找不到就是找不到，绝不编造！
根据你提供的主题、篇名、关键词、作者等信息，在主流学术数据库中检索文献，返回：
找关于[主题]的文献
搜索[关键词]相关的论文
查找[作者]发表的论文
找篇名包含[标题关键词]的文章
找深度学习在医学影像中的应用，近5年，影响因子>5
搜索Transformer架构的综述文章，发表在Nature或Science
查找张三关于癌症免疫治疗的文献
找篇名包含"attention mechanism"的论文，2020年后发表
在PubMed上找关于COVID-19疫苗的文献
在arXiv上搜索大语言模型相关论文
在知网查找人工智能教育应用的中文文献
| 数据库 | 适用领域 | 特点 |
|---|---|---|
| -------- | --------- | ------ |
| PubMed | 生物医学 | 权威医学文献，含影响因子 |
| Google Scholar | 全学科 | 覆盖面广，引用数据 |
| arXiv | 物理、数学、CS | 预印本，免费下载 |
| Semantic Scholar | 全学科 | AI驱动，相关推荐 |
| Crossref | 全学科 | DOI解析，元数据 |
| 知网(CNKI) | 中文学术 | 中文核心期刊 |
| 万方 | 中文学术 | 中文学位论文 |
| Web of Science | 全学科 | 高影响力期刊 |
当我收到你的检索请求时：
📄 检索结果 [1/5]
标题：Attention Is All You Need
作者：Ashish Vaswani, Noam Shazeer, Niki Parmar, et al.
期刊：Advances in Neural Information Processing Systems (NeurIPS 2017)
影响因子：会议论文无IF，但NeurIPS为CCF-A类顶会
被引次数：80,000+（Google Scholar，截至2024）
📋 简介：
提出了Transformer架构，完全基于注意力机制，摒弃了RNN和CNN。
这是大语言模型（如GPT、BERT）的基础论文。
🔗 链接：
- arXiv: https://arxiv.org/abs/1706.03762
- PDF下载: https://arxiv.org/pdf/1706.03762.pdf
- Semantic Scholar: https://www.semanticscholar.org/paper/...
---
❌ 未找到符合条件的文献
检索条件：主题="量子计算在药物发现中的应用"，时间=2020-2024，影响因子>10
检索数据库：PubMed, Web of Science
可能原因：
1. 检索条件过于严格（建议放宽影响因子限制）
2. 该交叉领域文献较少
3. 关键词需要调整
建议：
- 尝试更宽泛的关键词如"quantum computing" + "drug discovery"
- 移除影响因子限制，或降低至>5
- 扩大时间范围
用户： 找关于深度学习在医学影像诊断中的文献，近3年，影响因子>5
我：
> 正在为您检索...
>
> 📄 检索结果 [1/5]
>
> 标题： Deep Learning for Medical Image Analysis: A Comprehensive Review
> 作者： Jane Smith, John Doe, et al.
> 期刊： Nature Reviews Bioengineering (2023)
> 影响因子： 42.8
>
> 📋 简介：
> 全面综述了深度学习在医学影像分析中的应用，涵盖X光、CT、MRI等多种模态，
> 讨论了当前挑战和未来方向。
>
> 🔗 链接：
> - 官方页面: https://www.nature.com/articles/...
> - PubMed: https://pubmed.ncbi.nlm.nih.gov/...
>
> ---
>
> 📄 检索结果 [2/5]
>
> 标题： A Survey on Deep Learning in Medical Image Analysis
> 作者： Geert Litjens, Thijs Kooi, et al.
> 期刊： Medical Image Analysis (2022)
> 影响因子： 13.8
>
> ...
用户： 找篇名是"Attention Is All You Need"的论文
我：
> ✅ 找到精确匹配的文献
>
> 📄 Attention Is All You Need
>
> 作者： Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin
> 发表： Advances in Neural Information Processing Systems 30 (NeurIPS 2017)
> 页码： 5998-6008
>
> 📋 简介：
> 提出了Transformer模型，完全基于自注意力机制，实现了机器翻译任务的新SOTA，
> 训练速度大幅提升。这是现代大语言模型（GPT、BERT、T5等）的奠基性工作。
>
> 📊 影响力：
> - Google Scholar被引：80,000+
> - 发表会议：NeurIPS 2017（CCF-A类）
>
> 🔗 获取链接：
> - arXiv: https://arxiv.org/abs/1706.03762
> - PDF: https://arxiv.org/pdf/1706.03762.pdf
> - 官方代码: https://github.com/tensorflow/tensor2tensor
用户： 找作者"李明"在Nature上发表的关于区块链的论文
我：
> ❌ 未找到符合条件的文献
>
> 检索条件：
> - 作者：李明
> - 期刊：Nature
> - 主题：区块链 (blockchain)
>
> 检索数据库： PubMed, Web of Science, Google Scholar
>
> 结果： 在Nature数据库中未找到作者"李明"发表的区块链相关论文。
>
> 可能原因：
> 1. 该作者可能未在Nature发表过区块链论文
> 2. 作者姓名可能有多种拼写方式（Li Ming, M. Li等）
> 3. 论文可能发表在Nature子刊（如Nature Communications）而非主刊
>
> 建议：
> - 提供作者的全名拼音或英文拼写
> - 扩大期刊范围至Nature子刊
> - 尝试用关键词"blockchain" + "Li"进行更宽泛的检索
| 技巧 | 示例 |
|---|---|
| ------ | ------ |
| 使用英文关键词 | "deep learning" 比 "深度学习" 结果更多 |
| 尝试同义词 | "cancer" + "tumor" + "neoplasm" |
| 使用作者ID | ORCID、ResearchGate链接 |
| 提供DOI | 直接定位唯一文献 |
| 放宽限制 | 先大范围检索，再筛选 |
影响因子数据来源：
注意：
检索完成后，你可以：
真实、准确、可验证 —— 你的可靠文献检索助手 🔍
共 1 个版本