**PaperFlow：面向每日论文流的画像构建、推荐与自适应框架**

_PaperFlow: Profiling, Recommending, and Adapting Across Daily Paper Streams_

> 传统的科学论文推荐通常被看作静态排序问题，但真实阅读是兴趣漂移、反馈累积的日常过程。本文提出 PaperFlow 框架，将其分解为三个环节：画像构建——从冷启动证据中生成可解释的学术画像；推荐——在有限展示数量下融合多信号对每日论文流排序；自适应——利用不同反馈信号更新用户状态并建模兴趣漂移。同时构建了一个包含 24 个模拟用户、50 个每日论文流、1200 个用户天片段的长程基准，并用盲审人工评估验证自动指标。实验表明，PaperFlow 在循证排序、读者行为一致性及人工评估上均优于现有基线。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-08 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.07454)