arXiv 學術論文搜尋是做什麼的？

透過 arXiv 免費的 REST API 搜尋並取得學術論文。無需 API 金鑰，無需額外相依套件——僅需 curl。

快速參考

動作	指令
搜尋論文	`curl "https://export.arxiv.org/api/query?search_query=all:QUERY&max_results=5"`
取得特定論文	`curl "https://export.arxiv.org/api/query?id_list=2402.03300"`
閱讀摘要（網頁）	`web_extract(urls=["https://arxiv.org/abs/2402.03300"])`
閱讀全文（PDF）	`web_extract(urls=["https://arxiv.org/pdf/2402.03300"])`

搜尋論文

API 回傳 Atom XML。可使用 grep/sed 解析，或透過 python 管道輸出取得乾淨格式。

基本搜尋

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

乾淨輸出（將 XML 解析為可讀格式）

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'   作者: {authors}')
    print(f'   發表日期: {published} | 類別: {cats}')
    print(f'   摘要: {summary}...')
    print(f'   PDF: https://arxiv.org/pdf/{arxiv_id}')
    print()
"

搜尋語法

前綴	搜尋範圍	範例
`all:`	所有欄位	`all:transformer+attention`
`ti:`	標題	`ti:large+language+models`
`au:`	作者	`au:vaswani`
`abs:`	摘要	`abs:reinforcement+learning`
`cat:`	類別	`cat:cs.AI`
`co:`	註解	`co:accepted+NeurIPS`

布林運算子

# AND（使用 + 時為預設）
search_query=all:transformer+attention

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

# AND NOT
search_query=all:language+model+ANDNOT+all:vision

# 精確片語
search_query=ti:"chain+of+thought"

# 組合搜尋
search_query=au:hinton+AND+cat:cs.LG

排序與分頁

參數	選項
`sortBy`	`relevance`, `lastUpdatedDate`, `submittedDate`
`sortOrder`	`ascending`, `descending`
`start`	結果偏移量（從 0 開始）
`max_results`	結果數量（預設 10，最多 30000）

# cs.AI 類別最新 10 篇論文
curl -s "https://export.arxiv.org/api/query?search_query=cat:cs.AI&sortBy=submittedDate&sortOrder=descending&max_results=10"

取得特定論文

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

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

產生 BibTeX

在取得論文詮釋資料後，可產生 BibTeX 文獻條目：

{% 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('找不到論文')
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 %}

閱讀論文內容

找到論文後，閱讀其內容：

# 摘要頁面（快速，包含詮釋資料與摘要）
web_extract(urls=["https://arxiv.org/abs/2402.03300"])

# 全文（PDF → markdown，透過 Firecrawl）
web_extract(urls=["https://arxiv.org/pdf/2402.03300"])

如需在本機處理 PDF，請參閱 ocr-and-documents 技能。

常用類別

類別	領域
`cs.AI`	人工智慧
`cs.CL`	計算語言學與自然語言處理
`cs.CV`	電腦視覺
`cs.LG`	機器學習
`cs.CR`	密碼學與安全
`stat.ML`	機器學習（統計學）
`math.OC`	最佳化與控制
`physics.comp-ph`	計算物理

完整列表：https://arxiv.org/category_taxonomy

輔助腳本

scripts/search_arxiv.py 腳本負責處理 XML 解析，並提供乾淨的輸出：

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

無需額外相依套件——僅使用 Python 標準函式庫。

Semantic Scholar（引用、相關論文、作者介紹）

arXiv 本身不提供引用資料或推薦。請使用 Semantic Scholar API 來取得這些資訊——免費，基本使用無需金鑰（每秒 1 次請求），回傳 JSON 格式。

取得論文詳細資訊 + 引用數

# 透過 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

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

取得某篇論文的被引用資料（哪些論文引用了它）

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

取得某篇論文的參考文獻（它引用了哪些論文）

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

搜尋論文（arXiv 搜尋的替代方案，回傳 JSON）

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

取得論文推薦

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

作者介紹

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

有用的 Semantic Scholar 欄位

title, authors, year, abstract, citationCount, referenceCount, influentialCitationCount, isOpenAccess, openAccessPdf, fieldsOfStudy, publicationVenue, externalIds（包含 arXiv ID、DOI 等）

完整研究流程

探索：python scripts/search_arxiv.py "你的主題" --sort date --max 10
評估影響力：curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:ID?fields=citationCount,influentialCitationCount"
閱讀摘要：web_extract(urls=["https://arxiv.org/abs/ID"])
閱讀全文：web_extract(urls=["https://arxiv.org/pdf/ID"])
尋找相關研究：curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:ID/references?fields=title,citationCount&limit=20"
取得推薦：POST 到 Semantic Scholar 推薦端點
追蹤作者：curl -s "https://api.semanticscholar.org/graph/v1/author/search?query=NAME"

速率限制

API	速率	驗證
arXiv	約每秒 0.3 次請求	無需
Semantic Scholar	每秒 1 次	無需（使用 API 金鑰可提升至每秒 100 次）

備註

arXiv 回傳 Atom XML——請使用輔助腳本或解析片段取得乾淨輸出
Semantic Scholar 回傳 JSON——可透過 python -m json.tool 管道輸出以提升可讀性
arXiv ID 格式：舊格式（hep-th/0601001）與新格式（2402.03300）
PDF：https://arxiv.org/pdf/{id}——摘要：https://arxiv.org/abs/{id}
HTML（若可用）：https://arxiv.org/html/{id}
如需在本機處理 PDF，請參閱 ocr-and-documents 技能

ID 版本控制

arxiv.org/abs/1706.03762 永遠解析到最新版本
arxiv.org/abs/1706.03762v1 指向特定不可變版本
產生引用時，請保留您實際閱讀的版本後綴，以防止引用漂移（後續版本可能大幅更改內容）
API <id> 欄位回傳的是帶有版本號的 URL（例如 http://arxiv.org/abs/1706.03762v7）

已撤回論文

論文可能在提交後被撤回。發生這種情況時：

<summary> 欄位會包含撤稿通知（請尋找 "withdrawn" 或 "retracted" 關鍵字）
詮釋資料欄位可能不完整
在將某個結果視為有效的論文之前，請務必檢查摘要內容。

arXiv 學術論文搜尋