Taxonomy v2: 标签体系优化 + 前端展示增强

[CMander02]

背景

已完成 taxonomy v1 的初步实现（3月4日、5日已重处理），当前体系为三维分类（capability/domain/research_type）+ 结构化元数据（base_model/key_technique/primary_benchmark）。

下一步计划

1. 标签体系优化

当前 tag list 过于粗粒度，无法体现具体的研究方向和使用方法。需要：

• 细化 capability 标签：当前 12 个大类太宽泛（如 "Reasoning & Planning" 覆盖了 CoT、ToT、MCTS、ReAct 等完全不同的方法），需要增加二级标签或更具体的方法标签
• 增加方法论标签：体现具体的技术路线，如 RL-based / Prompt Engineering / Fine-tuning / Distillation 等
• 修复分类违规：当前 prompt 约束不够强，偶尔出现 Benchmark/Evaluation 被放入 capability 等跨维度错误（约 3-5% 的概率）
• 标签应能回答：这篇论文用了什么方法？解决了什么具体问题？属于哪个细分研究方向？

2. 前端展示增强

当前详情页只展示 domain 和 research_type 两个 taxonomy 字段，需要更丰富的结构化信息展示：

• 基座模型：更好的展示方式（如 badge/chip），支持多模型列表
• Benchmark 列表：论文测试的所有 benchmark，不只是 primary_benchmark
• Baseline 对比：论文对比的 baseline 方法列表
• 训练配置：关键训练参数（数据规模、训练策略、硬件需求等）
• 研究思路抽取：更好的方法论 pipeline 可视化，而非纯文本 QA
• 标签聚合页：等全量回填完成后重新设计 taxonomy 统计页面

3. 全量回填

• 剩余 8 天（02/21~02/27, 03/03）共约 420 篇论文待处理
• 预计耗时 ~1.5h（并发4）或 ~70min 串行
• 需要先完成标签体系优化，避免二次回填

相关文件

• scripts/reprocess_day.py — 重处理脚本
• research/extract_taxonomy.py — taxonomy 原型
• web/src/components/paper-detail.tsx — 前端详情页
• web/src/types/paper.ts — 类型定义

优先级

标签体系优化 > 全量回填 > 前端展示增强