Scaling Accessible Mathematics on arXiv: HTML Conversion and MathML 4
本文报告了 arXiv 实验性 HTML 论文计划在 2025 至 2026 年的进展，重点介绍了由社区驱动的保真度改进、语料库规模的转换工作、为提升无障碍访问而引入的 MathML 4，以及基于 Rust 重写的 LaTeXML 以增强性能并降低成本。
原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
以下是用通俗语言和创意类比对该论文的解释。
全景图：将“冻结”的数学转化为“鲜活”的文本
想象一下，世界上最大的科学论文图书馆（arXiv）目前堆满了用一种非常特定、僵硬的墨水印刷的书籍。这些书籍看起来精美且精确（PDF 格式），但如果你尝试用屏幕阅读器（供视障人士使用）阅读它们、放大微小的图表，或者让计算机总结其中的数学内容，这些墨水就无法流动。它们是“冻结”的。
这篇论文的作者正在构建一个新系统，将这种“冻结的墨水”转化为“鲜活文本”（HTML）。这种鲜活文本可以流动以适应任何屏幕尺寸，被计算机朗读出来，并被搜索引擎理解。他们的目标是确保当科学家撰写数学论文时，它能服务于所有人，而不仅仅是那些拥有完美视力和特定浏览器的人。
四大主要成就（“亮点”）
1. 修补漏洞（社区助力）
将他们的新系统想象成他们在 2023 年 launched 的一艘新船。像任何新船一样，它有一些漏洞。在过去的一年里，他们倾听了乘客（读者和作者）的反馈，报告了进水的位置。他们修复了约 6,000 个已报告问题中的一半。他们现在正致力于让这艘船足够水密，以便 90% 的论文能够顺利航行而不沉没。
2. “意图”标签（教计算机说话）
数学对计算机来说很难朗读，因为符号可能代表不同的含义。例如，一个小写的"x"可能是一个变量、一个乘号，或者只是一个字母。
- 旧方法： 计算机进行猜测，经常出错，听起来机械或令人困惑。
- 新方法（MathML 4）： 作者正在为数学添加“意图标签”。这就像在单词上贴一张便签，上面写着“按原样朗读”或“这是一个特定的科学术语”。这有助于屏幕阅读器清晰地朗读数学内容，即使符号很奇怪或很新。
3. Rust 引擎（加速工厂）
目前转换论文的系统是用一种名为 Perl 的旧编程语言构建的。这就像一家由缓慢、老化的引擎驱动的工厂。
- 问题： Perl 引擎运行缓慢，运行成本高，而且越来越少的人知道如何修复它。
- 解决方案： 他们正在使用一种名为 Rust 的现代语言重建引擎。
- AI 转折： 通常，手工重写一个庞大的引擎需要数年。然而，他们使用了一种非常先进的 AI（称为“代理 AI"）来协助编写代码。AI 就像一个超级快速的学徒，在三周内编写了约 100,000 行代码——这是两个人需要两年才能完成的工作。
- 结果： 新的 Rust 引擎速度快了 10 到 30 倍。这意味着作者在提交论文时，几乎可以立即看到他们的论文被转换为新格式。
4. “实时”流水线
他们不仅仅是在修复新论文；他们正在构建一条流水线，最终转换档案中 300 万篇旧论文。目前，该系统仍处于实验阶段，但他们正在稳步改进它，以便最终图书馆中的每一篇论文都能被访问。
他们如何知道它在起作用
他们使用两种方法来检查进度，就像机械师检查汽车一样：
- “吱吱”报告： 他们查看用户的投诉。如果用户说“这个图表看起来坏了”，他们会立即修复。
- “压力测试”： 他们对整个论文历史运行该系统，以查看哪些数学公式或包会导致系统崩溃。这有助于他们发现单个用户可能未报告的隐藏问题。
未来
作者相信，在未来，撰写一篇对所有人都可访问的数学论文应该成为默认设置，而不是一个特殊的额外步骤。他们正处于组织变革（成为独立非营利组织）的中间阶段，他们希望这能给予他们长期构建这些工具的稳定性。
简而言之： 他们正在改造世界上最大的数学图书馆，升级“阅读眼镜”以便每个人都能清晰地看到数学，并利用 AI 构建一个更快、更便宜的引擎来实现这一切。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。