17 個工具,為智能體而生。
一次 MCP 連線,智能體即可呼叫 search、quote、compare_methods、find_baselines、survey、trends、narrative_threads、get_figure、bibtex 等共 17 個 —— 嚴格依 Anthropic 工具設計指引建構,帶 defer_loading。
~0.5s p95 搜尋 · 每次呼叫 ~$0
MCP 服務 · 精選資料庫 · 即將開源的擷取工具鏈。為認真的 CV/ML 研究者而造。接入 Claude Code:5 分鐘掃描一個領域,精讀任意論文的任意段落,一次呼叫橫向比較 100+ 篇論文的方法與實驗資料。
涵蓋會議:CVPR · ICCV · ECCV · ICLR · ICML · NeurIPS · AAAI · ACL · EMNLP · NAACL · IJCAI · WACV · BMVC · 3DV · SIGGRAPH · TPAMI · IJCV · 每週刷新。
為 2026 年研究者真實的工作方式而設計:LLM 智能體隨手可得,替你閱讀。我們把知識庫交給那個智能體 —— 預先蒸餾、結構化、引用鎖定。
一次 MCP 連線,智能體即可呼叫 search、quote、compare_methods、find_baselines、survey、trends、narrative_threads、get_figure、bibtex 等共 17 個 —— 嚴格依 Anthropic 工具設計指引建構,帶 defer_loading。
CV/ML 頂會的 21K 篇論文,基於開放的 schema v1.2 用 GPT-5.5 + Opus-4.7 蒸餾 —— 7 類貢獻分類 + 6 欄位敘事弧 + 資料集/指標網格 + 主圖元資料。混合檢索:BGE-1024 稠密 + BM25 + RRF + Qwen3 cross-encoder 重排序。
Schema 規範、蒸餾 prompt(Opus / GPT-vision)、Marker/PyMuPDF 圖片擷取、LanceDB + SQLite FTS5 索引建構器、引用圖解析器、FastMCP 服務 —— 全部以 Apache 2.0 釋出。卡片資料以 CC-BY-SA 上 Hugging Face。把實驗室的私有論文餵進來,在團隊內開放。
嚴格依 Anthropic 最佳實踐最佳化智能體取用:每個工具都有明確的「何時用」+「何時不用」子句,延遲工具透過 discover_tools 自動探索。
從 Claude Code(或任意相容 MCP 的智能體)接入。申請到 access 後把 YOUR_KEY 替換掉。
其他 MCP 客戶端(Codex、自訂 LangChain 智能體):走 streamable-http 傳輸的 HTTP + JSON-RPC,驗證用 X-API-Key 標頭或 Authorization: Bearer。
# 在終端機裡 claude mcp add \ --transport http \ -s user \ litscan-rag \ https://mcp.acceptpaper.com/mcp \ -H "X-API-Key: YOUR_KEY"
# 在 Claude Code 對話裡 > 掃描一下 2024–2026 年稀疏視角 3D > 人體重建的論文。列出主流方法家族、錨定 > 論文、關鍵 benchmark,以及新興的方向。 # Claude 內部: # 1. 呼叫 survey(topic, k=50) → 領域地圖 # 2. trends(topic) → 時序訊號 # 3. quote(...) 驗證有爭議的說法 # 4. find_baselines(top-3) 做比較 # → 回傳帶引用的綜合回答
現有工具是為坐在網頁前的人眼設計的。acceptpaper 是為替你工作的 LLM 智能體設計的。
| 能力 | acceptpaper | PaperQA2 | Elicit | OpenScholar |
|---|---|---|---|---|
| MCP 原生(智能體介面) | ✓ | — | — | — |
| 預蒸餾的結構化資料 | v1.2(7 類 + 6 欄位) | 純文字 | 半結構化 | 純文字 |
| 段落級檢索 | 1.15M 段落 | ✓ | ✓ | ✓ |
| 圖檢索(主圖 JPG) | 16K | 僅 v3 | — | — |
| 引用圖(已解析) | 365K 條邊 | 工具呼叫 | 部分 | 經 S2 |
| 依會議等級加權排序 | ✓ | — | — | — |
| 每次查詢成本(檢索) | $0 | $0.05–2 | $0.01–.50 | ~$0.10 |
| 領域聚焦 | CV/ML 頂會 | 偏生物 | 通用 | 通用 |
| 開源授權 | Apache 2.0(籌備中) | ✓ Apache | 閉源 | ✓ Apache |
| 實驗室語料可自代管 | 即將 | ✓ | — | 部分 |
一篇論文不只是文字。我們的蒸餾為每篇論文生產 30+ 個結構化欄位 —— 7 類貢獻分類、6 欄位敘事弧、帶 SOTA 旗標的數值化評測資料集、baseline 比較字串、關鍵模組、主圖元資料。智能體讀到的只是它需要的那一片切片,不必每次查詢都重新解析 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…"} }
代管服務對學術使用者永久免費。工具鏈以開源方式發布,任何實驗室都可以自代管自己的語料。
學術 / 研究用途免費 API key。只需簡單告訴我們你是誰、在做什麼 —— 我們用來決定優先級和擴充會議涵蓋。
申請 API Key通常 24 小時內回覆。