如何获取人工智能领域文章的开源代码

你可以通过以下几种方式获取人工智能领域文章的开源代码：

1. 查看论文的附录或支持材料，很多作者会提供链接；
2. 在GitHub上搜索论文标题或作者，许多研究者会将代码托管在此平台；
3. 访问特定的开源平台，如TensorFlow Hub或PyTorch Hub，寻找相关项目；
4. 使用文献管理工具（如ResearchGate），有时可以直接联系作者获取代码。

以下是一些常用的收录网站，可以帮助你找到人工智能领域的文章及其开源代码：

1. arXiv：一个免费的预印本存储库，涵盖物理、数学、计算机科学等多个领域，许多人工智能相关论文都可以在这里找到。

2. ResearchGate：一个学术社交网络，研究人员可以分享他们的论文和代码，用户可以直接联系作者请求资源。

3. Papers with Code：专注于机器学习和计算机视觉领域，提供论文及其相应的代码实现，便于查找和比较不同算法。

4. GitHub：许多研究人员会将他们的代码托管在GitHub上，可以通过搜索论文标题或相关关键词找到代码库。

5. Google Scholar：一个学术搜索引擎，可以查找论文及其引用情况，有时会链接到代码或数据集。

6. Open Review：这是一个开放的同行评审平台，许多新兴的人工智能论文会在此发布，并附带代码链接。

这些平台都是获取最新研究和开源代码的好地方！如果你有特定的主题或方向，也可以针对性地搜索。

arXiv 本身没有专门的功能来筛选附带开源代码的文章。不过，你可以使用以下方法来寻找这类文章：

1. 查找相关的论文：在 arXiv 上搜索特定主题或关键词，并查看每篇论文的附录或引用部分，作者通常会在这里提供代码链接。

2. 使用关键字：在搜索时，可以加上“code”或“implementation”等关键词，可能会找到明确提到代码的文章。

3. 结合其他平台：可以同时在 arXiv 和 Papers with Code 等网站上搜索同一论文，后者会列出与论文相关的代码实现。

4. 查看作者的个人页面或GitHub：很多研究者会在个人网页或GitHub上发布他们的研究代码，你可以根据论文作者的信息进行查找。

虽然没有直接的筛选功能，但通过这些方法，你仍然可以找到很多附带开源代码的文章。