参加研讨会和会议是最好的方式。当你与活跃的研究人员交谈时，他们会分享更多关于该领域正在发生的事情、谣言、未经过滤的意见等的背景信息。

我记得在我以前从事物理学的时候，我们有一群研究人员发表了很多文章，但该领域的人都知道这是垃圾。因此，如果您不参加会议，就很难弄清楚。

更新：我在 Google Scholar 和 ResearchGate 中也有个人资料。两者都根据您通过这些门户发布和阅读的论文来推荐论文。我发现两者都会产生很多噪音，但 Google Scholar 会更频繁地提示相关有趣的论文。我也几乎总是先在 Scholar 中查找，所以它很清楚我经常寻找什么样的东西。

作为一名数据科学家，我需要跟上计算、软件和数据领域的最新研究。以下是我为了让自己保持更新而做的一些事情（除了潜伏在 Gitxiv 中）：

1. Quora：惊人的信息宝库。这是一个可以让专家回答问题并了解信息的地方。因此，这是一个让自己了解计算和软件行业的进步以及感兴趣的领域的好地方。
2. 数据和软件博客：互联网上有大量的数据博客。他们都有丰富的理论信息，有些甚至很好地解释了现实世界的数据项目。软件博客也帮助我了解最新的软件实践和最新的数据科学软件。例子
3. 工程博客：将其列为单独项目符号的原因是因为它们很容易上瘾。它们写得非常好，并且谈论了一些顶级公司遵循的最先进的数据和软件实践。我最喜欢的一些是：Buffer Airbnb和Pinterest Bonus：这个 Quora 问题
4. LinkedIn 群组：LinkedIn 群组是提出问题并与业内最优秀人士互动的绝佳方式。LinkedIn 脉搏也是让自己了解来自顶级影响者的精彩帖子的好方法。
5. 向人们提出疑问：向人们提出具体而友好的疑问将非常有帮助，并且是与业内一些最优秀的人互动的好方法。一个相关的例子。

我注册了最知名期刊目录的电子邮件列表。我注册了 New England Journal of Medicine、Lancet、JAMA、BMJ、Clinical Infectious Diseases 等

您可能正在寻找的主要内容是一种快速清除在您所在的任何领域对您不感兴趣的“垃圾”的方法。

来自期刊的列出他们最近发表的论文的电子邮件很好，但更好的是 RSS 提要之类的东西，它允许您在您选择的提要阅读器中汇总结果。将多个期刊的结果放在一个地方可以让您快速将标题分类为“已读”、“不读”和“可能”等标题。但通常有太多的期刊涉及您关注的领域，即使这样也可能很笨拙。

我对机器学习类型的推荐引擎抱有希望，它可以学习我感兴趣的论文类型并自动排序。有点像 Netflix/Amazon 推荐服务，但用于期刊文章。目前还没有我可以全心全意地推荐的，但我玩过Sparrho，它似乎工作得很好。我知道的另一个推荐引擎网站是PubChase，但这只是生物医学的。