17 个工具,为智能体而生。
一次 MCP 连接,智能体即可调用 search、quote、compare_methods、find_baselines、survey、trends、narrative_threads、get_figure、bibtex 等共 17 个 —— 严格按 Anthropic 工具设计指南构建,带 defer_loading。
~0.5s p95 搜索 · 每次调用 ~$0
MCP 服务 · 精选数据库 · 即将开源的抽取工具链。为认真的 CV/ML 研究者而造。接入 Claude Code:5 分钟扫描一个领域,精读任意论文的任意段落,一次调用横向对比 100+ 篇论文的方法与实验数据。
覆盖会议:CVPR · ICCV · ECCV · ICLR · ICML · NeurIPS · AAAI · ACL · EMNLP · NAACL · IJCAI · WACV · BMVC · 3DV · SIGGRAPH · TPAMI · IJCV · 每周刷新。
为 2026 年研究者真实的工作方式而设计:LLM 智能体随手可得,替你阅读。我们把知识库交给那个智能体 —— 预先蒸馏、结构化、引用锁定。
一次 MCP 连接,智能体即可调用 search、quote、compare_methods、find_baselines、survey、trends、narrative_threads、get_figure、bibtex 等共 17 个 —— 严格按 Anthropic 工具设计指南构建,带 defer_loading。
CV/ML 顶会的 21K 篇论文,基于开放的 schema v1.2 用 GPT-5.5 + Opus-4.7 蒸馏 —— 7 类贡献分类 + 6 字段叙事弧 + 数据集/指标网格 + 主图元数据。混合检索:BGE-1024 稠密 + BM25 + RRF + Qwen3 cross-encoder 重排。
Schema 规范、蒸馏 prompt(Opus / GPT-vision)、Marker/PyMuPDF 图片抽取、LanceDB + SQLite FTS5 索引构建器、引用图解析器、FastMCP 服务 —— 全部以 Apache 2.0 发布。卡片数据以 CC-BY-SA 上 Hugging Face。把实验室的私有论文喂进来,在团队内开放。
严格按 Anthropic 最佳实践优化智能体消费:每个工具都有明确的 "何时用" + "何时不用" 子句,延迟工具通过 discover_tools 自动发现。
从 Claude Code(或任意兼容 MCP 的智能体)接入。申请到 access 后把 YOUR_KEY 替换掉。
其他 MCP 客户端(Codex、自定义 LangChain 智能体):走 streamable-http 传输的 HTTP + JSON-RPC,鉴权用 X-API-Key header 或 Authorization: Bearer。
# 在终端里 claude mcp add \ --transport http \ -s user \ litscan-rag \ https://mcp.acceptpaper.com/mcp \ -H "X-API-Key: YOUR_KEY"
# 在 Claude Code 对话里 > 扫描一下 2024–2026 年稀疏视角 3D > 人体重建的论文。列出主流方法家族、锚定 > 论文、关键 benchmark,以及新兴的方向。 # Claude 内部: # 1. 调用 survey(topic, k=50) → 领域地图 # 2. trends(topic) → 时序信号 # 3. quote(...) 验证有争议的说法 # 4. find_baselines(top-3) 做对比 # → 返回带引用的综合回答
现有工具是为坐在网页前的人眼设计的。acceptpaper 是为替你工作的 LLM 智能体设计的。
| 能力 | acceptpaper | PaperQA2 | Elicit | OpenScholar |
|---|---|---|---|---|
| MCP 原生(智能体接口) | ✓ | — | — | — |
| 预蒸馏的结构化数据 | v1.2(7 类 + 6 字段) | 纯文本 | 半结构化 | 纯文本 |
| 段落级检索 | 1.15M 段落 | ✓ | ✓ | ✓ |
| 图检索(主图 JPG) | 16K | 仅 v3 | — | — |
| 引用图(已解析) | 365K 条边 | 工具调用 | 部分 | 经 S2 |
| 按会议级别加权排序 | ✓ | — | — | — |
| 每次查询成本(检索) | $0 | $0.05–2 | $0.01–.50 | ~$0.10 |
| 领域聚焦 | CV/ML 顶会 | 偏生物 | 通用 | 通用 |
| 开源许可证 | Apache 2.0(筹备中) | ✓ Apache | 闭源 | ✓ Apache |
| 实验室语料可自托管 | 即将 | ✓ | — | 部分 |
一篇论文不只是文本。我们的蒸馏为每篇论文生产 30+ 个结构化字段 —— 7 类贡献分类、6 字段叙事弧、带 SOTA 标志位的数值化评测数据集、baseline 对比串、关键模块、主图元数据。智能体读到的只是它需要的那一片切片,不必每次查询都重新解析 PDF。
// excerpt of one L2 card { "source_id": "cvf:CVPR.2026:1024", "title": "DiHuR: Diffusion-Guided Generalizable Human Reconstruction", "contribution_type": { "primary": "combination", "secondary": ["empirical_study", "ablation_heavy"] }, "narrative": { "problem": "Reconstructing detailed 3D humans from ~3 sparse cameras…", "insight": "SMPL vertices map to consistent semantic regions…", "evidence": "CD 1.117 vs GP-NeRF 3.876 on THuman; gains hold on ZJU-MoCap" }, "eval_data": [ {"name":"THuman","metric":"Chamfer Distance","value":1.117,"is_sota":true}, // + 9 more entries ], "compares_with": ["NeuS", "SparseNeuS", "PIFuHD", "GP-NeRF", "SIFU"], "hero_figure": {"page":1, "caption":"Given 3 views with minimal overlap…"} }
托管服务对学术用户永久免费。工具链以开源方式发布,任何实验室都可以自托管自己的语料。
学术 / 研究用途免费 API key。只需简单告诉我们你是谁、在做什么 —— 我们用来决定优先级和扩展会议覆盖。
申请 API Key通常 24 小时内回复。