PaperBridge 长尾问题
AI 论文的 appendix 附录应该怎么看？
带着正文留下的问题去附录，不要把附录当成第二篇论文顺序阅读。想复现就找超参数、提示词和数据处理；想判断结果就找完整表格、误差和切片；想理解方法再看证明、伪代码和额外图。
先把正文中的缺口列成问题
读完方法和主结果后，写下未交代的设置：学习率、采样、提示模板、数据过滤、评测规则或硬件。用目录和关键词直接定位。
正文引用 Appendix A、Table 8 或 Figure 12 时，把它和当前主张一起读。单独打开附录容易忘记它在支持什么。
根据阅读目的选择附录内容
复现者优先看实现细节和数据；评估者优先看完整结果、方差、失败例和人类评测说明；理论读者再深入证明与假设。
额外的定性样本很有价值，但要确认作者如何选择样本。只有成功案例的展示不能替代系统评测。
把附录信息合并回主结论
附录可能暴露正文没有空间说明的资源、筛选规则或例外。更新你的结论范围，不要让正文摘要覆盖这些条件。
若关键复现信息在正文和附录都找不到，记录为缺失信息。猜测默认值会让复现结果难以解释。
打开附录时先找这 5 类信息
- 训练和推理超参数是否完整？
- 数据清洗、切分和提示模板在哪里？
- 完整结果、方差和切片是否报告？
- 失败案例如何选择和分类？
- 哪些附录条件会缩小正文结论？
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。