论文流：跨每日论文流的画像构建、推荐与适应

动态论文推荐框架，结构化画像+兴趣漂移建模

前置知识

嵌入向量

将文本（如论文标题、摘要、正文）映射到高维数值空间的技术，使得语义相似的文本在向量空间中距离更近。常用模型包括 BERT、Sentence-BERT 等。在 PaperFlow 中，论文和用户兴趣都表示为嵌入向量，通过计算向量相似度（如余弦相似度）来评估语义匹配程度。这种方法能够捕捉隐含的语义关系，而不仅仅是关键词匹配。

论文中核心的语义匹配信号依赖嵌入向量计算，理解嵌入原理有助于理解 PaperFlow 如何在没有显式关键词匹配的情况下发现相关论文。

兴趣漂移

指用户的偏好随时间推移而发生变化的现象。在科研场景中，研究者可能从 GUI agents 转向多模态推理，或者从传统 NLP 转向检索增强生成（RAG）。PaperFlow 通过长期兴趣分布和短期行为分布的偏差来检测漂移，使用四种状态（Stable、Observing、Shifting、Recovered）来建模漂移过程，并设置阈值和更新约束避免单次交互导致画像突变。

这是 PaperFlow 与传统静态推荐系统的核心区别，需要理解漂移检测和状态转换的机制，才能理解其动态适应能力。

用户画像

对用户兴趣、偏好、行为模式的抽象表示。传统方法通常使用扁平的嵌入向量或关键词集合，而 PaperFlow 使用多粒度结构化画像，包含研究兴趣（核心方向、主题权重、语义兴趣向量）、先验知识（作者、机构偏好）、方法偏好、报告偏好、行为信号和漂移状态等多个独立可编辑字段。这种结构化设计使画像更透明、可解释，且不同更新不会相互污染。

结构化画像是 PaperFlow 的基础，理解其字段设计和更新逻辑是理解整个系统的关键。不同字段独立可编辑，避免相互污染，支持透明可解释的推荐决策。

研究动机

现有科学论文推荐系统通常被评估为静态排序问题：给定用户表示和固定候选集，输出相关性排序列表。这种表述忽略了真实科研阅读的时间结构。在实践中，研究者每天面对新的论文流，分配稀缺的阅读时间给少量论文，跳过许多看似相关的论文，并随着项目进展和新方法出现持续修正兴趣。传统方法存在四个主要局限：1）高反馈开销，依赖显式评分或标注；2）漂移盲视，无法感知兴趣变化；3）黑盒偏差，使用不透明的嵌入向量，缺乏可解释性；4）维度丢失，复杂的研究兴趣被压缩到单一向量中丢失细节。

本文的目标是本文的目标是构建一个耦合画像构建、推荐和适应三个阶段的框架，在单日循环中解决动态个性化科研阅读问题。具体包括：1）构建可结构化、可检查的学术画像，分离研究兴趣状态、可控偏好和漂移状态；2）在固定展示预算下，通过多信号聚合对日期特定的论文流进行排序；3）从语义不同的反馈信号中更新用户状态，并跨天建模兴趣漂移；4）构建严格的纵向基准测试，固定用户、日期、候选池、可见输入和隐藏的相关性标签，确保可重复比较。

与已有工作不同的是，本文的独特切入角度是将科学论文推荐重新定义为纵向用户日问题，而非静态用户-论文对问题。与 Scholar Inbox 等相关工作相比，PaperFlow 定义了受控的时序任务：方法使用仅有的预排序可见输入对相同的每日候选池进行排序，在严格时序中消费跨天反馈和漂移状态，并在评估时对抗隐藏的相关性标签而非未来信息。此外，本文构建了包含 24 个模拟研究者、50 天、1,200 个用户日回合的基准测试，这是首个专门针对纵向科研阅读的评估数据集。

核心方法

PaperFlow 将论文推荐建模为动态个性化阅读循环，包含三个紧密耦合的阶段：Profiling、Recommending 和 Adapting。Profiling 阶段从多源冷启动证据（研究描述、个人主页、代表性论文、手动偏好）构建可结构化、可编辑的学术画像。画像被分解为研究兴趣、先验知识、行为信号、漂移状态等独立字段。Recommending 阶段对每日候选池进行排序，通过多信号聚合计算论文得分，包括语义匹配、作者机构先验、动态行为信号和显式规则。Adapting 阶段从用户反馈（选择、跳过、深度阅读请求、报告反馈）中更新用户状态，不同反馈信号具有不同语义：选择和显式编辑提供强兴趣证据，跳过仅提供弱依赖上下文的负向证据。

核心创新点在于将科研阅读重新建模为纵向用户日循环，并引入结构化画像和行为驱动的兴趣漂移建模。与传统方法使用不透明嵌入向量的扁平画像不同，PaperFlow 的结构化画像将研究方向、主题权重、语义兴趣向量、作者机构先验、方法偏好等分离到独立可编辑字段。兴趣漂移模块通过长期兴趣分布和短期行为分布的偏差来检测兴趣迁移，使用四种状态（Stable、Observing、Shifting、Recovered）和约束更新机制（单轮更新上限 epsilon）来区分短暂探索和持续兴趣迁移。这种设计使系统能够在保持稳定性的同时响应长期兴趣变化，而不因单次交互导致画像突变。

方法步骤详情

方法流程分为四个主要步骤。首先，冷启动画像构建：从研究描述、个人主页、代表性论文等多源证据中提取研究方向、作者、机构、方法、应用上下文等，使用 LLM 进行提取和规范化，重复支持的初始权重或置信度更高，显式输入保持可检查的规则或字段。其次，每日推荐排序：对候选论文 c 计算排序信号 score(c, pt) = Smatch(c, pt) + Sprior(c, pt) + Sdyn(c, pt) + Smust(c, pt)，其中 Smatch 覆盖语义兴趣相似性和主题匹配，Sprior 覆盖作者、机构和论文质量，Sdyn 覆盖漂移状态、锚定方向、旧主题抑制和最近阅读行为，Smust 覆盖必读规则。推荐使用四个展示层级：must_read、high_relevant、maybe_interested、edge_relevant。再次，反馈更新：抽象为 pt+1 = U(pt, Ft, Bt, dt)，其中 pt+1 是下一轮画像，U 是更新过程，Ft 是每日反馈，Bt 是阅读行为状态，dt 是长短期证据间的适应强度。最后，行为驱动的兴趣漂移：计算漂移证据信号 gt = Drift(Lt, St, Ft, Bt)，测量长期兴趣和近期行为的偏差，控制漂移状态转换和画像更新强度，并为每个主题方向设置单轮更新上限。

技术新颖性

技术新颖性体现在三个方面：1）结构化学术画像设计，首次在科研推荐中将研究兴趣、先验知识、行为信号、漂移状态分离到独立字段，实现白盒可解释性；2）行为驱动的兴趣漂移建模，通过长期兴趣分布和短期行为分布的偏差检测漂移，使用四种状态和约束更新机制区分探索和迁移；3）纵向用户日基准测试，固定用户、日期、候选池、可见输入和隐藏标签，首次定义了严格时序约束的科研阅读评估协议。此外，PaperFlow 引入信号感知的状态更新机制，不同反馈信号具有不同语义权重，避免报告反馈污染研究兴趣权重。

**Figure 2**: Overview of the PaperFlow dynamic personalized scientific reading loop.

**Figure 3**: Construction pipeline of the PaperFlow benchmark. 该图展示了从论文流和模拟画像生成受控纵向用户日回合的完整构建流程。

**Figure 7**: Representative PaperFlow case study. 该图展示了从冷启动、每日推送、反馈学习到阅读报告生成的完整闭环交互流程。

实验结果

在与五个科学论文推荐基线方法的比较中，PaperFlow 在所有主要指标上均取得最优表现。与最强的外部基线 Scholar Inbox 相比，PaperFlow 将 gNDCG@20 从 39.00 提升到 50.65，推荐分数从 46.30 提升到 55.31，人工评分从 55.56 提升到 65.56。最大的定性差异体现在行为一致性上：SelectedNDCG@20 从 33.47 提升到 70.88，这表明 PaperFlow 不仅在隐藏标签下检索相关论文，而且排序结果更接近模拟用户实际选择阅读的论文。LLM 主干对比实验显示，模型选择显著影响自动和人工对齐质量。在闭源模型中，Grok 4.3 实现最高的推荐分数 56.31 和人工分数 94.07，同时保持最低的 token 成本。消融分析揭示了静态-动态权衡：简化变体可以改善静态相关性集中，而 PaperFlow 的自适应组件更好地跟踪用户随时间选择阅读的论文。兴趣漂移分析表明，PaperFlow 在漂移后 SelectedNDCG@20、新主题召回、旧主题暴露率和适应延迟等适应性导向信号上表现最强。真实用户试点研究（5 名计算机科学研究生）的结果与模拟基准一致：PaperFlow 在实际阅读选择率和用户满意度上持续优于基线。

**Table 1**: Main results on the PaperFlow benchmark. 该表格展示了 PaperFlow 与五个基线方法在主要指标上的定量比较结果。

**Table 2**: LLM backbone comparison under PaperFlow. 该表格展示了不同 LLM 主干在推荐质量、报告质量、成本和人工对齐上的权衡。

**Table 3**: Ablation and diagnostic results. 该表格通过消融分析揭示 PaperFlow 各组件的贡献和静态-动态权衡。

**Table 4**: Real-user results averaged over five participants.

**Figure 4**: Automatic–human metric alignment (ModelAutoScore vs. ModelHumanScore).

**Figure 5**: Token-cost across LLM backbones. 该图对比不同 LLM 主干的 token 使用成本，帮助评估模型在实际部署中的经济可行性。

**Figure 6**: Interest-drift analysis. 该图使用热力图展示 PaperFlow 与简化变体在漂移场景下的性能对比，突出自适应组件的价值。

查看结构化数据

任务	指标	本文	基线	提升
论文推荐	gNDCG@20	50.65	Scholar Inbox: 39.00	29.9%
论文推荐	SelectedNDCG@20	70.88	Scholar Inbox: 33.47	111.8%
论文推荐	HumanEval	65.56	Scholar Inbox: 55.56	18.0%
论文推荐	RecommendationScore	55.31	Scholar Inbox: 46.30	19.5%

局限与改进

作者承认的主要局限性包括：PaperFlow 主要使用模拟研究者和模拟相关性标签，虽然包含真实用户试点研究，但仅作为用户体验合理性检查。这种设计提供了可重复性和受控时序比较，但模拟标签不应被解释为人工标注真值或来自真实用户的部署日志。当前基准主要来源于 arXiv 每日论文流，跨不同领域和出版刊物的覆盖可能存在差异。此外，结构化画像的复杂性可能带来维护和调试成本，四个漂移状态的阈值和窗口设置需要领域知识调优。LLM 依赖也带来成本和延迟问题，虽然模型对比实验显示成本可接受。作者的观察还包括：漂移模块可能引入小的探索成本，因为它需要在新主题获得足够证据前进行调整；报告反馈不直接影响研究兴趣权重，虽然这是设计特性，但在某些场景下可能降低系统响应速度。

独立分析的弱点

独立分析的弱点包括：1）画像冷启动依赖高质量的多源证据，对于新研究者或跨领域切换者，可能需要更多手动干预才能构建准确的初始画像。改进方向是引入半自动画像工具和示例模板。2）兴趣漂移检测依赖连续观察窗口和命中阈值，对于稀疏或非规律的阅读行为可能响应迟缓。改进方向是引入更细粒度的行为信号和自适应阈值机制。3）当前基准仅覆盖 50 天，无法评估长期兴趣演化和季节性模式。改进方向是构建更长周期的基准数据集。4）跨领域泛化能力未充分评估，24 个模拟研究者虽然覆盖多个领域，但可能无法反映真实平台的用户分布。改进方向是引入真实用户日志和更广泛的领域覆盖。5）LLM 依赖可能带来延迟和成本问题，尤其是在处理大量论文时。改进方向是优化模型调用策略和引入轻量级替代方案。

未来方向

作者提出的未来研究方向包括：将协议与更大规模的人工评估、额外的学术来源和部署研究相结合。基于成果可延伸的方向包括：1）扩展基准数据集，覆盖更长的时间周期、更多的学术来源（如预印本平台、会议论文库）、更广泛的领域和更多的真实用户。2）改进兴趣漂移建模，引入更细粒度的行为信号、自适应阈值机制、跨用户漂移模式学习和主动探测策略。3）增强画像可解释性和可编辑性，引入交互式画像调整工具、自然语言描述编辑、可视化兴趣演化轨迹。4）优化推荐算法，探索更复杂的多信号聚合机制、深度学习端到端训练、强化学习优化长期用户满意度。5）扩展阅读报告能力，引入更细粒度的章节级摘要、方法论细节提取、相关工作自动生成、代码和数据集链接。6）支持协作场景，研究团队级别的论文推荐、协作阅读和知识共享。

复现评估

PaperFlow 提供了代码、网站和数据集。基准数据集包含 24 个模拟研究者、50 天、1,200 个用户日回合、20,727 篇唯一论文和 497,448 个回合-论文记录。实验使用固定的论文池和严格的时序协议，确保所有方法在相同的候选集上比较。主要实验使用 Gemini 3 Flash 作为 LLM，Qwen3-Embedding-8B 作为嵌入模型，随机种子设为 42。消融分析、模型对比和真实用户试点研究的详细设置在附录中提供。复现难度中等，需要 LLM API 和嵌入 API 访问权限，但代码和数据集结构清晰，超参数和评估指标定义完整。主要挑战是 LLM API 成本和延迟，以及模拟环境和真实部署环境的差异。

论文流：跨每日论文流的画像构建、推荐与适应 PaperFlow: Profiling, Recommending, and Adapting Across Daily Paper Streams