OpenScholarXIVでarXivの論文阅读を日常の習慣に

開発者也好、ML研究者也好都有自己的打开的标签页墓地。通常会有几十篇arXiv的预印本躺在那里，从来没有被真正阅读过。在手机上阅读多页PDF很不方便，在移动浏览器上布局会崩溃，工作一天后还要解析公式更是令人疲惫。最终，这些标签页会堆积数周，直到浏览器决定将它们从内存中驱逐出去。

最近发现了一个有趣的项目，叫做OpenScholarXIV。这是一个用Flutter构建的arXiv开源移动客户端。应用作者决定将熟悉的预印本阅读器与内置的Gemini驱动的AI助手结合起来。

プロジェクトの仕組み

ほとんどの非公式なarXivクライアントは単なるリンク集約として機能し、システムPDFビューアを開いて終わりだ。OpenScholarXIVはさらに踏み込んでいる。アプリがアーカイブの公式APIを通じてメタデータを取得し、ドキュメント構造を解析し、インターフェース内で直接テキストを操作できる。

ここでの主なハイライトはBYOK（Bring Your Own Key）コンセプトだ。アプリの作成者は、ニューラルネットワークリクエストのための有料サブスクリプションを備えた独自のバックエンドを構築したくなかった。代わりに、設定画面に自分のGoogle Gemini APIキーを貼り付ける。リクエストはデバイスから直接送信されるため、サードパーティのサブスクリプション料金を支払う必要がなくなり、Geminiの無料枠で十分だ。

アプリが実際にできること

インターフェースはクリーンでMaterial Youのガイドラインに準拠しており、Androidテーマに合わせて配色が変わる。日常の研究作業に便利なツールがいくつか用意されている。

クイックサマリーと音声再生

新鮮な30ページの記事が出たとき、それ今晚読む価値があるかどうかは必ずしも明確ではない。OpenScholarXIVでは、モデルが生成した簡単なサマリーをすぐに開ける。車を運転中や散歩中には、システムテキスト読み上げ機能を使ってアプリがサマリーを音読できる。

プレプリントの内容についてチャットする

要約に興味があれば、面白い部分是ここから始まる。記事のすぐ下でチャットを開き、テキストについて質問できる。例えば「第二の実験で著者が使った損失関数は何ですか？」や「このアプローチは古典的なLoRAとどう違うのですか？」と尋ねると、モデルは論文の内容内を検索して、付録の表を手動でスクロールする必要なく主要なポイントを提供する。

検索と分類

アプリでは、著者やカテゴリ（cs.AI、cs.CV、physicsなど）で素材をフィルタリングしやすい。好みの記事をブックマークに保存したり、卡片内で直接個人的なメモを追加したりできる。

内部構造

プロジェクトはDartを使用しFlutterフレームワークで書かれている。レポジトリはGPL-3.0ライセンスで配布されている。

コードベースを見ると、アーキテクチャは小型モバイルユーティリティに典型的なものだ。著者はクライアントの自律性に重点を置いており、アプリは直接arXiv XML APIエンドポイントを呼び出し、クライアント側でレスポンスを解析して、スマートデバイス上にブックマークと履歴をローカル保存する。

現在のバージョンの欠点の一つは、レポジトリ内のドキュメントが不足していることだ。READMEは数段落とスクリーンショットのリストのみで、ソースからプロジェクトをビルドするための詳細なガイドがない。ただし、プロジェクトはオープンソースであり、Flutter SDKがインストールされていれば、ローカルでAPKをビルドするのは簡単だ：

git clone https://github.com/ScholarXIV/OpenScholarXIV.git
cd OpenScholarXIV
flutter pub get
flutter run

コマンドラインビルドを避けたい人のために、GitHubのリリースセクションにインストール可能なAPKファイルが用意されている。

このレポジトリが役立つ人

機械学習やコンピュータサイエンスの新しい論文をフォローしているなら、OpenScholarXIVは二つの問題を同時に解決する。まず、ブックマークと検索を備えた適切なスマホリーダーが手に入る。さらに、内蔵のチャットは初期の資料スクリーニングにかかる時間を大幅に節約できる。

Flutter開発者にとって、このレポジトリは中間サーバーなしでモバイルアプリにサードパーティのLLM APIをクリーンに統合する方法の明確な例として機能する。APKを試すか、プロジェクトのGitHubページでソースコードを詳しく調べることができる。