AI 科研，顶会文献加持

将顶会 Paper、专家 Skills、科研最佳实践，一并接入你的 AI 智能体

安装 MCP

添加到Claude ChatGPT

这些院校的学生与研究者正在使用

告别引用幻觉

顶会 Paper 全文索引，无引用幻觉

只收 CORE A* 与 CCF A 类会议。没有开放网络的灌水，每句话都能引回一篇 Paper。

全文语义检索

用自然语言检索整篇 Paper，附录也在内。

引用追溯

看一篇 Paper 引用了哪些工作，又被哪些后续工作引用。

科研最佳实践

同行评审、创新性、消融实验、评估方法、会议选择。审稿人真正看重的东西，只在需要时出现。

收录截止

Richard Hamming
Bell Labs
Andrej Karpathy
Anthropic
Bill Freeman
MIT
Nicholas Carlini
Anthropic
John Schulman
OpenAI
Jacob Steinhardt
UC Berkeley
Michael Nielsen
Astera Institute
Christopher Olah
Anthropic

亲历者说

取自塑造这些领域的学者：他们的演讲、访谈与笔记。

文献溯源

每一步，都有据可查。

从第一次检索文献到最后定稿，每一步都落在一篇 Paper 或一条实战经验上，不靠猜。

理清脉络，定位空白

ClaudeLune MCP

你

我刚接触检索增强生成（RAG），有哪些奠基性的论文？它们各自到底提出了什么？

智能体

Claude调用了Lunesearch_papers ·get_paper_fulltext [1]

RAG [1]、REALM [2]、Fusion-in-Decoder [3] 是这个方向的奠基之作；Self-RAG [4] 让模型自己决定何时检索。下面是 RAG 原文对自身框架的描述：

全文 · Lewis et al., NeurIPS 2020

We introduce RAG models where the parametric memory is a pre-trained seq2seq model and the non-parametric memory is a dense vector index of Wikipedia, accessed with a pre-trained neural retriever.

证据

ClaudeLune MCP

你

我有个想法：当检索到的上下文看起来不够好时，让 RAG 模型选择弃答或重新检索。这算新颖吗？真正的空白点在哪？

智能体

Claude调用了Lunesearch_papers ·search_research_guidance "novelty"

Self-RAG [1] 已经训练模型自己决定何时检索，单凭这一点很难算新颖。真正的空白：这个决策在领域迁移下很脆弱，而且几乎没人从成本角度评估它。

证据

Asai et al.ICLR 2024
创新性门槛最佳实践库

ClaudeLune MCP

你

帮我设计这个检索方法的评估方案。审稿人会期待哪些基线和消融实验？

智能体

Claude调用了Lunesearch_research_guidance "baselines, ablations" ·search_papers

审稿人会期待 BM25、像 DPR [1] 这样的稠密检索器，以及一个不检索的对照组，全部在 Natural Questions [2] 上评测。漏掉这个对照组是这个方向最常见的直接拒稿理由。

证据

ClaudeLune MCP

你

帮我起草相关工作里的一句话，把我的方法和已有的 RAG 研究区分开。

智能体

Claude调用了Luneget_paper_fulltext [1], [2]

起草好了，每一处引用都对照原文核对过：

与 REALM [1]（用掩码语言建模目标训练隐式检索器）和 Fusion-in-Decoder [2]（独立编码各文段、在解码器中融合）不同，我们的方法在生成前先做重排，从而把读者的上下文预算控制得很小。

证据

ClaudeLune MCP

你

我刚接触检索增强生成（RAG），有哪些奠基性的论文？它们各自到底提出了什么？

智能体

Claude调用了Lunesearch_papers ·get_paper_fulltext [1]

RAG [1]、REALM [2]、Fusion-in-Decoder [3] 是这个方向的奠基之作；Self-RAG [4] 让模型自己决定何时检索。下面是 RAG 原文对自身框架的描述：

全文 · Lewis et al., NeurIPS 2020

We introduce RAG models where the parametric memory is a pre-trained seq2seq model and the non-parametric memory is a dense vector index of Wikipedia, accessed with a pre-trained neural retriever.

证据

工作原理

让 AI 智能体成为严谨的研究助手。

Lune 让它在你常用的 AI 应用里检索、阅读和引用顶会 Paper。

你已经在用

你的 AI 客户端

Claude Code
ChatGPT
Cursor
Antigravity
Perplexity
+37

Lune MCP

科研工具

语义检索
全文阅读
引用追溯
论断核查

它读的是

顶会 Paper

CORE A* 或 CCF A 类会议，多数有全文

最佳实践

文献综述、评估设计、论文写作

Lune 让你的智能体立足顶会 Paper 中的可信知识，远离幻觉与开放网络的噪音。免费即可开始，支持你常用的 AI 应用，你的提问也始终保密。

三种接入方式

Lune 为你的科研工作流添砖加瓦。

挑个顺手的方式安装，支持所有智能体/LLM。

MCP 服务

一次接入，智能体即刻拥有搜索、引用追溯、全文与顶会动态。

https://mcp.luneresearch.com

解锁 Lune 核心能力

CLI

安装、切换团队、管理套餐，全程不离开终端。

npm install -g @retrograde-labs/lune-cli

在命令行里安装、使用 Lune

小程序

有据可查的工作流，由智能体端到端跑完。已上线三个：

助手评审工作空间

在网页端使用 Lune

定价

适合每一种科研人的方案

选一个带每日标准额度的套餐，超出之后再充点数即可。

免费版

10 次请求 / 天

Lune 全部功能，无任何限制
仅限一个个人账户
用 Google 或邮箱登录
随时充点数

免费注册

Pro

Max

$9.99

/ 月 · 600 次请求 / 天

包含 Pro 全部内容
每天 600 次检索或显示邮箱，是 Pro 的两倍
与团队共享套餐和点数
优先邮件支持

试用 Max

今天特别忙？$0.99 充 300 次额外请求。点数永不过期，所有套餐通用。

可信 AI 赋能学术研究

免费开始，无需绑卡

试用 Lune

AI 科研AI 科研AI 科研学术写作文献综述实验设计同行评审，顶会文献加持

顶会 Paper 全文索引，无引用幻觉

全文语义检索

引用追溯

科研最佳实践

每一步，都有据可查。

让 AI 智能体成为严谨的研究助手。

Lune 为你的科研工作流添砖加瓦。

MCP 服务

CLI

小程序

适合每一种科研人的方案

免费版

Pro

Max

可信 AI 赋能学术研究

AI 科研，顶会文献加持