AI 聽記：英文線上研討會，我丟掉的三段資訊分別是哪幾類
去年秋天有一場跨時區的線上研討會，北京時間凌晨一點開始，兩個小時六個報告。我端著咖啡聽，筆記記了半頁。第二天回看，能完整拼出來的只有三個報告的開場白。
丟失的資訊不是零散的，是有規律的。後來我把那半頁筆記和錄音對著排了一遍，發現自己固定會在三個位置丟東西。這篇寫的就是這三類，以及我現在的補法。
第一類：開場三十秒的背景交代
講者一般在開頭三十秒裡交代三件事：這項工作接在誰後面、解決哪個具體問題、為什麼是現在做。這三句語速最快、術語最密，我第一遍聽基本抓不住，能寫下來的反而是後面那些聽得懂的細節。
現在的做法是：錄完整場，回去用 MuchSci 的 AI 聽記把開頭那段重新過一遍，邊聽邊譯，先看譯文把這三件事對上。如果裡面有我拿不準的術語，再用 MuchSci 的論文翻譯對照一下同一個術語在譯文裡前後寫法是否一致。
但有一段我必須回原文聽：數據集名稱、文獻編號、模型名。這類字串機翻最容易變形，我不會拿譯文直接用。
第二類：報告中間的過渡句
「Now let me turn to…」「That's why we…」這類句子，我原來在筆記裡是直接跳過的——聽起來沒有資訊量。後來發現整場的論證結構就藏在這些句子裡：哪一部分是背景、哪一部分是他自己的工作、哪一部分是下一步計劃，全靠過渡句劃分。
我的改法是：先看 MuchSci 的 AI 聽記給的自動分段總結，不急著看每段內容，先看段落是怎麼切的、段與段之間是什麼關係。結構清楚了，再決定哪幾段要精讀
這裡有個邊界要說清楚：分段總結給的是「這一段在講什麼」，不是「這一段重不重要」。重要性排序它替我做不了，我只能自己按課題去標。
第三類：最後的答疑段
答疑段是最容易整段丟的。提問人語速快、麥克風位置遠、口音重，我常常連問題都沒聽清。
現在我給自己定的標準是：答疑段不要求全，只求知道「有人質疑了哪一點」。具體做法是把這一段單獨挑出來重聽，先看譯文列出的幾個問題，再回原文聽講者怎麼回應的。至於回應裡的細節論證，除非跟我的課題直接相關，我一般不再追。
我為什麼不再追「全聽懂」
凌晨一點的會，逐句聽懂是不現實的，追下去的結果是第二天什麼都做不了。我現在把目標定在三條上：會後能說出這場報告在解決什麼問題、方法大致走哪條路、被質疑了哪一點。做到這三條就夠了。
這也是我理解的這類研究生 AI 助手的位置——它幫我把錯過的重新撈回來，但不替我做判斷。
不交給它的、必須回原文核的、以及成本
· 不交給它：涉及他人未發表數據的段落我不外傳；我要直接引用的原句，一定回原音確認；方法和參數部分我只用譯文定位，不用譯文下結論。
· 必須回原文核：數字、單位、文獻編號、數據集與工具名稱。
· 錄音這件事本身：會議有其他人在場時，我會在開始前說一句「我做個記錄」，不確認就不錄。
· 成本：聽記按積分消耗，一場兩小時的會還好，一天連著三場就明顯吃緊。我的做法是把長會拆成兩段錄，先處理最需要的那一段。首注送的 3960 積分，我用到第三場會的時候就見底了，之後按檔位買。
· 整理完的東西我丟進 MuchSci 的個人知識庫，按主題存；真正要交出去的提綱，用 MuchSci 的辦公助手智能體排成可編輯文檔。現在我的會議流程就三步：會前不指望全懂，會中只標錨點，會後按三類丟分點去補。