Semantic Scholar 是由艾伦人工智能研究所（Allen Institute for AI，AI2）开发的免费学术搜索引擎。和普通关键词检索不同，它用 AI 去"理解"论文内容，帮研究者更快地发现、筛选、读懂文献，是做文献综述和科研调研的常用工具。
Semantic Scholar 是什么
按官方 API 页面的数据，Semantic Scholar 收录约 2.14 亿篇论文、24.9 亿条引用和 7900 万位作者，覆盖计算机、生物医学、物理等广泛学科。核心能力在"语义"二字：
- 语义搜索：不只是匹配关键词，而是理解查询意图，找出真正相关的研究。
- TLDR 一句话摘要：用 AI 为论文生成极简摘要，让你快速判断"这篇要不要细读"。
- 引文脉络：展示一篇论文引用了谁、被谁引用，并区分引用的性质，帮你顺着脉络追溯研究谱系。
- 高影响力标注：识别有影响力的引用和论文，辅助判断重要性。
- 作者与研究主题页：聚合某位学者或某个主题下的相关工作。
阅读与追踪工具
- Semantic Reader：增强型论文阅读器，在读 PDF 时直接显示引用文献的信息，不用来回跳页查参考文献。
- Research Feeds：根据你收藏的论文推荐新发表的相关研究，适合持续追踪一个方向。
- 收藏库：把论文存进自己的库里分类整理。
上手：做一轮文献调研
- 用自然语言描述问题去搜，不必拼关键词组合；按年份、领域、是否有 PDF 过滤结果。
- 先看每篇的 TLDR 海选，把值得细读的加进收藏库。
- 打开一篇核心论文，看「被引用」列表，顺着往后追最新进展；看「引用」列表往前追理论来源。
- 把收藏的论文设置成 Research Feeds，之后有新论文会自动推给你。
给开发者：API 与数据集
- API：不带密钥也能调用，但所有未认证用户共享一个限流池（官方写的是共享每秒 1000 次）；申请 API key 后起步限额是每秒 1 次，稳定性更好。
- 公开数据集：包括学术图谱数据集 S2AG、面向 NLP 与文本挖掘的语料 S2ORC 等，可用于二次开发和学术工具搭建。商业用途要先看 API 许可协议。
适合谁
- 科研人员 / 研究生：做文献综述、追踪领域进展、找相关工作。
- 学生：写论文时查资料、理清概念的来龙去脉。
- 需要读学术论文的人：想在大量文献里快速定位关键研究。
特点
- 完全免费：非营利机构出品，无订阅墙。
- AI 理解内容：TLDR 摘要和语义搜索降低文献筛选成本。
- 引文分析：引用网络和影响力信号帮助判断论文价值。
- 开放数据：提供 API 和公开数据集。
使用建议
用 TLDR 快速海选、再对重点论文精读，能大幅提升文献调研效率。顺着"被引用"链条往下追，常能找到该方向最新的进展。TLDR 是 AI 生成的摘要，引用前一定回到原文核对。它对英文文献覆盖最全，中文及部分小众领域收录相对有限，必要时结合 CNKI、Google Scholar 等其他数据库一起用。
和同类怎么选
- 要最大范围的覆盖、找引用次数：Google Scholar 覆盖更广。
- 想让 AI 直接读多篇论文并回答问题：可以配合 Perplexity 这类 AI 搜索或专门的论文问答工具。
价格
Semantic Scholar 完全免费，API 也对研究和开发者开放。