ScienceMadeReadable 論文搜尋解析：兩億筆資料如何接上 AI，引用怎麼查
ScienceMadeReadable 提供大規模論文搜尋與 MCP 入口。本文分清兩億筆紀錄、語意搜尋與摘要的範圍，示範如何追查 DOI、原文與研究限制。
ScienceMadeReadable 的論文搜尋入口最近在 X 引發討論：AI 助手能查大型學術資料庫，研究資料似乎不必再靠一頁頁搜尋結果慢慢找。
最容易誤解的地方，是把資料庫有兩億筆紀錄，想成 AI 已讀過兩億篇完整論文。
官方文件顯示，不同搜尋方式與可讀摘要有各自的涵蓋範圍。知道這個差別，才不會把找得到標題當成讀過研究內容。
這個服務適合協助建立候選文獻清單。要寫進報告的研究結論，仍應回到論文本身確認。
搜尋能縮短找到材料的時間，但候選清單還有一段路才會成為正式引用。從資料範圍開始分清楚，才能知道哪些工作交給工具，哪些要自己讀。
ScienceMadeReadable 的兩億筆資料代表什麼？
官方 2026 年 10 月 12 日版文件列出，關鍵字與查找入口涵蓋約 2.04 億筆紀錄，語意搜尋約 1.25 億筆。可讀解說集合則約 390 萬筆。
這三個數字描述不同集合，不能合併成「兩億篇都有完整 AI 解說」。資料規模也會更新，本文保留的是查核當時的文件資訊。
關鍵字搜尋主要找文字相符的材料。語意搜尋則試著找意思相關的內容，即使標題沒有使用完全相同的詞，也可能進入候選清單。
文件說明搜尋使用標題與摘要，不能據此推斷系統已經分析所有全文。摘要通常不會完整呈現方法細節、排除條件與補充資料，因此只能當作篩選起點。
官方另說明，搜尋主要涵蓋英文標題與摘要。某篇作品沒有可搜尋的英文摘要，可能無法出現在相同的搜尋流程中，所以結果清單並非全球研究的完整目錄。
資料也有時間邊界。這次版本以 10 月 5 日的 OpenAlex 快照為基礎，另加入每天取得的新紀錄。非常新的論文、引用與更正仍可能晚一點才反映，查詢日與作品發表日需要分開保留。
OpenAlex 是整理學術作品紀錄的資料來源，可以提供作品名稱、作者、刊物與引用關係。ScienceMadeReadable 在這些紀錄上提供搜尋入口，不等於擁有每篇研究的完整內容與使用權。
可讀解說集合也有條件，官方說明其材料來自符合範圍的開放作品。能找到書目、能取得全文與能製作解說，是三種不同能力，選工具時應依真正需要的那一種判斷。
先把研究問題寫成可搜尋的範圍
假設要研究「AI 是否改善學生寫作」，這個問題包含不同年齡、工具、作業與評量方式，直接搜尋容易把不相同的研究混在一起。
可以先指定對象與結果，例如高中生、修訂文章、教師評分，再分別搜尋工具使用與學習成效。這是本文的研究示例，沒有宣稱任何特定教學結果已經成立。
第一輪搜尋用來找到主題詞與代表文獻。閱讀摘要以後，再補上研究使用的名稱，通常比不斷換幾個相似的中文問句更容易縮小範圍。
第二輪可以查看相關研究是否引用同一份基礎文獻。引用數量提供線索，卻不能代替方法品質，更不能因為熱門就認定適用所有學生。
最後把候選清單分成直接回答、提供背景與需要再查三類，避免所有搜尋結果都進入正式報告。
DOI 與原文查核怎麼做？
每一項準備引用的研究，都應確認標題、作者、年份與刊物。DOI 是常用於定位學術作品的識別碼，適合用來減少同名或版本混淆。
AI 提供了 DOI，不代表它一定指向目前這篇研究。應打開對應頁面，核對書目，再看是否有期刊版、預印本或後續修訂。
讀到全文後，先找研究問題、樣本與方法，再看結論。這樣才能理解作者的判斷在哪些條件下成立，而不是只摘錄一句看起來很有說服力的結果。
若無法取得全文，可以說明目前依據的是摘要，不要寫成已經完成全文查核。文獻表也應保留鏈接與取得日期，讓後來閱讀的人知道材料邊界。
作品識別也要處理版本差異。官方說明，同一作品的預印本與發表版可能是不同紀錄，都出現在搜尋清單中，不能把兩筆紀錄直接算成兩項獨立證據。
預印本通常是正式刊登前或另一個階段公開的稿件，內容可能後續修改。正式報告應核對版本關係，再決定引用哪一份，避免把舊稿的結論與新稿的方法混在一起。
回傳紀錄中的作者欄位也有範圍。官方列出的姓名文字只包含前十二位，另有完整作者人數，引用時應回原始作品確認署名，不能猜測清單外的名字。
沒有 DOI 時，可保留 OpenAlex 的作品識別碼與頁面作為定位線索。它能讓人找回同一份紀錄，但研究結論的依據仍是實際讀到的論文內容。
用相似作品與引用關係補清單
找到兩三篇直接回答問題的作品後，官方工具可以搜尋相似論文，也能查看周圍的引用關係。這種延伸查找，有助發現初始問句未用到的研究名稱。
引用走訪會找參考文獻相近的作品，再提出值得往下閱讀的候選。它提供的是閱讀線索，不能把清單中的每一篇都寫成支持起始論文的結論。
在寫作教學示例中，兩篇作品可能都引用同一份評量方法，一篇測試高中生，另一篇研究大學生。共同引用讓它們容易相連，但對象差異仍會影響你能怎麼使用結果。
如果起始作品在資料快照中沒有參考文獻，引用走訪也可能無法完成。此時可以回論文的參考書目人工追查，而不是把沒有輸出理解成該研究孤立無援。
最後整理清單時，保留每篇入選或排除的理由。例如對象不符、只有背景關聯，或方法直接回答問題。這樣下一位讀者才知道清單是怎麼縮小，而非只看到 AI 挑出的十個標題。
用搜尋模式縮小候選範圍
官方提供語意與關鍵字兩種方式。語意搜尋適合描述研究問題，關鍵字則適合查指定縮寫、名稱或作者使用的固定詞組，兩者可以提供不同的候選材料。
在學生寫作的示例中，可以先用英文描述學生、修訂活動與評量結果，再從摘要找到學界實際使用的工具名稱。已知名稱以精確詞組再查一次，有助發現語意搜尋沒有排在前面的研究。
預設自動模式會依查詢內容選擇方式。引號與布林運算詞可能讓查詢走向關鍵字搜尋，若沒有符合結果，系統也可能回到語意搜尋，回傳資訊會說明這個差異。
因此，研究紀錄應同時保存問句、模式與篩選條件。否則兩位同學看似輸入相同主題，實際使用不同模式，卻把結果差異當成資料不可靠。
年份、作品類型與開放取用條件也能協助縮小範圍。例如先選綜述理解領域，再讀研究文章查看方法，通常比把所有結果依引用次數排序更符合入門需要。
這些是本文建議的搜尋順序，並非宣稱特定篩選組合會保證找到完整文獻。若問題仍太寬，應先重寫研究範圍，再增加回傳筆數。
MCP 入口能省哪一段時間？
MCP 可以理解為讓 AI 助手透過一致方式使用外部工具的連接介面。它讓搜尋較容易接進對話流程，並不會取消資料服務本身的限制。
官方文件列出每次回傳數量與呼叫速率限制。大量查詢時應依當前文件安排，而不是把 X 上較早的限制數字當成永久設定。
對不熟悉串接的人，可以先確認自己是否真的需要自動搜尋。少量文獻整理用一般入口可能就足夠。只有重複工作明顯時，才值得加入額外連接流程。
官方 10 月 12 日文件列出的公開限制為每分鐘三十次請求。MCP 呼叫與一般搜尋使用相同額度，超過限制會回傳需等待多久的資訊，連接介面並不增加資料服務容量。
每次搜尋可要求一到一百筆，沒有分頁。若想找更多方向，應調整研究問題與篩選條件，不能假設一直往後翻就能列出所有符合文獻。
對代理工作來說，可以先只取得書目，選出要保留的作品，再讀較完整紀錄與摘要。這能減少助手反覆接收不會引用的材料，也讓人工查核集中在重要作品。
回傳的相似度分數，適合在同一搜尋內比較結果。不同問句的分數不宜直接排成研究品質榜，因為它衡量的是與該次查詢的接近程度。
服務也提供降低疑似雜訊紀錄排名的模型分數，但官方明說，它不判斷論文結論是否正確。資料薄弱的真實作品也可能被往下排，所以分數只能幫忙篩選。
搜尋結果會排除資料源已標記的撤稿作品，然而資料更新有時差。對準備引用的關鍵研究，仍應查看原刊物是否另有更正或撤稿資訊，尤其當結果會支撐重要判斷時。
若遇到暫時服務不可用，應依錯誤內容稍後再試，並保留已取得的清單。重複大量查詢不會補齊缺少的全文，反而讓研究時間花在維護連線上。
把候選清單整理成能引用的筆記
搜尋結束後，可以建立一份閱讀表，把書目資料與自己的判斷分成不同欄位。作品名稱、作者與年份來自紀錄，對研究問題的關聯則由閱讀者說明，兩者不要混成同一段摘要。
以前面的學生寫作題目為例，筆記可以記錄研究對象、使用工具、是否有比較組，以及用什麼方式評分。這些欄位要從實際讀到的材料填寫，找不到就保留缺漏，不能請 AI 用常見做法補齊。
接著寫一句該研究能回答的問題。若作品只測試一次作業的分數，就先保留這個範圍，不能擴寫成學生長期能力提高，除非論文也提供相應追蹤證據。
AI 可以協助把閱讀表排成易懂的段落，但每個結論應保留對應作品。摘要中出現的數字與對象，最好能直接定位到原文段落，才方便自己與審閱者回查。
引用之前也要檢查是否重複計算同一研究。兩篇文章若使用相同資料或只是不同版本，應說明關係，而不是把篇數增加解讀成證據更強。
正式報告可以把直接回答的文獻放在核心論述，背景材料用來解釋名詞，未讀到全文的作品則留在後續閱讀清單。這個分類讓讀者清楚知道，哪些結論已經完成查核。
最後保存本次搜尋與整理日期。下次更新時，先對照新增作品、更正與版本，再決定是否修改結論，不必把已經查核過的每一篇重新從頭找一次。
ScienceMadeReadable 常見問題
搜尋不到就代表沒有研究嗎？
不一定。主題可能使用其他術語，資料也可能尚未納入或沒有可搜尋的摘要。應換用正式名稱、相關領域詞與其他學術入口交叉查找。
可讀解說可以直接當作論文引用嗎？
解說適合建立理解，但研究結論應引用原始作品。若只看瞭解說，就應清楚保留這個閱讀界線，避免讓讀者以為你核對過全文。
這些結果適合直接用來做醫療決策嗎？
本篇介紹的是文獻搜尋工作。單篇摘要與 AI 整理不構成個人的診斷或治療依據，涉及健康決策時應由具資格的人員依完整情況判斷。
從十篇候選文獻開始
ScienceMadeReadable 讓大型學術資料較容易進入 AI 工作流程。真正的研究品質，仍取決於問題是否清楚，以及引用是否回到正確作品。
先挑一個具體問題，找出十篇候選文獻，再選三篇打開原文查核。把可確認與尚未確認的資訊分開記錄，就能看出這個入口是否適合你的研究方式。
延伸閱讀：AI 數學證明為何還需要人理解？從陶哲軒部落格討論，建立可靠解題教學流程
延伸閱讀：NVIDIA 研究用「關鍵修正」挑模型：還不會完整解題，也能看見程式潛力
