arXiv Research

Durchsuche und rufe akademische Arbeiten von arXiv über die kostenlose REST-API ab. Kein API-Schlüssel, keine Abhängigkeiten – nur curl.

Kurzreferenz

Aktion	Befehl
Arbeiten suchen	`curl "https://export.arxiv.org/api/query?search_query=all:QUERY&max_results=5"`
Bestimmte Arbeit abrufen	`curl "https://export.arxiv.org/api/query?id_list=2402.03300"`
Abstract lesen (Web)	`web_extract(urls=["https://arxiv.org/abs/2402.03300"])`
Volltext lesen (PDF)	`web_extract(urls=["https://arxiv.org/pdf/2402.03300"])`

Arbeiten durchsuchen

Die API gibt Atom-XML zurück. Analysiere mit grep/sed oder leite durch python für saubere Ausgabe.

Einfache Suche

curl -s "https://export.arxiv.org/api/query?search_query=all:GRPO+reinforcement+learning&max_results=5"

Saubere Ausgabe (XML in lesbares Format parsen)

curl -s "https://export.arxiv.org/api/query?search_query=all:GRPO+reinforcement+learning&max_results=5&sortBy=submittedDate&sortOrder=descending" | python -c "
import sys, xml.etree.ElementTree as ET
ns = {'a': 'http://www.w3.org/2005/Atom'}
root = ET.parse(sys.stdin).getroot()
for i, entry in enumerate(root.findall('a:entry', ns)):
    title = entry.find('a:title', ns).text.strip().replace('\n', ' ')
    arxiv_id = entry.find('a:id', ns).text.strip().split('/abs/')[-1]
    published = entry.find('a:published', ns).text[:10]
    authors = ', '.join(a.find('a:name', ns).text for a in entry.findall('a:author', ns))
    summary = entry.find('a:summary', ns).text.strip()[:200]
    cats = ', '.join(c.get('term') for c in entry.findall('a:category', ns))
    print(f'{i+1}. [{arxiv_id}] {title}')
    print(f'   Autoren: {authors}')
    print(f'   Veröffentlicht: {published} | Kategorien: {cats}')
    print(f'   Zusammenfassung: {summary}...')
    print(f'   PDF: https://arxiv.org/pdf/{arxiv_id}')
    print()
"

Abfragesyntax

Präfix	Sucht in	Beispiel
`all:`	Alle Felder	`all:transformer+attention`
`ti:`	Titel	`ti:large+language+models`
`au:`	Autor	`au:vaswani`
`abs:`	Abstract	`abs:reinforcement+learning`
`cat:`	Kategorie	`cat:cs.AI`
`co:`	Kommentar	`co:accepted+NeurIPS`

Boolesche Operatoren

# UND (Standard bei Verwendung von +)
search_query=all:transformer+attention

# ODER
search_query=all:GPT+OR+all:BERT

# UND NICHT
search_query=all:language+model+ANDNOT+all:vision

# Exakter Ausdruck
search_query=ti:"chain+of+thought"

# Kombiniert
search_query=au:hinton+AND+cat:cs.LG

Sortieren und Paginierung

Parameter	Optionen
`sortBy`	`relevance`, `lastUpdatedDate`, `submittedDate`
`sortOrder`	`ascending`, `descending`
`start`	Ergebnis-Offset (0-basiert)
`max_results`	Anzahl der Ergebnisse (Standard 10, max 30000)

# Neueste 10 Arbeiten in cs.AI
curl -s "https://export.arxiv.org/api/query?search_query=cat:cs.AI&sortBy=submittedDate&sortOrder=descending&max_results=10"

Bestimmte Arbeiten abrufen

# Nach arXiv-ID
curl -s "https://export.arxiv.org/api/query?id_list=2402.03300"

# Mehrere Arbeiten
curl -s "https://export.arxiv.org/api/query?id_list=2402.03300,2401.12345,2403.00001"

BibTeX-Generierung

Nach dem Abruf der Metadaten einer Arbeit einen BibTeX-Eintrag generieren:

{% raw %}

curl -s "https://export.arxiv.org/api/query?id_list=1706.03762" | python -c "
import sys, xml.etree.ElementTree as ET
ns = {'a': 'http://www.w3.org/2005/Atom', 'arxiv': 'http://arxiv.org/schemas/atom'}
root = ET.parse(sys.stdin).getroot()
entry = root.find('a:entry', ns)
if entry is None: sys.exit('Paper nicht gefunden')
title = entry.find('a:title', ns).text.strip().replace('\n', ' ')
authors = ' and '.join(a.find('a:name', ns).text for a in entry.findall('a:author', ns))
year = entry.find('a:published', ns).text[:4]
raw_id = entry.find('a:id', ns).text.strip().split('/abs/')[-1]
cat = entry.find('arxiv:primary_category', ns)
primary = cat.get('term') if cat is not None else 'cs.LG'
last_name = entry.find('a:author', ns).find('a:name', ns).text.split()[-1]
print(f'@article{{{last_name}{year}_{raw_id.replace(\".\", \"\")},')
print(f'  title     = {{{title}}},')
print(f'  author    = {{{authors}}},')
print(f'  year      = {{{year}}},')
print(f'  eprint    = {{{raw_id}}},')
print(f'  archivePrefix = {{arXiv}},')
print(f'  primaryClass  = {{{primary}}},')
print(f'  url       = {{https://arxiv.org/abs/{raw_id}}}')
print('}')
"

{% endraw %}

Arbeitstext lesen

Nachdem du eine Arbeit gefunden hast, lese sie:

# Abstract-Seite (schnell, Metadaten + Abstract)
web_extract(urls=["https://arxiv.org/abs/2402.03300"])

# Volltext (PDF → Markdown via Firecrawl)
web_extract(urls=["https://arxiv.org/pdf/2402.03300"])

Für die lokale PDF-Verarbeitung siehe das Skill ocr-and-documents.

Häufige Kategorien

Kategorie	Bereich
`cs.AI`	Künstliche Intelligenz
`cs.CL`	Computerlinguistik (NLP)
`cs.CV`	Computersehen (Computer Vision)
`cs.LG`	Maschinelles Lernen
`cs.CR`	Kryptografie und Sicherheit
`stat.ML`	Maschinelles Lernen (Statistik)
`math.OC`	Optimierung und Steuerung
`physics.comp-ph`	Computerphysik

Vollständige Liste: https://arxiv.org/category_taxonomy

Hilfsskript

Das Skript scripts/search_arxiv.py übernimmt die XML-Analyse und liefert saubere Ausgabe:

python scripts/search_arxiv.py "GRPO reinforcement learning"
python scripts/search_arxiv.py "transformer attention" --max 10 --sort date
python scripts/search_arxiv.py --author "Yann LeCun" --max 5
python scripts/search_arxiv.py --category cs.AI --sort date
python scripts/search_arxiv.py --id 2402.03300
python scripts/search_arxiv.py --id 2402.03300,2401.12345

Keine Abhängigkeiten – verwendet nur die Python-Standardbibliothek.

Semantic Scholar (Zitate, verwandte Arbeiten, Autorenprofile)

arXiv liefert keine Zitierdaten oder Empfehlungen. Verwende dafür die Semantic Scholar API – kostenlos, kein Schlüssel für die Basisnutzung erforderlich (1 req/s), gibt JSON zurück.

Arbeitsdetails + Zitate abrufen

# Nach arXiv-ID
curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:2402.03300?fields=title,authors,citationCount,referenceCount,influentialCitationCount,year,abstract" | python -m json.tool

# Nach Semantic Scholar Paper-ID oder DOI
curl -s "https://api.semanticscholar.org/graph/v1/paper/DOI:10.1234/example?fields=title,citationCount"

Zitate EINER Arbeit abrufen (wer hat sie zitiert)

curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:2402.03300/citations?fields=title,authors,year,citationCount&limit=10" | python -m json.tool

Referenzen AUS einer Arbeit abrufen (was sie zitiert)

curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:2402.03300/references?fields=title,authors,year,citationCount&limit=10" | python -m json.tool

Arbeiten suchen (Alternative zur arXiv-Suche, gibt JSON zurück)

curl -s "https://api.semanticscholar.org/graph/v1/paper/search?query=GRPO+reinforcement+learning&limit=5&fields=title,authors,year,citationCount,externalIds" | python -m json.tool

Empfehlungen für Arbeiten abrufen

curl -s -X POST "https://api.semanticscholar.org/recommendations/v1/papers/" \
  -H "Content-Type: application/json" \
  -d '{"positivePaperIds": ["arXiv:2402.03300"], "negativePaperIds": []}' | python -m json.tool

Autorenprofil

curl -s "https://api.semanticscholar.org/graph/v1/author/search?query=Yann+LeCun&fields=name,hIndex,citationCount,paperCount" | python -m json.tool

Nützliche Semantic Scholar Felder

title, authors, year, abstract, citationCount, referenceCount, influentialCitationCount, isOpenAccess, openAccessPdf, fieldsOfStudy, publicationVenue, externalIds (enthält arXiv-ID, DOI, etc.)

Vollständiger Forschungs-Workflow

Entdecken: python scripts/search_arxiv.py "dein Thema" --sort date --max 10
Einfluss bewerten: curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:ID?fields=citationCount,influentialCitationCount"
Abstract lesen: web_extract(urls=["https://arxiv.org/abs/ID"])
Volltext lesen: web_extract(urls=["https://arxiv.org/pdf/ID"])
Verwandte Arbeiten finden: curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:ID/references?fields=title,citationCount&limit=20"
Empfehlungen erhalten: POST an den Semantic Scholar Empfehlungsendpunkt
Autoren verfolgen: curl -s "https://api.semanticscholar.org/graph/v1/author/search?query=NAME"

Ratenbegrenzungen

API	Rate	Auth
arXiv	~1 req / 3 Sekunden	Keine erforderlich
Semantic Scholar	1 req / Sekunde	Keine (100/s mit API-Schlüssel)

Hinweise

arXiv gibt Atom-XML zurück – verwende das Hilfsskript oder das Parsing-Snippet für saubere Ausgabe
Semantic Scholar gibt JSON zurück – leite durch python -m json.tool für Lesbarkeit
arXiv-IDs: altes Format (hep-th/0601001) vs. neues (2402.03300)
PDF: https://arxiv.org/pdf/{id} – Abstract: https://arxiv.org/abs/{id}
HTML (sofern verfügbar): https://arxiv.org/html/{id}
Für lokale PDF-Verarbeitung siehe das Skill ocr-and-documents

ID-Versionierung

arxiv.org/abs/1706.03762 löst immer zur aktuellsten Version auf
arxiv.org/abs/1706.03762v1 zeigt auf eine bestimmte, unveränderliche Version
Beim Erstellen von Zitationen die tatsächlich gelesene Version beibehalten, um Zitierdrift zu vermeiden (eine spätere Version kann den Inhalt wesentlich ändern)
Das API-<id>-Feld gibt die versionierte URL zurück (z.B. http://arxiv.org/abs/1706.03762v7)

Zurückgezogene Arbeiten

Arbeiten können nach der Einreichung zurückgezogen werden. In diesem Fall:

Das <summary>-Feld enthält einen Rückzugshinweis (suche nach "withdrawn" oder "retracted")
Metadatenfelder können unvollständig sein
Überprüfe immer die Zusammenfassung, bevor du ein Ergebnis als gültige Arbeit behandelst

0x-Shashi/grok-skill-converter

Was ist grok-skill-converter?

In Ihrer bevorzugten KI fragen

Dokumentation