No. 001 · The Reader · open-beta Chrome extension 第 001 号 · 阅读器 · Chrome 扩展 · 公测中 Issued · May 2026 发行 · 2026 年 5 月 arXiv / PDF / ar5iv arXiv / PDF / ar5iv

Read papers like a researcher, not a tab hoarder.⁰⁰¹

像研究者那样读论文，而不是囤积标签的人。⁰⁰¹

Add to Chrome · free 添加到 Chrome · 免费 View source → 查看源码 → v0.1 · open beta · MIT v0.1 · 公测 · MIT

What

A reading desk with an AI in the margin.

How

Citation-aware. Quiet until you ask.

Who

Your keys. Your model. Local-first.

是什么

一张书桌，AI 住在页边。

怎么读

识别引文。你不问，它不响。

谁掌舵

你的密钥，你的模型，本地优先。

scroll ↓ 向下 ↓

Defn.

释义

paper · flow /ˈpeɪpə fləʊ/

纸 · 流 /zhǐ liú/

n. noun · uncountable

名 · 不可数

1.Reading papers without losing your place — or the thread of why you started.

2.A Chrome extension that turns PDF tabs into a quiet, AI-assisted reading desk.

1.读论文时不再丢失批注、位置，以及最初翻开它的理由。

2.一个把 PDF 标签变成安静的、AI 协助的阅读桌的 Chrome 扩展。

— I. The Manifesto

— 一 · 缘起

Reading is not collecting. Reading is finishing.

读，不是收集。读，是把它读完。

You open a preprint at 10:42 a.m. By 6:13 p.m. it's still unread, wedged between thirty tabs that all promised the same thing.

A paper deserves more than a tab. It deserves a desk.

PaperFlow is a reading desk — the AI lives in the margin. You highlight; it remembers. You ask; it answers from the passages it read.

早上 10:42 打开 preprint，下午 6:13 还没读，挤在三十个同样许诺的标签之间。

一篇论文值得的，不是标签页，而是一张书桌。

PaperFlow 是一张书桌——AI 住在页边。你划线，它记住；你提问，它从你读过的段落里回答。

Pl. I · the reader

图版一 · 阅读器

A spread, not a sidebar.

是一页跨页，不是侧栏。

↳ compare to Switch Transformer routing — does the quantized router help under load imbalance?

↳ 与 Switch Transformer 的路由对照——量化路由器在负载不均衡时还有效吗？

Sparse Mixtures of Discrete Retrievers for Open-Domain Reasoning

L. Aldana, J. Park, M. Petrov, S. Yeo · 2024

3.2 Routing. We introduce SMoDR, a sparse mixture of discrete retrievers that decouples retrieval from reasoning at the token level^[3]. By routing only the top-k experts per query token, SMoDR achieves a 2.4× speedup over dense baselines while improving exact-match by 3.1 points^[7].

ℒ_route = 𝔼_q∼𝒬[ −log Σ_{k∈𝒯_q} π_θ(k|q)·s(k,q) ] (3)

The router is trained jointly with a contrastive objective, similar in spirit to prior work on sparse MoE^[12], but with a quantized expert identity that compresses the dispatch tensor by an order of magnitude.

— 7 —

You · 14:02

Plain English: what does eq. 3 actually do?

PaperFlow

It's a router loss. For each query q, only the experts in the top-k set 𝒯_q contribute^[3]; the model is rewarded when those experts score the query well. The trick is decoupling routing from reasoning^[5].

You · 14:06

Compare with Switch Transformer routing.

PaperFlow

Switch routes tokens to a single dense expert; SMoDR routes queries to a sparse set of discrete retrievers^[12]. Equivalent capacity, but quantized identities cut dispatch memory ~10×^[14].

你 · 14:02

用大白话讲：式 3 到底在做什么？

PaperFlow

这是一个路由损失。对每个查询 q，只有 top-k 集合 𝒯_q 里的专家参与计算^[3]；当这些专家给该查询打高分时，模型获得奖励。关键在于把"路由"和"推理"解耦^[5]。

你 · 14:06

和 Switch Transformer 的路由对比一下。

PaperFlow

Switch 把令牌路由到单一稠密专家；SMoDR 把查询路由到一小组离散检索器^[12]。容量相当，但量化的专家身份把分派张量压缩了约 10 倍^[14]。

Ask about §4.1…⌘ ⏎

问问 §4.1…⌘ ⏎

— 8 —

— II. Index of Features

— 二 · 功能目录

Six things, done quietly.

六件事，安静地做好。

f. 01

Citation-aware chat

Answers grounded in the passages read. Superscripts jump back.

p. 011

f. 01

引文级对话

回答锚定原文。上标即出处，点击即跳回。

p. 011

f. 02

A 30-second overview

Contributions, keywords, outline — the moment it opens.

p. 024

f. 02

三十秒概览

论文一打开，贡献、关键词、大纲就在那里。

p. 024

f. 03

Footnotes that talk back

Hover a citation; it resolves inline.

p. 038

f. 03

会回话的脚注

悬停引文，参考文献当场展开。

p. 038

f. 04

A canvas of cited papers

Your reading list as a graph you can pan.

p. 049

f. 04

一张引文画布

你的阅读图谱，一张可平移的画布。

p. 049

f. 05

A library that remembers

Every paper, highlight, note — searchable; Markdown-exportable.

p. 064

f. 05

能记住事情的书库

论文、划线、笔记——可搜，可导出。

p. 064

f. 06

Bring your own model

OpenAI, Anthropic, Gemini, DeepSeek, Ollama. Your keys.

p. 077

f. 06

自带模型

OpenAI、Anthropic、Gemini、DeepSeek、Ollama——你的密钥。

p. 077

— III. The Reading Ritual

— 三 · 阅读仪式

From arxiv.org/abs/… to finished, in four turns.

从 arxiv.org/abs/… 到读完，四步。

Pin the walnut icon.

Touches only arXiv and PDF tabs.

一

把核桃色图标钉在工具栏。

只触碰 arXiv 与 PDF 标签。

ii.

Open any paper.

arXiv, hosted PDF, or local file://.

二

打开任何一篇论文。

arXiv、托管 PDF，或本地 file://。

iii.

Bring a model.

Paste a key. Stored locally.

三

带上一个模型。

粘贴密钥，仅存本地。

iv.

Read. Ask. Save.

Highlight, chat, search — one ⌘K away.

四

读，问，留下。

划线、对话、检索——只在 ⌘K 之外。

— IV. Privacy as default

— 四 · 默认即隐私

Your keys.
Your models.
Your papers.

你的密钥。
你的模型。
你的论文。

Storage

Local — chrome.storage.local.

存储

本地 — chrome.storage.local。

Sync

Optional. End-to-end encrypted.

同步

可选，端到端加密。

Tracking

None. No analytics, no telemetry.

追踪

无。无分析，无遥测。

Source

MIT. Self-host the sync server.

源代码

MIT 开源，可自建同步。

— VI. Marginalia

— 六 · 杂记

Things people asked us in the margin.

那些读者写在页边的问题。

Is it free? +

Free for personal reading. You pay your model provider directly.

免费吗？+

个人阅读永久免费。模型费用直付提供方。

Which models? +

Any OpenAI-compatible endpoint: Claude, Gemini, DeepSeek, Ollama, LM Studio.

哪些模型？+

任何 OpenAI 兼容接口：Claude、Gemini、DeepSeek、Ollama、LM Studio。

Do you see my papers? +

No. Traffic goes browser → provider. Nothing through us.

你们看到我的论文吗？+

看不到。流量从浏览器直达提供方。

Firefox? Safari? +

Chrome & Edge now. Firefox soon. Safari later.

Firefox？Safari？+

现支持 Chrome 与 Edge。Firefox 在做。

Read papers like a researcher, not a tab hoarder.⁰⁰¹

像研究者那样读论文，而不是囤积标签的人。⁰⁰¹

paper · flow /ˈpeɪpə fləʊ/

纸 · 流 /zhǐ liú/

Reading is not collecting. Reading is finishing.

读，不是收集。读，是把它读完。

A spread, not a sidebar.

是一页跨页，不是侧栏。

Sparse Mixtures of Discrete Retrievers for Open-Domain Reasoning

Six things, done quietly.

六件事，安静地做好。

From arxiv.org/abs/… to finished, in four turns.

从 arxiv.org/abs/… 到读完，四步。

Pin the walnut icon.

把核桃色图标钉在工具栏。

Open any paper.

打开任何一篇论文。

Bring a model.

带上一个模型。

Read. Ask. Save.

读，问，留下。

Your keys.
Your models.
Your papers.

你的密钥。
你的模型。
你的论文。

Things people asked us in the margin.

那些读者写在页边的问题。

Stop hoarding tabs.
Start finishing papers.

别再囤积标签页。
把论文，一篇一篇读完。

Read papers like a researcher, not a tab hoarder.001

像研究者 那样读论文， 而不是囤积标签的人。001

paper · flow /ˈpeɪpə fləʊ/

纸 · 流 /zhǐ liú/

Reading is not collecting. Reading is finishing.

读，不是 收集。读，是把它读完。

A spread, not a sidebar.

是一页跨页，不是侧栏。

Sparse Mixtures of Discrete Retrievers for Open-Domain Reasoning

Six things, done quietly.

六件事，安静地做好。

From arxiv.org/abs/… to finished, in four turns.

从 arxiv.org/abs/… 到 读完，四步。

Pin the walnut icon.

把核桃色图标钉在工具栏。

Open any paper.

打开任何一篇论文。

Bring a model.

带上一个模型。

Read. Ask. Save.

读，问，留下。

Your keys.Your models.Your papers.

你的密钥。你的模型。你的论文。

Things people asked us in the margin.

那些读者写在页边的问题。

Stop hoarding tabs.Start finishing papers.

别再囤积标签页。把论文，一篇一篇读完。

Read papers like a researcher, not a tab hoarder.⁰⁰¹

像研究者那样读论文，而不是囤积标签的人。⁰⁰¹

读，不是收集。读，是把它读完。

从 arxiv.org/abs/… 到读完，四步。

Your keys.
Your models.
Your papers.

你的密钥。
你的模型。
你的论文。

Stop hoarding tabs.
Start finishing papers.

别再囤积标签页。
把论文，一篇一篇读完。