把文献变成 可交付的研究成果
PaperQ（派查）是一个面向科研与求职场景的 AI 工具集：一边帮你读懂论文，一边帮你打磨简历。
两大工具
怎么用
检索文献
输入关键词，一次覆盖三大文献源，按相关度或时间排序，最多 20 篇。
AI 总结
勾选文献，AI 提炼背景、方法、实验与结论，并给出可落地实验方案，可继续追问。
导出交付
打印为带引用链接的 PDF，或导出 BibTeX / Word，直接用于写作与投递。
核心能力
多源检索
arXiv、Semantic Scholar、OpenAlex 一次搜全。
结构化总结
统一格式，重点突出，便于落地执行。
引用可点击
导出 PDF 文末参考文献一键溯源。
多模型免费
GLM-4-Flash、Qwen2.5-7B、Gemini 等免费可选。
匹配度诊断
简历对照 JD 给出评分与待补强项。
ATS 检测
检测简历解析兼容性，规避被筛风险。
一份示例总结
《Attention Is All You Need》结构化总结
核心问题：传统序列模型依赖 RNN，难以并行且长程依赖弱。方法：提出 Transformer，完全基于自注意力机制实现并行化建模。实验：在 WMT14 英德翻译上 BLEU 提升 2+，训练速度显著加快。
[1] Vaswani et al. (2017) arXiv:1706.03762 — https://arxiv.org/abs/1706.03762