继续读十篇背景引用更有价值。
只追会改变判断的引用
方法核心来自某篇前作、关键数据由其他论文建立、或强基线的设置被简写时，应该回到原始来源。定义性常识和宽泛背景可以暂缓。
打开引用前先写它可能回答的问题。读完后把答案带回当前论文，避免 Related Work 变成没有终点的文献浏览。
读 Related Work 的 5 个检查点
- 作者把领域分成了哪些路线？
- 每条路线按什么维度比较？
- 最接近当前方法的前作是哪几篇？
- 作者声称的缺口有直接来源支持吗？
- 哪篇引用会改变我对创新或基线的判断？
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。