面向 3D Vision、Robotics、Embodied AI、AIGC 与 LLM Agents 的自动化 ArXiv 研究雷达。
🌐 Live Site · 🕸️ Knowledge Graph · 📡 RSS Feed · 🚀 Deploy Your Own
3DArxiv 是一个完全静态、由 GitHub Actions 自动驱动的研究情报系统。它每天从 ArXiv 拉取指定领域论文，生成可检索的论文列表、RSS Feed、AI 中文摘要，并基于语义向量构建知识图谱，用于快速发现论文之间的主题、作者与历史关联。
适合以下场景：
- 持续跟踪 3D Vision / Robotics / Embodied AI / AIGC / LLM Agents 最新论文；
- 通过语义知识图谱发现相关工作、研究脉络与潜在交叉方向；
- 用 RSS 或 Telegram 将每日论文流接入自己的研究工作流；
- Fork 后快速搭建团队/个人专属 ArXiv 监控站点。
| 模块 | 能力 |
|---|---|
| 论文聚合 | 每日自动更新，追踪 17 个 ArXiv 方向；支持历史缓存与跨领域去重提示 |
| 智能筛选 | 标题、作者、摘要、领域全文搜索；子方向标签；精选论文过滤 |
| AI 摘要 | Gemini 自动生成中文 TL;DR，帮助快速判断论文价值 |
| 语义知识图谱 | Gemini Embedding + Canvas 力导向布局，展示语义相似、历史关联与共同作者边 |
| 个人工作流 | 收藏夹、阅读状态、笔记、BibTeX 复制、永久链接、RSS 订阅 |
| 自动发布 | GitHub Actions 定时构建，GitHub Pages 零服务器部署 |
- 论文列表页：按日期与领域组织论文，支持全文检索、标签筛选、精选过滤、BibTeX 复制、收藏与笔记；
- 统计面板：查看每日论文数量趋势、领域分布、精选论文占比和访问数据；
- 知识图谱页：通过动态力导向图探索论文之间的语义相似、历史关联与共同作者关系；
- 订阅与推送：提供 RSS 2.0 Feed，并支持 Telegram 每日摘要推送。
最新界面请直接访问 Live Site 与 Knowledge Graph。
| 领域 | 每日上限 | 说明 |
|---|---|---|
Robotics (cs.RO) |
300 | 机器人学全领域 |
| 3D Vision | 120 | 3D 重建、多视角、点云等方向 |
| NeRF | 80 | Neural Radiance Field 与神经渲染 |
| Gaussian Splatting | 60 | 3D Gaussian Splatting 及相关表示 |
| Digital Human | 80 | 数字人、人体渲染、人体重建 |
| Gaussian Avatar | 80 | Gaussian Avatar、4D Gaussian、SMPL |
| Human Body | 60 | 人体重建、姿态估计、参数化人体模型 |
| Video World Models | 100 | 视频世界模型与生成式环境建模 |
| Embodied Intelligence | 50 | 具身智能、VLA、灵巧操作 |
| End-to-End AD | 50 | 端到端自动驾驶、BEV、Occupancy、规划 |
| Foundation Models | 50 | 多模态基础模型与通用智能体 |
| Spatial AI | 50 | 空间智能、空间推理、3D 场景理解与世界模型 |
| Spatial Agents | 50 | 空间智能体、具身智能体、视觉语言导航与交互规划 |
| RL for AIGC | 50 | AIGC / 生成式模型中的强化学习、奖励模型与偏好优化 |
| LLM Agents with Reinforcement Learning | 50 | LLM Agent、工具使用、规划、交互与强化学习 |
| Generative Recommendation Systems | 50 | 生成式推荐系统、个性化推荐与序列推荐 |
| Generative Search Engines | 50 | 生成式搜索、生成式检索、神经搜索与答案生成 |
| Generative POI Search and Recommendation | 50 | 生成式 POI 搜索、位置推荐与地理空间推荐 |
Computation and Language (cs.CL) |
150 | NLP 与语言模型 |
Information Retrieval (cs.IR) |
150 | 信息检索与搜索系统 |
Machine Learning (cs.LG) |
150 | 机器学习通用方向 |
Multimedia (cs.MM) |
150 | 多媒体理解、生成与检索 |
知识图谱用于把每日论文从“线性列表”升级为“可探索网络”：
- 语义相似边：基于 Gemini Embedding 计算论文间语义距离；
- 历史关联边：对新论文进行 ArXiv 相关论文回溯，连接早期相关工作；
- 共同作者边：显示新论文之间的作者交集；
- 动态力导向布局：支持缩放、拖拽节点、筛选标签、时间轴过滤和详情侧栏；
- 节点编码：本周新论文与历史论文使用不同视觉样式，精选/顶会论文高亮展示。
访问：https://wastoon.github.io/3DArxiv/graph.html
flowchart TD
A[GitHub Actions<br/>daily / manual trigger] --> B[ArxivFeed<br/>fetch ArXiv + render HTML]
B --> C[target/cache.json]
C --> D[generate_graph.py<br/>embedding + related papers]
C --> E[generate_rss.py<br/>RSS 2.0]
C --> F[generate_summary.py<br/>Gemini Chinese TL;DR]
C --> G[generate_figures.py / citations / stats]
D --> H[target/graph.json]
E --> I[target/rss.xml]
F --> J[target/summary.json]
H --> K[GitHub Pages]
I --> K
J --> K
G --> K
K --> L[Website / Knowledge Graph / RSS]
- Frontend：Static HTML / CSS / JavaScript、Canvas 2D、Chart.js、KaTeX、Remix Icon；
- Pipeline：Python 3.11、ArxivFeed、GitHub Actions、GitHub Pages；
- AI：Gemini
gemini-2.0-flash（摘要）与gemini-embedding-001（语义向量）； - Persistence：
cache.json发布到 Pages，data/embeddings.json通过 Actions cache 持久化。
点击右上角 Fork，复制到你的 GitHub 账号下。
修改站点名称、缓存地址与追踪领域：
site_title = "MyArxiv"
limit_days = 30
cache_url = "https://<github_username>.github.io/<repo>/cache.json"
[[sources]]
limit = 50
category = "cs.RO"
title = "Robotics"
category支持 ArXiv API 查询语法，复杂查询建议控制limit，并避免过宽泛条件。
进入 Settings → Secrets and variables → Actions 添加：
| Secret | 用途 | 必须 |
|---|---|---|
GEMINI_API_KEY |
生成 AI 摘要与语义知识图谱 | 推荐 |
TELEGRAM_BOT_TOKEN |
Telegram Bot 推送 | 可选 |
TELEGRAM_CHAT_ID |
Telegram 推送目标会话 | 可选 |
UMAMI_API_TOKEN |
站点访问统计 | 可选 |
没有 GEMINI_API_KEY 时，摘要能力不可用；知识图谱会尽可能降级使用本地相似度逻辑。
在 Settings → Pages 中选择 gh-pages 分支作为发布源。
进入 Actions → Update → Run workflow 手动触发。之后工作流会按计划每天自动更新。
项目的每日更新由 .github/workflows/update-feed.yml 驱动：
- 下载并缓存 ArxivFeed；
- 串行请求 ArXiv API，避免触发限流；
- 生成静态首页与
cache.json； - 恢复并更新 Embedding cache；
- 生成知识图谱、RSS、AI 摘要、论文首图、引用关系与访问统计；
- 发布到 GitHub Pages；
- 可选发送 Telegram 每日摘要。
3DArxiv/
├── config.toml # ArxivFeed 主配置：站点、缓存、领域查询
├── includes/
│ └── index.hbs # 首页 Handlebars 模板
├── statics/
│ ├── index.css # 首页样式
│ ├── index.js # 搜索、筛选、收藏、统计等前端逻辑
│ └── graph.html # 知识图谱页面
├── scripts/
│ ├── config.rhai # 标题、作者、会议高亮配置
│ ├── run_arxivfeed_serial.py # Actions 中串行运行 ArxivFeed，规避 ArXiv 限流
│ ├── generate_graph.py # 语义知识图谱生成
│ ├── generate_rss.py # RSS Feed 生成
│ ├── generate_summary.py # AI TL;DR 生成
│ ├── generate_figures.py # 论文首图抓取
│ ├── generate_citations.py # 引用关系抓取
│ └── notify_telegram.py # Telegram 推送
├── data/
│ └── README.md # 数据目录说明，embedding 缓存由 CI 维护
└── .github/workflows/
└── update-feed.yml # 每日更新与发布工作流
- 调整关注领域：修改
config.toml中的[[sources]]； - 新增高亮关键词：编辑
scripts/config.rhai； - 扩展前端标签：修改
statics/index.js的TAG_RULES； - 扩展图谱标签：修改
scripts/generate_graph.py的TAG_RULES； - 调整页面样式：修改
statics/index.css与includes/index.hbs。
本项目基于 MyArxiv 模板演进，并由 ArxivFeed 提供核心抓取与渲染能力。感谢 ArXiv、Semantic Scholar、Google Gemini 与 GitHub Pages 生态提供的开放基础设施。
Built for researchers who want a calmer, smarter, and more connected ArXiv workflow.